|
通过构建庞大的无线传感器网络，我们产生比以往更多的数据。若我们没有被海量信息淹没，大量数据能让我们做出更好的决策。适当的数据管理首先要在边缘处理信息，进行过滤、提炼然后确定发送到云的内容的优先级，而人工智能是这个领域内的最佳工具。
处理信息超载 物联网产生的数据量似乎呈指数增长。例如，分析机构Gartner预测，到2021年，物联网将包括250亿个设备，所有设备都会生成全天候信息。多少信息？IDC预测，在未来五年内，联网的设备将产生不少于79.4 ZB（1ZB等于十亿TB）的数据。 这些信息大部分将由带有小型电池的远程无线传感器生成。将大量的原始数据传输到云很昂贵，并且会迅速耗尽电池。有很多数据都是低价值的，这些通常是确认系统稳定的信息；涉及事物变化的信息，才是重要的。最好在本地处理数据，以确定哪些数据至关重要且对时间敏感，然后不频繁地使用（相对较高功率）的无线传输，并在尽可能短的时间内将信息仅发送到云。 AI
用于边缘设备的小型AI VS 用于云的大型AI 要确定哪些数据是必需的，最好使用AI。但这必须是一种经过特别优化的AI形式，以匹配IoT边缘设备的功能、处理器和内存限制。 边缘AI初创公司Imagimob专门从事此类软件的开发。他们把经过验证的AI软件进行优化。然后，再使用我们的解决方案在电池供电的IoT传感器和边缘设备通用的Arm M级处理器上运行。例如，由该公司开发的系统使用AI“神经网络”来学习和解释手势来控制耳机，而无需传统的开关和按钮。所有AI处理能力都包含在电池供电的耳机中。 借助优化的AI，配备了处理器的边缘设备（如我们IoT解决方案中使用的Arm M级处理器）可以在本地处理和存储传感器数据，并且仅向云发送必需的数据，从而最大程度地降低了传输成本和功耗。 根据美国嵌入式设计顾问公司兼Nordic客户Signetik的总裁Steve Poulsen所说，AI的任务应分为两部分： 资源受限的边缘设备（“小型AI”）将使用优化的软件在本地整理和分类传感器数据 基于云的强大服务器（“大型AI”）将使用高级资源来快速、深入地分析过滤后的数据，以发现重要的趋势和模式 * 物联网静俏俏改变世界 如今，物联网和人工智能无处不在，但是技术带来的变化却微妙至极，大多数人都忽略了它。就像我们都站在一个缓慢上升的平台上，而没有意识到它。但是，物联网和AI其实在不断改造医疗保健、物流、运输、公用事业计量、零售支付、照明、VR等行业。 “物联网的人工智能”正在逐步形成。它的影响力将帮助我们减缓物联网提供的数据的雪崩速度，并开发出利用其见解的新方法。 天生一对的设计 物联网和人工智能实在是天生一对，它们融合为智能网络，而这些网络越发在无人工的情况下就能轻松解决问题，有利于众多行业。AI的影响将是巨大的；根据分析师Research and Markets的数据，到2023年，物联网将占所有AI芯片组销售额的83％。 届时智能物联网将支持一场更大的技术革命，这技术革命已经开始，并且正在利用机器人技术、量子计算、自动驾驶汽车和基因组学等领域的并行进步。
| 
楼主
标题置顶
标题高亮
