Искусственный интеллект вещей (AIoT): мощное сочетание подключенных устройств и интеллектуальных алгоритмов

TL;DR: Резюме выводов:

• От 60% до 73% всех корпоративных данных не используются для аналитики.
• Средняя компания теряет 12% своего дохода из-за того, что упускает возможности анализа данных.
• Сочетая решения AI и IoT, предприятия могут использовать свои данные и получать информацию, которая ранее была недоступна.
• AIoT — это сочетание искусственного интеллекта и Интернета вещей. Объединение обеих технологий позволяет создавать более эффективные решения, повышающие рентабельность инвестиций.
• Сектора, в которых AIoT нашел более широкое применение, — это здравоохранение, производство, транспорт и другие отрасли.

То, что первоначально начиналось как межмашинное взаимодействие, было ограничено почти исключительно телекоммуникационной отраслью, Интернет вещей теперь повсюду. По данным Statista, к 2025 году количество устройств, подключенных к Интернету, превысит 38 миллиардов.

Однако эта цифра спорна, поскольку трудно провести грань относительно того, что именно представляет собой устройство IoT. Итак, другие отчеты предлагают более сдержанные цифры. Подумайте: к 2025 году будет использоваться около 16 миллиардов устройств.

Резкий рост количества устройств IoT неизбежно приведет к увеличению объема собираемых данных. IDC сообщает, что к 2025 году объемы данных Интернета вещей, генерируемых во всем мире, достигнут 73 зеттабайт. И вот здесь возникают проблемы. Собранная информация должна быть обработана и проанализирована для повышения эффективности. Однако большинству предприятий не удается использовать данные: от 60% до 73% из них не используются для аналитики.

Хорошая новость заключается в том, что предприятия могут превратить больше сгенерированных данных в бизнес-идеи, используя объединенную мощь искусственного интеллекта и Интернета вещей.

В статье мы рассмотрели все, что вам нужно знать об этом мощном сочетании, которое часто называют искусственным интеллектом вещей или AIoT. Так что, если вы думаете о том, чтобы запрыгнуть на подножку развития Интернета вещей, продолжайте читать.

Что такое AIoT?

Система искусственного интеллекта вещей (AIoT) состоит из двух компонентов: Интернета вещей (IoT) и искусственного интеллекта (ИИ).

В этой надежной комбинации роль IoT заключается в накоплении структурированных и неструктурированных данных и обеспечении связи между подключенными вещами и пользователем.

В сочетании с искусственным интеллектом — алгоритмами, способными находить сложные взаимозависимости в огромном количестве данных и описывать, предсказывать, а также предписывать определенные действия на их основе — система IoT приобретает интеллект, подобный человеческому, и может применяться для решения более широкого круга задач. . Они могут охватывать «понимание» естественного языка, прогнозирование потребностей пользователей и соответствующую настройку поведения подключенного устройства и многое другое.

Рынок AIoT в настоящее время находится на подъеме. По оценкам недавних исследований, к 2026 году он достигнет 102,2 млрд долларов. И совершенно ясно, почему: ИИ повышает ценность Интернета вещей за счет улучшения процесса принятия решений, а Интернет вещей предоставляет платформу для повышения ценности ИИ за счет подключения и беспрепятственного обмена данными.

Как работает искусственный интеллект вещей?

Системы AIoT могут быть реализованы двумя способами:

• Как облачные системы
• Как пограничные системы, работающие на подключенных устройствах.

Архитектура системы AIoT будет варьироваться в зависимости от стратегии внедрения.

Облачный Интернет вещей

При облачном подходе базовая архитектура решения AIoT выглядит следующим образом:

• Уровень устройств: различные аппаратные устройства (мобильность, метки/маяки, датчики, устройства для здоровья и фитнеса, транспортные средства, производственное оборудование, встроенные устройства)
• Уровень подключения: полевые и облачные шлюзы
• Облачный уровень: хранение данных, обработка данных (движок AI), визуализация данных, аналитика, доступ к данным через API
• Уровень взаимодействия с пользователем*: веб-порталы и мобильные приложения*

Пограничный Интернет вещей

Благодаря периферийной аналитике собранные данные обрабатываются ближе к источнику — будь то на подключенных устройствах или полевых шлюзах.

• Терминальный уровень сбора: различные аппаратные устройства (мобильность, метки/маяки, датчики, устройства для здоровья и фитнеса, транспортные средства, производственное оборудование, встроенные устройства), подключенные к шлюзу по существующим линиям электропередач.
• Пограничный уровень: средства для хранения данных, обработки данных (механизм искусственного интеллекта), генерация идей.

Однако реализации, ориентированные на периферию, не исключают присутствия облака. Облачное хранилище данных можно, например, использовать для сбора метаданных о производительности системы или контекстной информации, необходимой для обучения или переобучения периферийного ИИ (подумайте: парадигма создания рабочих процессов ИИ, включающая облако и периферию, причем последняя состоит из устройства вне облака, которые ближе к физическим вещам.)

Лучшие приложения AIoT в разных секторах

Благодаря ряду факторов, таких как доступность новых программных инструментов, разработка упрощенных решений ИИ, внедрение ИИ в устаревшие системы и достижения в области аппаратного обеспечения, поддерживающего алгоритмы ИИ, искусственный интеллект вещей проникает во многие отрасли. Вот краткое изложение секторов, которые уже используют возможности, предоставляемые AIoT, с выделением наиболее многообещающих вариантов использования.

Здравоохранение

Диагностическая помощь

AIoT может помочь поставщикам медицинских услуг принимать более точные диагностические решения. Интеллектуальные IoT-решения для здравоохранения берут данные о пациентах из различных источников — от диагностического оборудования и носимых устройств до электронных медицинских карт — и проводят перекрестный анализ этих данных, чтобы помочь врачам правильно поставить диагноз пациенту.

Медицинские решения на основе искусственного интеллекта уже превосходят специалистов в области здравоохранения в нескольких областях диагностики. Рентгенологи всего мира полагаются на помощь ИИ в скрининге рака.

В исследовании, опубликованном Nature Medicine, ИИ превзошел шестерых рентгенологов в определении наличия у пациентов рака легких. Алгоритм, который был обучен на 42 000 сканов пациентов из записей данных клинических испытаний Национального института здравоохранения, обнаружил на 5% больше случаев рака, чем его человеческие аналоги, и уменьшил количество ложных срабатываний на 11%. Стоит отметить, что ложноположительные результаты представляют собой особую проблему при диагностике рака легких: исследование JAMA Internal Medicine, в котором приняли участие 2100 пациентов, показало, что уровень ложноположительных результатов составляет 97,5%. Таким образом, ИИ помогает решить одну из важнейших проблем диагностики.

Системы AIoT одинаково хорошо работают при диагностике рака молочной железы, кожных заболеваний и рака кожи. Но возможности интеллектуальных подключенных систем выходят далеко за рамки этого.

Недавние исследования показали, что ИИ может выявлять редкие наследственные заболевания у детей, генетические заболевания у младенцев, генетические заболевания, вызывающие повышение уровня холестерина, нейродегенеративные заболевания, а также предсказывать снижение когнитивных функций, которое приводит к развитию болезни Альцгеймера.

Улучшение стратегии лечения и отслеживание процесса реабилитации

Следуя тому же принципу, что и при диагностике пациентов, системы AIoT могут помочь разработать лучшие стратегии лечения и адаптировать их к потребностям пациента.

Сочетая данные из протоколов лечения, историю болезни пациента и информацию о пациенте в режиме реального времени с подключенного оборудования и носимых устройств, интеллектуальные алгоритмы могут предложить корректировку дозировки, исключить возможность развития аллергии у пациента и избежать неадекватного или чрезмерного лечения. Некоторые из основных областей, в которых AIoT облегчает лечение:

• Более эффективное лечение COVID-19

Наблюдая за пациентами, у которых был диагностирован COVID-19, с помощью носимых устройств на базе AIoT, которые регистрируют жизненные показатели тела пациентов, врачи могут предлагать пациентам надлежащие рекомендации, тем самым обеспечивая более эффективное амбулаторное лечение.

• Лечение заболеваний, сопровождающихся свертыванием крови

Подключенные устройства для коагуляции помогают измерять скорость образования тромбов, тем самым помогая пациентам убедиться, что измерения находятся в пределах их диапазона лечения, и сокращая количество посещений офиса, поскольку результаты измерений могут быть переданы поставщикам медицинских услуг удаленно и в режиме реального времени.

• Лучшее лечение астмы и ХОБЛ

Хронические респираторные заболевания (ХОБЛ) поражают около 500 миллионов пациентов во всем мире. Чтобы смягчить тяжесть этих состояний, пациенты должны придерживаться тщательного распорядка дня, и использование ингаляторов является его неотъемлемой частью. Тем не менее, многие пациенты не придерживаются рекомендованных планов лечения. Ингаляторы с поддержкой AIoT, привязанные к мобильному приложению, помогают предотвратить это, записывая время, дату и место каждого использования. Собранные данные можно использовать для настройки автоматических напоминаний о следующем использовании, прогнозирования приступов астмы и определения триггерных факторов.

• Оптимизированное лечение диабета

Только в США диабетом страдают 30 миллионов человек. И для них регулярные измерения уровня глюкозы всегда были проблемой. Беспроводные имплантируемые глюкометры с поддержкой AIoT снимают эти опасения, уведомляя пациентов и врачей об изменениях уровня глюкозы у пациентов.

Оптимизация рабочих процессов больницы

AIoT может изменить способ работы больниц, улучшив повседневные рабочие процессы в следующих ключевых областях:

• Сокращение времени ожидания

Автоматизированные системы отслеживания коек на основе AIoT могут помочь работникам больниц как можно быстрее принимать пациентов неотложной помощи, уведомляя их, когда койка свободна. Опыт первых пользователей, таких как медицинский центр Mt. Sinai в Нью-Йорке, доказывает, что технология может помочь сократить время ожидания для 50% пациентов отделений неотложной помощи.

• Выявление критических пациентов

Выявление пациентов, нуждающихся в неотложной помощи, имеет решающее значение для оказания качественной помощи. Чтобы принять правильное решение, врачам необходимо анализировать большие объемы информации, находясь при этом под значительным давлением. AIoT может помочь медицинскому персоналу в расстановке приоритетов в их усилиях. Подключенные системы могут анализировать жизненно важные органы пациентов и предупреждать врачей об ухудшении состояния пациентов.

Несколько подобных систем были опробованы в отделениях интенсивной терапии. Например, Университет Сан-Франциско опробовал ИИ-решение, способное обнаруживать ранние признаки сепсиса — смертельной инфекции крови. Результаты исследования показали, что у пациентов, лечение которых включало ИИ, вероятность развития инфекции была на 58% ниже; а смертность снизилась на 12%.

• Отслеживание медицинского оборудования

Благодаря отслеживанию оборудования с поддержкой AIoT больницы могут снизить риск потери критически важного медицинского оборудования и принимать более обоснованные решения по управлению оборудованием, таким образом экономя 12 000 долларов США на койке в год. Критическое медицинское оборудование можно отслеживать с помощью систем RFID или GPS в больнице и за ее пределами, а медицинский и административный персонал может использовать веб-приложения и мобильные приложения для быстрого поиска необходимого оборудования.

Производство

Включение профилактического обслуживания

Благодаря оборудованию, оснащенному датчиками AIoT, измеряющими различные параметры, включая температуру, давление, вибрацию, скорость вращения и т. д., производители могут получать информацию о состоянии своих активов в режиме реального времени и планировать техническое обслуживание в соответствии с фактическими потребностями.

В то время как базовой аналитики часто бывает достаточно для обнаружения оборудования, приближающегося к критическому рабочему порогу, ИИ может заранее прогнозировать аномалии на основе исторических данных о техническом обслуживании и ремонте. В результате профилактического обслуживания, согласно отчету PwC, производители могут увеличить время безотказной работы оборудования на 9 %, снизить затраты на 12 %, снизить риски безопасности на 14 % и продлить срок службы своих активов на 20 %.

Улучшение управления эффективностью активов

Имея систему AIoT, производители могут получать регулярные обновления о том, насколько хорошо работают их активы, и выяснять причины изменений производительности. Большинство систем управления производительностью активов на основе IoT позволяют получать автоматические оповещения всякий раз, когда часть оборудования отклоняется от установленных KPI.

Механизм ИИ, в свою очередь, помогает разобраться в причинах ухудшения производительности, если таковые имеются, и определить, разумно ли отслеживать измеренные KPI в каждом отдельном параметре. Используя программное обеспечение для управления производительностью, производители оптимизируют использование оборудования и повышают его общую эффективность.

Оптимизация планирования производства с помощью цифровых двойников

По данным Gartner, цифровые двойники могут помочь производителям повысить эффективность производства как минимум на 10%. Цифровая копия актива, системы или процесса, промышленный цифровой двойник с поддержкой AIoT может помочь производителям получить сквозной обзор операций в цехе и помочь своевременно выявлять и даже прогнозировать неэффективность.

Производственные предприятия, использующие цифровые двойники, заявляют, что они могут добиться устойчивых улучшений, включая повышение надежности с 93% до 99,49% в течение двух лет, сокращение затрат на техническое обслуживание на 40% и экономию 360 000 долларов США при прогнозировании отключения электроэнергии.

Автоматизация операций в цехах с помощью промышленной робототехники

Промышленные роботы уже давно присутствуют в цехах. По мере того, как производственные IoT-решения становятся все более доступными, роботы становятся умнее и независимы. Промышленная робототехника, оснащенная датчиками и опирающаяся на ИИ, теперь способна принимать обоснованные производственные решения на ходу, тем самым повышая эффективность производственных подразделений.

Автомобильная промышленность и транспорт

Управление движением

AIoT можно использовать для уменьшения заторов на дорогах и улучшения качества транспорта. Город Тайбэй, например, подключился к AIoT для мониторинга и управления сигнальным оборудованием на 25 перекрестках. В этой системе интеллектуальные датчики и видеокамеры в режиме реального времени собирали данные о дорожном движении, людских потоках и загруженности дорог, а алгоритмы искусственного интеллекта анализировали эти данные и применяли соответствующую логику управления.

Такой подход помог городской администрации оптимизировать транспортный поток и обеспечить безопасное и плавное вождение.

Беспилотные автомобили

Самоуправляемые транспортные средства и передовые системы помощи водителю (ADAS) являются яркими примерами алгоритмов ИИ, интерпретирующих данные IoT в реальном времени и воздействующих на них.

Самоуправляемые или автономные автомобили создают карту своего окружения на основе данных с различных датчиков. Радарные датчики, например, отслеживают положение ближайших транспортных средств; видеокамеры обнаруживают светофоры, дорожные знаки, другие транспортные средства и пешеходов; Лидарные датчики измеряют расстояния, обнаруживают края дорог и определяют разметку полос движения.

Затем программное обеспечение AI обрабатывает данные датчиков, прокладывает оптимальный путь и отправляет инструкции на приводы автомобиля, которые управляют ускорением, торможением и рулевым управлением. Жестко закодированные правила, алгоритмы обхода препятствий, прогнозное моделирование и распознавание объектов помогают программному обеспечению соблюдать правила дорожного движения и преодолевать препятствия.

Ключевые проблемы внедрения AIoT и способы их решения

Из всех проектов IoT, реализованных по всему миру, 76% терпят неудачу, причем 30% из них терпят неудачу уже на этапе подтверждения концепции. Чтобы избежать направления инвестиций в инициативы, которые обречены на крах, компании, тестирующие воды AIoT, должны знать об общих проблемах, которые могут помешать их реализации AIoT. Препятствия, с которыми чаще всего сталкиваются предприятия, включают:

Начало пути к AIoT без четкой цели. Запуская проекты AIoT, организации могут увлечься новизной и не оценить осуществимость своих идей. Это, в свою очередь, может привести к неконтролируемому росту затрат на последних этапах разработки и, в конечном счете, к недовольству заинтересованных сторон. Чтобы избежать этого, мы советуем начинать проект AIoT с этапа исследования, на котором идеи могут быть проверены и сопоставлены с поставленными бизнес-целями, ожиданиями клиентов и организационными возможностями.

Борьба за выбор оптимальной стратегии реализации. Как было сказано ранее, решения AIoT могут быть реализованы в виде облачных, пограничных или гибридных систем. При разработке стратегии внедрения тщательно взвесьте требования к пропускной способности, задержке и скорости для будущего решения и сопоставьте их с установленными затратами. Эмпирическим правилом является периферийное развертывание для критичных ко времени систем, охватывающих большое количество устройств и использующих облако в случае, если минимальная задержка и высокая пропускная способность менее важны.

Медленные циклы развертывания с затратами, которые трудно оценить. Проекты AIoT требуют долгосрочных обязательств. В зависимости от конкретного варианта использования процесс внедрения может занять от нескольких месяцев до нескольких лет. Поскольку технологический ландшафт быстро меняется, существует риск того, что решение устареет к тому времени, когда оно будет полностью введено в эксплуатацию, а также потеря контроля над затратами на внедрение. Чтобы предотвратить это, предприятия должны быть достаточно гибкими, чтобы иметь возможность вносить изменения на этом пути.

Необходимость соединения сильно разнородных и сложных систем. В зависимости от масштаба вашего будущего решения и отрасли, в которой вы работаете, вам может потребоваться подключить к AIoT очень разнородное устаревшее оборудование. Часто трудновыполнимая задача требует планирования и понимания доступных вариантов. Например, вы можете подключить датчики к устаревшим машинам, подключить их через шлюзы или даже полностью заменить. Независимо от подхода, убедитесь, что вы заранее разработали возможные сценарии оцифровки.

Недостаточно данных для обучения алгоритмов ИИ. Чтобы генерировать надежную информацию, алгоритмы ИИ необходимо обучать на огромных объемах данных. Если они недоступны в достаточном количестве (или доступны, но не могут быть использованы из соображений конфиденциальности), вам придется использовать другие стратегии, чтобы компенсировать нехватку данных. Распространенные способы включают в себя трансферное обучение (подумайте: использование уже обученной нейронной сети, которая решает аналогичную проблему), увеличение данных (модификация существующих образцов для получения новых записей данных) или обращение к синтетическим данным.

Борьба за достижение достаточной производительности системы AIoT. Производительность систем AIoT зависит от множества факторов, включая возможности оборудования, загрузку данных, архитектуру системы, подход к реализации и многое другое. Чтобы избежать проблем с производительностью при работе, заранее спланируйте потенциальные загрузки данных и соответствующим образом настройте стратегию реализации.

Устранение уязвимостей программного и микропрограммного обеспечения. Многие проекты AIoT терпят неудачу из-за того, что на этапе планирования не учитывалась безопасность данных, устройств, серверов и сетей связи. Если вы имеете дело с очень конфиденциальными данными, рассмотрите возможность гибридного развертывания, когда данные обрабатываются ближе к источнику, поэтому риск их компрометации во время передачи или в облаке сводится к минимуму.

Если у вас остались вопросы об искусственном интеллекте вещей или вы уже рассматриваете возможность внедрения AIoT, свяжитесь с нашими экспертами.

Первоначально опубликовано на https://itrexgroup.com 30 августа 2022 г.