物聯網 (AIoT)：互聯設備和智能算法的強大組合

已發表: 2022-09-01

TL;DR：見解，總結：

  • 60% 到 73% 的企業數據未用於分析。
  • 由於錯失數據分析機會，一家公司平均損失了 12% 的收入。
  • 結合人工智能和物聯網解決方案，企業可以利用他們的數據並收集以前無法獲得的見解。
  • AIoT 是人工智能和物聯網的混合體。 結合這兩種技術可以創建更有效的解決方案，從而提高投資回報率。
  • AIoT 應用範圍更廣的領域是醫療保健、製造、運輸和其他行業。

最初的機器對機器通信幾乎僅限於電信行業，物聯網現在無處不在。 據 Statista 稱，到 2025 年，連接到互聯網的設備數量將超過 380 億台。

不過，這個數字是有爭議的，因為很難劃清物聯網設備到底是什麼。 因此，其他報告表明數字更為克制。 想想：到 2025 年將有大約 160 億台設備在使用。

物聯網設備數量的急劇增加將不可避免地導致收集的數據量增加。 IDC 報告稱，到 2025 年，全球生成的物聯網數據量將達到 73 Zettabytes。這就是問題所在。 需要對收集到的信息進行處理和分析以推動價值。 然而，大多數企業未能將數據投入使用，其中 60% 至 73% 的數據未用於分析。

好消息是，企業可以通過利用人工智能和物聯網的綜合力量，將更多生成的數據轉化為業務洞察力。

在本文中，我們介紹了您需要了解的有關這種強大組合的所有信息，通常稱為物聯網人工智能或 AIoT。 因此，如果您正在考慮加入物聯網開發潮流，請繼續閱讀。

AIoT究竟是什麼？

物聯網 (AIoT) 系統由兩個組件組成：物聯網 (IoT) 和人工智能 (AI)。

在這種強大的組合中，物聯網的作用是積累結構化和非結構化數據，並實現連接的事物和用戶之間的通信。

當通過人工智能（可以在大量數據中發現複雜的相互依賴關係並描述、預測和規定某些行動的算法）進行放大時，物聯網系統將獲得類似人類的智能，並可用於解決更廣泛的任務. 這些可能涉及“理解”自然語言、預測用戶需求並相應地調整連接設備的行為等等。

AIoT市場目前正在崛起。 最近的研究估計，到 2026 年它將達到 1022 億美元。原因很清楚：人工智能通過改進決策為物聯網增加價值，而物聯網為人工智能提供了一個平台，通過連接和無縫數據交換來推動價值。

物聯網人工智能是如何工作的？

AIoT 系統可以通過兩種方式實現：

  • 作為基於雲的系統
  • 作為在連接設備上運行的邊緣系統。

AIoT 系統的架構會因實施策略而異。

基於雲的 AIoT

使用基於雲的方法，AIoT 解決方案的基本架構如下所示：

  • 設備層：各種硬件設備（移動設備、標籤/信標、傳感器、健康和健身設備、車輛、生產設備、嵌入式設備）
  • 連接層：現場和云網關
  • 雲層：數據存儲、數據處理（AI引擎）、數據可視化、分析、通過API訪問數據
  • 用戶通信層*：門戶網站和移動應用程序*

邊緣人工智能物聯網

通過邊緣分析，收集的數據在更接近源的地方進行處理——無論是在連接的設備上還是在現場網關上。

  • 採集終端層：通過現有電力線連接到網關的各種硬件設備（移動、標籤/信標、傳感器、健康和健身設備、車輛、生產設備、嵌入式設備）
  • 邊緣層：用於數據存儲、數據處理（AI 引擎）、洞察生成的設施

不過，以邊緣為中心的實施並不排除雲的存在。 例如，基於雲的數據存儲可用於收集有關係統性能的元數據或訓練或重新訓練邊緣 AI 所需的上下文信息（想想：用於製作涉及雲和邊緣的 AI 工作流的範例，後者由更接近物理事物的雲外設備。）

AIoT在不同領域的熱門應用

在許多因素的推動下，例如新軟件工具的可用性、簡化 AI 解決方案的開發、將 AI 注入遺留系統以及支持 AI 算法的硬件的進步，物聯網人工智能正在許多行業中蔓延。 以下是已經在利用 AIoT 提供的機會的行業的概要——其中最有希望的用例被聚焦。

衛生保健

診斷協助

AIoT 可以幫助醫療保健提供者做出更精確的診斷決策。 智能醫療物聯網解決方案從各種來源獲取患者數據——從診斷設備到可穿戴設備再到電子健康記錄——並交叉分析這些數據，以幫助醫生正確診斷患者。

基於人工智能的醫療解決方案已經在多個診斷領域超越了人類醫療保健專業人員。 全球的放射科醫生都在依靠 AI 的幫助進行癌症篩查。

在 Nature Medicine 發表的一項研究中，人工智能在確定患者是否患有肺癌方面優於六位放射科醫生。 該算法對來自美國國立衛生研究院臨床試驗數據記錄的 42,000 名患者掃描進行了訓練，檢測到的癌症病例比人類同行多 5%，並將誤報的數量減少了 11%。 值得一提的是，假陽性在診斷肺癌方面存在一個特殊問題：JAMA Internal Medicine 對 2,100 名患者的研究表明假陽性率為 97.5%。 因此，人工智能有助於解決關鍵的診斷問題之一。

AIoT 系統在診斷乳腺癌、皮膚病和皮膚癌時表現同樣出色。 但智能互聯繫統的可能性遠不止於此。

最近的研究表明，人工智能可以檢測兒童的罕見遺傳病、嬰兒的遺傳病、膽固醇升高的遺傳病、神經退行性疾​​病，並預測導致阿爾茨海默病的認知衰退。

改進治療策略和跟踪康復過程

遵循與診斷患者相同的原則，AIoT 系統可以幫助制定更好的治療策略並根據患者的需求進行調整。

結合來自治療方案的數據、患者的病史以及來自連接設備和可穿戴設備的實時患者信息，智能算法可以建議劑量調整，排除患者發生過敏的可能性，並避免不適當或過度治療。 AIoT 促進治療跨度的一些重要領域：

  • 更有效的 COVID-19 治療

通過記錄患者生命體徵的 AIoT 驅動的可穿戴設備監測被診斷出患有 COVID-19 的患者，醫生可以為患者提供應有的建議，從而提供更有效的門診護理。

  • 治療伴有凝血的疾病

連接的凝血設備有助於測量血栓形成的速度，從而幫助患者確保測量結果在他們的治療範圍內，並減少到辦公室的訪問次數，因為測量結果可以遠程和實時地傳達給醫療保健提供者。

  • 更好的哮喘和 COPD 管理

慢性呼吸道疾病 (COPD) 影響全球約 5 億患者。 為了減輕這些疾病的嚴重程度，患者必須堅持徹底的常規，而使用吸入器是其中的重要組成部分。 儘管如此，許多患者未能遵守推薦的治療計劃。 綁定到移動應用程序的啟用 AIoT 的吸入器有助於避免這種情況，記錄每次使用的時間、日期和位置。 收集的數據可用於設置下次使用的自動提醒、預測哮喘發作和識別觸發因素。

  • 優化糖尿病管理

僅在美國，就有 3000 萬人受到糖尿病的影響。 對他們來說，定期測量血糖一直是一個問題。 支持 AIoT 的無線植入式血糖儀通過通知患者和醫生患者血糖水平的變化來緩解這些擔憂。

優化醫院工作流程

AIoT 可以改變醫院的運營方式，改善以下關鍵領域的日常工作流程：

  • 減少等待時間

由 AIoT 提供支持的自動床位跟踪系統可以通過在床位空閒時通知他們來幫助醫院工作人員盡快接納急診患者。 紐約西奈山醫療中心等早期採用者的經驗證明，技術可以幫助減少 50% 急診科患者的等待時間。

  • 識別危重病人

識別需要立即關注的患者對於提供優質護理至關重要。 為了做出正確的決定，醫生需要在承受巨大壓力的同時分析大量信息。 AIoT 可以幫助醫務人員優先考慮他們的工作。 連接的系統可以分析患者的生命體徵，並向醫生提醒病情惡化的患者。

幾個類似的系統在重症監護室進行了測試。 例如，舊金山大學試行了一種人工智能解決方案，該解決方案能夠檢測敗血症的早期跡象，這是一種致命的血液感染。 研究結果表明，接受人工智能治療的患者發生感染的可能性降低了 58%； 死亡率降低了12%。

  • 跟踪醫療設備

借助支持 AIoT 的設備跟踪，醫院可以降低丟失關鍵醫療設備的風險，並做出更明智的設備管理決策，從而每年每張床位節省 12,000 美元。 醫院內外的關鍵醫療設備可以通過 RFID 或 GPS 系統進行跟踪，而醫療和行政人員可以使用網絡和移動應用程序快速定位所需設備。

製造業

啟用預測性維護

通過配備 AIoT 傳感器的機器測量各種參數，包括溫度、壓力、振動、轉速等，製造商可以實時了解其資產的健康狀況並根據實際需要安排維護。

雖然基本分析通常足以檢測到接近關鍵操作閾值的設備，但人工智能可以根據歷史維護和維修數據提前預測異常情況。 根據普華永道的一份報告，通過預測性維護，製造商可以將設備正常運行時間提高 9%，將成本降低 12%，將安全風險降低 14%，並將其資產的使用壽命延長 20%。

改善資產績效管理

有了 AIoT 系統，製造商可以定期更新其資產的性能，並深入了解性能變化的原因。 大多數基於物聯網的資產績效管理系統都允許在設備偏離設定的 KPI 時獲得自動警報。

反過來，人工智能引擎有助於挖掘性能下降的原因（如果有的話），並確定在每個單獨的設置中跟踪測量的 KPI 是否合理。 使用性能管理軟件，製造商可以優化設備利用率並提高整體設備效率。

使用數字孿生促進生產計劃

據 Gartner 稱，數字孿生可以幫助製造商將生產效率提高至少 10%。 資產、系統或流程的數字副本、支持 AIoT 的工業數字雙胞胎可以幫助製造商獲得對車間運營的端到端可見性，並幫助及時發現甚至預測低效率。

使用數字雙胞胎的製造企業表示，他們可以實現持久的改進，包括在兩年內將可靠性從 93% 提高到 99.49%，將接收維護減少 40%，並在預測停電後節省 360,000 美元。

通過工業機器人自動化車間操作

工業機器人長期以來一直是車間的一部分。 隨著製造物聯網解決方案變得越來越容易獲得，機器人正變得更加智能和獨立。 配備傳感器並依靠人工智能，工業機器人現在能夠在旅途中做出明智的生產決策，從而提高製造單位的效率。

汽車和交通

交通管理

AIoT可用於緩解交通擁堵，提高交通質量。 例如，台北市利用 AIoT 監控 25 個路口的信號設備。 在這個系統中，智能傳感器和攝像機收集交通、人流和道路佔用的實時數據，而人工智能算法分析這些數據並應用適當的控制邏輯。

該方法幫助市政府優化交通流量並確保安全順暢的駕駛體驗。

自動駕駛車輛

自動駕駛汽車和高級駕駛輔助系統 (ADAS) 是 AI 算法解釋和處理實時物聯網數據的顯著例子。

自動駕駛或自動駕駛汽車根據來自各種傳感器的數據創建周圍環境地圖。 例如，雷達傳感器監測附近車輛的位置； 攝像機檢測交通信號燈、路標、其他車輛和行人； 激光雷達傳感器測量距離、檢測道路邊緣並識別車道標記。

然後，人工智能軟件處理傳感器數據，繪製最佳路徑，並向汽車執行器發送指令，控制加速、制動和轉向。 硬編碼規則、避障算法、預測建模和對象識別有助於軟件遵循交通規則並導航障礙物。

關鍵的 AIoT 實施挑戰，以及如何解決這些挑戰

在全球實施的所有物聯網項目中，76% 失敗了，其中 30% 早在概念驗證階段就失敗了。 為了避免將投資導向注定要失敗的計劃，測試 AIoT 水域的公司應該意識到可能阻礙其 AIoT 實施的常見挑戰。 企業最常遇到的障礙包括：

在沒有明確目標的情況下踏上 AIoT 之旅。 啟動 AIoT 項目時，組織可能會陷入新奇事物而無法評估其想法的可行性。 反過來，這可能導致在開發的後期階段成本不受控制地蔓延，並最終導致利益相關者不滿意。 為避免這種情況，我們建議您從發現階段開始您的 AIoT 項目，其中可以根據設定的業務目標、客戶期望和組織能力審查和權衡想法。

努力選擇最佳實施策略。 如前所述，AIoT 解決方案可以實現為雲、邊緣或混合系統。 在起草實施策略時，仔細權衡未來解決方案的帶寬、延遲和速度要求，並將它們與設定的成本進行映射。 經驗法則是為跨越大量設備並依賴雲的時間關鍵型系統進行邊緣部署，以防最小延遲和高帶寬不太重要。

部署週期緩慢，成本難以估計。 AIoT 項目需要長期承諾。 根據特定的用例，實施過程可能需要幾個月到幾年的時間。 隨著技術環境的快速變化，解決方案在完全投入使用時可能會過時，並且會失去對實施成本的控制。 為了防止這種情況發生，企業需要足夠敏捷，以便能夠在此過程中引入變化。

需要連接高度異構和復雜的系統。 根據您未來解決方案的規模和您所在的行業，您可能需要將高度異構的傳統設備連接到 AIoT。 通常是一項難以完成的任務，它需要規劃和理解可用的選項。 例如，您可以選擇將傳感器連接到舊機器，通過網關連接它們，甚至完全替換它們。 無論採用何種方法，請務必儘早起草可行的數字化方案。

沒有足夠的數據來訓練 AI 算法。 為了產生可靠的見解，人工智能算法需要在大量數據上進行訓練。 如果數據量不足（或可用但由於隱私原因無法使用），您將不得不使用其他策略來彌補數據的不足。 常見的方法包括遷移學習（想想：使用已經訓練過的神經網絡來解決類似的問題）、數據增強（修改現有樣本以獲取新的數據條目）或求助於合成數據。

努力實現 AIoT 系統足夠的性能。 AIoT 系統的性能取決於一系列因素，包括硬件功能、數據負載、系統架構、實現方法等。 為避免運行中的性能問題，請提前計劃潛在的數據負載並相應地調整實施策略。

解決軟件和固件漏洞。 許多 AIoT 項目之所以失敗，是因為在規劃階段沒有考慮到數據、設備、服務器和通信網絡的安全性。 如果您處理高度敏感的數據，請考慮混合部署，其中數據在更靠近源的位置處理，因此在傳輸過程中或在雲中受到損害的風險最小化。

如果您對物聯網有未解決的問題或已經在考慮開始 AIoT 實施之旅，請聯繫我們的專家。

最初於 2022 年 8 月 30 日在 https://itrexgroup.com 上發布。