AIoT：物联网与人工智能的完美结合

没有大数据的物联网就毫无意义

想象一下工业物联网作为公司的神经系统：它是一个传感器网络，从生产工厂的各个角落收集有价值的信息，并将其存储在存储库中以供数据分析和利用。这个网络对于测量和获取数据以做出明智的决策是必不可少的。但接下来会发生什么？我们应该如何处理所有这些数据？我们总是谈论根据可靠的信息做出正确的决策，但尽管这听起来很明显，但实现这一目标并不总是那么容易。在本文中，我们将超越物联网，重点关注数据以及如何利用 AIoT 和数据分析。

人工智能可以充当物联网解决方案的大脑，综合新的算法来对潜在问题做出反应，甚至主动解决潜在问题。
我们将专门讨论分析阶段，即首先将数据转化为信息，然后转化为知识（有时也称为业务逻辑）的过程。但最终我们不会偏离物联网的核心主题，因为对我们来说，没有大数据的物联网是毫无意义的。

大数据与数据分析

近几十年来，尤其是 2010 年代，我们目睹了海量数据（结构化和非结构化数据）的涌现，这些数据是由无处不在的数字技术大量产生的。在工业世界，充分利用和利用这些海量信息是成功的关键。

这种处理业务数据的需求催生了“大数据”、“数据科学”和“数据分析”等基本可以互换的术语，我们可以将它们统称为我们检查设备网络捕获的数据所遵循的流程，目的是揭示模糊的趋势、模式或相关性。这样做的根本目标是利用新型知识改善业务。

由于大数据是一个新近创造的术语，因此对它有不同的定义。Gartner 提供的其中一个定义概述了 3 个关键方面： 数据 量、数据种类和 捕获速度 。这些通常被称为 3V，尽管其他定义在此基础上进行了扩展，包括 5V，增加了 数据的 准确性及其 为企业带来的价值。

但我们认为，对什么是大数据、什么不是大数据进行理论上的论述并没有多大意义，因为由于数据收集设备的普遍存在，大数据分析和处理已经适用于工业世界的大部分领域。

物联网和大数据

物联网和大数据之间有何关联？主要连接点通常是数据库。一般来说，我们可以说物联网的工作止于数据库；换句话说，物联网的目标是将获取的所有数据以或多或少有序的方式转储到一个公共存储库中。大数据领域首先访问该存储库来操作获取的数据并获取所需的信息。

无论如何，将物联网大数据分析可视化为一个工具箱是有用的。根据我们想要从数据中获取的信息和知识类型，我们将从中抽取一种或另一种工具。这些工具中的许多都以传统算法的形式出现，以及对这些算法的改进或改编，具有非常相似的统计和代数原理。这些算法不是本世纪发明的，令许多人感到惊讶，他们想知道为什么它们现在比以前更有意义。

简单的回答是，现在可用的数据量比这些算法最初构思时要大得多，但更重要的是，当今机器的计算能力允许更大规模地使用这些技术，为旧方法提供新的用途。

但我们不想给人留下这样的印象：一切都已被发明，当前的数据分析趋势没有带来任何新东西；事实恰恰相反。数据生态系统非常广泛，近年来见证了重大创新。

增长最快的领域之一是人工智能。有人可能会说，人工智能不算是最近的发明，因为早在 1956 年就有人讨论过这种现象。然而，人工智能是一个如此广泛的概念，其影响如此广泛，以至于它通常被认为是一门独立的学科。然而，事实是，在某些方面，人工智能在大数据和数据分析中起着不可或缺的作用。它是我们隐喻工具箱中已经包含的另一种工具，但随着 AIoT 的出现而自然发展。

AIoT：物联网的人工智能

数据量的指数级增长需要新的分析方法。在此背景下，人工智能变得尤为重要。据 《福布斯》报道， 主导技术行业的两大趋势是物联网 (IoT) 和人工智能。

物联网和人工智能是两种相互影响的独立技术。物联网可以被视为数字神经系统，而人工智能同样可以被视为高级大脑，负责做出控制整个系统的决策。IBM 表示，只有通过引入AIoT才能发挥物联网的真正潜力。

但是什么是人工智能，它与传统算法有何不同？

我们通常说人工智能是指机器模仿人类的认知功能。也就是说，它以与人类相同的方式解决问题，或者假设机器能够找到理解数据的新方法。人工智能的优势在于它能够生成新算法来解决复杂问题 - 这是关键 - 无需程序员的输入。因此，我们可以将人工智能和机器学习（这是人工智能中预计增长潜力最大的部分）视为发明算法的算法。

边缘人工智能和云人工智能

物联网和人工智能的结合为我们带来了AIoT（物联网人工智能）的概念，即智能互联的系统，能够自行做出决策、评估这些决策的结果并随着时间的推移而改进。

这种组合可以通过多种方式实现，其中我们想强调两种：

• 一方面，我们可以继续将人工智能概念化为一个处理所有冲动并做出决策的集中式系统。在这种情况下，我们指的是云端的一个系统，该系统集中接收所有遥测数据并采取相应的行动。这将被称为云 AI（云端人工智能）。
• 另一方面，我们还必须谈谈我们隐喻神经系统的一个非常重要的部分：反射。反射是神经系统做出的自主决定，无需将所有信息发送到中央处理器（大脑）。这些决定是在数据来源附近的外围做出的。这被称为 边缘人工智能（Edge AI）。
  

  边缘人工智能和云人工智能的用例

  云端 AI 提供全面的分析流程，考虑到整个系统，而边缘 AI 则为我们提供了快速响应和自主性。但与人体一样，这两种反应方式并不相互排斥，实际上可以互补。

举例来说， 水控制系统 可以在检测到泄漏时立即关闭现场阀门，以防止严重的水损失，同时向中央系统发送通知，中央系统可以做出更高级别的决策，例如打开备用阀门，通过另一个回路引导水。

可能性是无穷无尽的，可以超越这种简化的反应性维护示例，使用复杂的系统可以预测可能发生的事件，从而实现预测性维护。

智能电网是 AIoT 数据分析的另一个例子 ， 我们在边缘使用智能设备分析每个节点的电流并在本地做出负载平衡决策，同时将所有这些数据发送到云端进行分析，以制定更全面的全国性能源战略。宏观层面的分析将允许在区域层面做出负载平衡决策，甚至可以通过关闭水力发电厂或启动邻国的电力购买流程来减少或增加电力生产。