LOADING...

使用AI创造思维,学习东西

下一代物联网平台可以是一个允许事物变得思考,学习对象的平台。想象一下,您的智能手表不仅可以预测心脏病发作时间何时成熟,还可以感知黑客何时试图访问您的个人数据。

用“大脑”来增强事物的方法是用人工智能(AI)来增强它们。让我们称之为AIoT,即人工智能。

想象AI将扮演一个角色,我们需要了解AI是什么 – 以及它不是什么。

AI是一种由统计模型驱动的算法,允许AI通过反馈循环“学习”。因此,不是确定性模型,其中算法使用基于其决策的预定义规则,而是应用其他模型。

使用AI创造思维,学习东西

例如,Google使用了一种称为深度学习的技术; 该领域的大部分工作都受到人类大脑工作方式的启发。这些模型不再具有确定性,因此可能意味着人工智能如何做出某种决定可能会变得不透明。这可能会导致无法预料的情况; 见证微软的人工智能聊天机器人通过分析推特信息,在数小时内学会了种族主义。

人工智能会变得无所不知吗?目前的AI肯定不会,它们在特定领域接受培训,无法在其他环境中应用这些知识。例如,最近发生的僵尸网络攻击通过渗透连接的DVR和摄像头之类的东西来摧毁了几个备受瞩目的网站。如果它们被人工智能增强,那么事情可能会感觉到交通超载并将其关闭。

那么人工智能在哪里可以增强物联网?最可能的领域将是制造业,这个行业已经在物联网上投入了大量资金。制造业用AI攻击的用例主要是预测性维护。他们这样做的AI形式称为机器学习。

制造商正在追求预测性维护,因为它有一些真实和切实的好处; 低悬的成果可延长正常运行时间并减少意外停机时间,从而使组织能够降低维护和维修成本。

但是还有更多的利害关系。拥有这些功能将使制造商能够采用新的业务模式,以更好地在市场中竞争。例如,在一些地区,需要从资本密集型投资转向更多运营投资,从Capex到Opex。因此,不是以固定价格提供机器,而是仅在使用机器时租用和支付机器。物联网将允许监控使用情况。

对此的副作用是制造商在机器发生故障时不会获得报酬,因此正常运行时间符合他的直接利益,同样是产品的使用时间。如果时间可以延长,那么租金的保证金就会增加。具有预测性维护功能对于实现这些目标至关重要。

如果预测性维护如此重要,为什么还没有完全采用呢?嗯,有一些陡峭的障碍。缺乏可靠的传感器来监控机器的性能和行为是另一个问题,即在车间操作中获得可靠连接的挑战。两者都是收集测试统计模型所必需的数据的先决条件。

然后缺乏可以预测行为的统计模型,主要是因为缺乏可以构建和测试这些模型的数据科学家。现实世界很复杂; 机器在不同的条件下都经过运输和工作。例如,机器的振动将根据其所处的地板类型而受到影响; 木地板会对混凝土的测量结果产生不同的影响。

人工智能

制造商经常在不同的版本和型号中制造许多不同的机器。这些机器通常是在通过不同供应商和供应商订购的零件上构建的。虽然设计师倾向于将质量设定为某些标准,但第三方供应商提供的备件可能表现得略有不同,从而以不可见的方式削弱了模型。

我们确信,确定性模型不足以有效地处理上述情况,解决这些挑战的唯一方法将是受AI启发的实时分析方法。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

  • qq在线客服

    点击这里给我发消息
  • 云慧客服

    点击这里给我发消息