AI + IoT = AIoT — что скрыто за Buzzwords?

Вокруг AIoT все еще много шумихи, поэтому важно уметь отделять то, что в настоящее время возможно, от того, что все еще возможно в будущем.

Такие Buzzwords - модные словечки, как например Интернет вещей (IoT), граничные вычисления(edge computing), и искусственный интеллект (AI) присутствуют в обиходе уже довольно долгое время. Они, как правило, «вбрасываются» довольно либерально и могут показаться среднестатистическому читателю несколько расплывчатыми. Это происходит потому, что шумиха вокруг этих слов имеет тенденцию отхода от существующего порядка вещей, когда описания перепродают технологию, стоящую за ней. Это печально, так как за терминологией действительно стоит истинная ценность! Эту ценность можно продемонстрировать на примерах умных городов и других встроенных концепций, демонстрирующих, как различные технологии могут быть связаны друг с другом. Однако объяснение реального ИИ может быть сложным, поскольку он существует как система со множеством взаимосвязанных компонентов, а не просто как устройство, загруженное каким-то умным программным обеспечением.

Этот феномен быстрого распространения «модных словечек», который заполняет любой уголок смежных медиа и технологических сайтов, на самом деле хорошо известен и может быть объяснен через концепцию Gartner's Hype Cycle. Однако, прежде чем приступить к этому, давайте сначала определимся с соответствующей терминологией, относящейся к этой статье.

The internet of things (IoT)

Интернет вещей - это длительное время применяемое модное сочетание слов, которое просто обозначает тенденцию к тому, что "вещи" соединяются между собой через сеть (обычно это Интернет). В данном случае "вещи" не относятся строго к отдельным электронным устройствам - они также могут относиться к таким вещам, как одежда (как в случае с носимой электроникой) или даже к людям, использующим кардиостимуляторы и подобные устройства. В принципе, это каждое приложение, которое может передавать данные внутри сети тем или иным способом.

Edge computing

Первоначальная концепция IoT требовала отправки данных в облако для обработки и анализа. Однако по мере экспоненциального роста числа устройств многие приложения достигли такого предела, при котором объем передаваемых данных туда и обратно cnfk ызыватm проблемы с задержками. Анализируя данные “на границе”, устройство может само определить, что должно быть предварительно обработано и/или отправлено в облако, а что можно отфильтровать. Проще говоря, граничные вычисления означают лишь перемещение вычислительной мощности из центральной локации на "границу", где интернет «встречается» и взаимодействует с реальным миром, например, где в действительности происходит сбор данных локации.

Artificial Intelligence(AI)

Искусственный Интеллект(ИИ), как этот термин используется сегодня, все еще находится в рамках понятия "Узкий ИИ". Речь идет о программе или системе, способной выполнять набор конкретных задач без непосредственного участия человека, в отличие от "Общего ИИ", который является «пугающим» типом, с которым мы больше знакомы через научную фантастику. Современный пример узкого ИИ - распознавание текста, изображений и речи, достигаемое с помощью машинного обучения. Такая система ИИ прошла через тысячи, если не миллионы различных фрагментов данных и научилась различать различные входные данные. Но какими бы сложными ни были ее прогнозы, она все равно ограничена этим узким кругом задач.

Smart City

Термин "умный город" можно рассматривать как реализацию вышеупомянутых концепций с помощью других информационно-коммуникационных технологий с конкретной целью повышения качества жизни в городах. Это достигается за счет оптимизации потребления ресурсов, потока трафика, общественной безопасности и так далее.

AI + IoT = AIoT

Проще говоря, AIoT - это пересечение, где встречаются AI и IoT. Это можно рассматривать как перемещение ИИ ближе к “краю” и переноса основной доли вычислений туда, где расположено устройство IoT. Представьте систему видеонаблюдения, которая запускает распознавание лиц. Вместо того, чтобы посылать любые кадры в облако для анализа, что вызовет задержки, данные анализируются непосредственно локальным ИИ-устройством.

AI и IoT в концепции Gartner Hype Cycle

Цикл такого цикла «хайпа» визуализирует эволюцию определенных технологий от первоначального начала «хайпа» до того момента, когда они в конечном итоге достигнут (или прогнозируется такое достижение) зрелости и широкого распространения.

The Gartner Hype Cycle (Source: Innodisk)

Где именно расположены термины AI и IoT на этой кривой - трудно определить, не в последнюю очередь это зависит от того, как вы определяете эти понятия. Однако, мы уже видим как приложения делают это на рынке. Эти приложения не обязательно все, что было обещано во время первоначальной волны «хайпа», а, скорее, их «приглушенные» версии. Проблема в том, что по-настоящему жизнеспособные технологии, как правило, заглушаются более раздутыми приложениями, которые все еще находятся на пике завышенных ожиданий (например, квантовые вычисления и самоходные автомобили), но зрелые приложения для ИИ уже поднимаются на Склон Просвещения(Slope of Enlightenment).

Давайте перенесем концепции IoT и AI в некоторые сценарии реального мира, как описано ниже.

Мониторинг беспилотного движения (Drone traffic monitoring)

Наши города растут в трех измерениях, распространяясь наружу и вверх (по зданиям, растущим в высоту). Дороги, однако, все еще в основном ограничены двумя измерениями, что приводит к увеличению заторов на дорогах по мере того, как город становится все больше и больше. Мониторинг и изменение потока трафика на основе данных в реальном времени может значительно повысить эффективность и уменьшить заторы. Беспилотные летательные аппараты могут быть быстро развернуты для одновременного покрытия больших площадей. Построив на их основе конфигурацию "умных дронов", можно передавать данные на пограничные устройства по всему городу по беспроводной гигабитной связи. Таким образом, с помощью беспилотных летательных аппаратов можно собирать информацию в режиме реального времени, а затем отправлять ее с помощью недалеко расположенного устройства далее для более углубленного анализа.

Drone with wireless gigabit transmitter (Source: Millitronic)

Первый этап анализа обрабатывается краевой AI-платформой. Это включает в себя распознавание транспортных средств и оценку транспортных потоков. Таким образом, устройство может само определить, как обрабатывать данные на основе анализа, т.е. увеличивается ли количество транспортных средств и существует ли риск заторов? Любые важные данные могут быть отправлены на централизованную платформу (или в облако, если хотите), где на основе этих данных могут быть приняты такие меры, как перенаправление движения, изменение скоростных режимов и корректировка светофоров.

Платформы ИИ и флэш-массивы

Поскольку большая часть обработки данных все еще будет происходить в облаке, а граничные вычисления становятся все более распространенными, устройства IoT обладают большей вычислительной мощностью, но пропускная способность сети все еще ограничена.

AI platform (Source: Aetina)

Анализ в реальном времени может быть значительно ускорен с использованием массива флэш-памяти AFA (All-Flash Array - память, полностью построенная на основе флэш технологии) как части инфраструктуры для соответствия требованиям рабочих нагрузок AIoT.

All-flash array (Source: AccelStor)

Когда видеоматериалы поступают с многочисленных AI-платформ, разбросанных по городу, флэш-массив играет важную роль в ускорении скорости обработки как структурированных, так и неструктурированных данных. Так как эта серверная плата полностью построена на основе флэш-устройств, она может увеличить производительность во много раз по сравнению с использованием более традиционных жестких дисков (HDD).

Управление парком транспортных средств и ИИ (Fleet management and AI)

Продолжая тему автотранспорта, AI может также укрепить операции по управлению парком автотранспорта. Ведение записей о большом парке транспортных средств может быть сложной задачей, но существует много способов оптимизации операций: снижение стоимости топлива, смягчение негативных последствий поведения водителей, техническое обслуживание транспортных средств и так далее.

Большинство современных систем позиционирования автомобиля в значительной степени зависят от GPS, что может привести к неожиданным проблемам. Например, это происходит при въезде в туннель, когда GPS полностью теряет связь и местоположение. Это также может происходить в городах при перемещении автомобиля в подземных паркингах, или в других местах со слабым спутниковым покрытием. Кроме того, системе сложно определить высоту транспортного средства.

Тем не менее, существуют другие источники данных, кроме GPS, которые могут дать информацию о том, где находятся транспортные средства. Например, скорость транспортного средства и скорость его поворота могут постоянно отслеживаться самим транспортным средством. Бортовая платформа ИИ может вычислить, где находится автомобиль в любой момент времени, а имея эти параметры, можно компенсировать недостающие или неполные данные от GPS. Эта технология называется автомобильным мертвым расчетом(DR). Наконец, данные могут передаваться по беспроводным сетям обратно оператору.

DR allowing for vehicle tracking inside tunnels (Source: ANTZER TECH)

Вот таким образом использование ИИ-устройств может помочь оператору следить за тем, где находятся транспортные средства, даже когда они скрыты от взгляда спутников. Представим себе, что произошел несчастный случай с одним из транспортных средств внутри туннеля. Имея лишь базовый GPS, оператор не будет знать, что авария произошла до момента, пока ему не сообщат об этом каким-то образом. С другой стороны, с помощью решения ИИ оператор сразу же будет уведомлен о том, что что-то «пошло не так», т.к. транспортное средство больше не движется, двигатель внезапно выключен и т.д.

Хранение и память: возвращение к основам

Многие разговоры о AIoT сосредоточены на доведении ИИ до того места, где собираются данные. Другими словами, всем нужны устройства, которые могут запускать эти программы на дорогах, в небе, на заводах, на морской платформе и т.п. Общим для таких мест является разнообразная окружающая среда, которая обычно не слишком благоприятна для электронного оборудования.

Вот почему неправильно думать об ИИ и IoT как о волшебном ящике, который вы покупаете и устанавливаете где угодно. Его следует рассматривать как систему, состоящую из множества небольших компонентов, которые вместе позволяют ИИ выполнять свою работу, и чтобы данные доходили до пользователя без лишних задержек.

Industrial-grade memory and storage (Source: Innodisk)

Компоненты памяти и устройства хранения должны присутствовать в каждом месте обработки и передачи данных. Так как они, как правило, не являются самыми дорогостоящими частями системы, более важно, чтобы такие компоненты были надежны и пригодны для долговременного использования.

Заключение

Вокруг AIoT все еще много шумихи, поэтому при оценке этой технологии важно уметь отделить то, что возможно в настоящее время, от того, что все еще относится к будущему. Однако, если Вы в состоянии воспринимать рассмотренные выше «модные словечки»( buzzwords), то значит у Вас есть важное понимание ценности уже сейчас доступных технологий, способных сделать лучше нашу личную жизнь и бизнес.

Справочно: Buzzwords - это слово или фраза, новое или уже существующее, из определенной предметной области, которое становится очень популярным в течение определенного периода времени благодаря тому, что его часто используют.

Перевод статьи по материалам новостей компании Innodisk Corporation (Taiwan)