vchalup - 股票.adobe.com.
物联网中的人工智能将数据分析提升到了一个新的水平
随着物联网设备贪婪地收集数据，许多公司都没有准备好才能完成。在IoT系统中部署AI可以在排序数据时进行深刻的差异。
尽管物联网每年以数十亿台设备的速度扩张，但处理其产出的企业云每年仅以数千台设备的速度增长。这种惊人的不匹配产生了几个严重的问题——其中最大的问题是，对于大多数组织来说，没有一种切实可行的方法来及时、有效地处理所有这些数据。再加上云技术带来的挑战物联网数据处理——包括延迟、带宽、安全性等等——很明显，物联网的好处可能永远不会实现。
幸运的是,IOT中的AI在这里。人工智能能力和物联网设备的进步带来了他们需要的分析，解决了物联网的顶级数据挑战，同时创建动态网络和分布式智能。
物联网数据挑战:往返和实时响应
在典型的企业网络中，IOT存在超出了云的边界，通过防火墙传递数据，然后在存储器中居住，并且可用于某些过程或应用程序。但是有很多不同的设备报告 - 一个将稳步增加的数字 -交通问题是不可避免的。管理来自如此多端点的如此多的数据流超出了大多数公司的资源范围。
但等;它变得更糟。许多物联网应用都是双向的，传感器收集的数据会对它们报告的位置产生影响;例如，根据占用率和天气的变化来调整建筑的电力消耗。在许多这样的情况下，没有时间让数据往返于云。
事实上，由于IOT数据需要是这样的情况变成反应性行动实时监控，特别是在交通管理、安全入侵或设备故障等场景下。
进入AI.
这些问题的修复是边缘计算——通过增加提供本地处理能力的网关和物联网设备，扩展企业网络的处理能力。这解决了几个大问题，包括路由和适应实时响应需求，并创建一个可以解析收集到的数据的点，一些信息在现场处理，用于云存储的信息单独传递。
为了做到这一点，我们必须添加最后一个元素:AI。人工智能必须不是生活在云端，而是生活在边缘。物联网在应对不断变化的环境、管理中断和微调资源方面的工作，都是关于模式检测和机器学习——这些活动现在可以通过边缘计算发生，而这些工作正在发生。人工智能需要从云端移到边缘。
人工智能在物联网中的位置
当物联网数据停留在本地并提供给基于边缘的机器学习时，模式就会出现。这些模式可以预测机器故障或系统故障，使它有可能应用预防性维护例如，避免制造环境中的中断或停机，或者预测供应链中的中断并调整以避免它们。
更重要的是，将机器学习应用到生产环境、交通管理和其他复杂环境或过程中，可能会出现意想不到的模式，从而导致它们的优化。物联网中的人工智能可以为这些环境和过程创建复杂的、细节丰富的快照，研究发现，这些潜在的效率很容易被人类读取仪表所忽略。
例如，毛毛虫海军陆战队的客户，机械巨型毛虫的海洋部门，使用了从其船队收集的物联网数据，以发现影响船体清洁的船舶效率。本公司证明了每两年每两年清洁其船舶的成本和重要性 - 每两年清洁船体两次，结束了清洁藤壶和海洋生活的堆积，每年两次修复腐蚀问题节省了40万美元每艘船每年。
最后，还有人工智能在edge网络本身的应用。物联网边缘网络中的人工智能使应用程序能够监控自己的性能，随着应用程序和流程开始改善，随着时间的推移进行自我优化。
叫它分布式智能，带有本地AI子网的SEITECHING与本地AI子网持续学习，持久地提高性能，不仅为IOT数据流量提供管理，而且需要返回归属云的信息。这是一个坚定的福利，不仅解决了大问题，而且在这个过程中实现了大的问题，经常出现意外收益。
