通過構(gòu)建龐大的無線傳感器網(wǎng)絡，我們產(chǎn)生比以往更多的數(shù)據(jù)。若我們沒有被海量信息淹沒，大量數(shù)據(jù)能讓我們做出更好的決策。適當?shù)臄?shù)據(jù)管理首先要在邊緣處理信息，進行過濾、提煉然后確定發(fā)送到云的內(nèi)容的優(yōu)先級，而人工智能是這個領域內(nèi)的最佳工具。

處理信息超載

物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)量似乎呈指數(shù)增長。例如，分析機構(gòu)Gartner預測，到2021年，物聯(lián)網(wǎng)將包括250億個設備，所有設備都會生成全天候信息。多少信息？IDC預測，在未來五年內(nèi)，聯(lián)網(wǎng)的設備將產(chǎn)生不少于79.4 ZB（1ZB等于十億TB）的數(shù)據(jù)。

這些信息大部分將由帶有小型電池的遠程無線傳感器生成。將大量的原始數(shù)據(jù)傳輸?shù)皆坪馨嘿F，并且會迅速耗盡電池。有很多數(shù)據(jù)都是低價值的，這些通常是確認系統(tǒng)穩(wěn)定的信息；涉及事物變化的信息，才是重要的。最好在本地處理數(shù)據(jù)，以確定哪些數(shù)據(jù)至關重要且對時間敏感，然后不頻繁地使用（相對較高功率）的無線傳輸，并在盡可能短的時間內(nèi)將信息僅發(fā)送到云。

AI

用于邊緣設備的小型AIVS

用于云的大型AI

要確定哪些數(shù)據(jù)是必需的，最好使用AI。但這必須是一種經(jīng)過特別優(yōu)化的AI形式，以匹配IoT邊緣設備的功能、處理器和內(nèi)存限制。 邊緣AI初創(chuàng)公司Imagimob專門從事此類軟件的開發(fā)。他們把經(jīng)過驗證的AI軟件進行優(yōu)化。然后，再使用我們的解決方案在電池供電的IoT傳感器和邊緣設備通用的Arm M級處理器上運行。例如，由該公司開發(fā)的系統(tǒng)使用AI“神經(jīng)網(wǎng)絡”來學習和解釋手勢來控制耳機，而無需傳統(tǒng)的開關和按鈕。所有AI處理能力都包含在電池供電的耳機中。 借助優(yōu)化的AI，配備了處理器的邊緣設備（如我們IoT解決方案中使用的Arm M級處理器）可以在本地處理和存儲傳感器數(shù)據(jù)，并且僅向云發(fā)送必需的數(shù)據(jù)，從而最大程度地降低了傳輸成本和功耗。 根據(jù)美國嵌入式設計顧問公司兼Nordic客戶Signetik的總裁Steve Poulsen所說，AI的任務應分為兩部分：

資源受限的邊緣設備（“小型AI”）將使用優(yōu)化的軟件在本地整理和分類傳感器數(shù)據(jù)

基于云的強大服務器（“大型AI”）將使用高級資源來快速、深入地分析過濾后的數(shù)據(jù)，以發(fā)現(xiàn)重要的趨勢和模式

*

物聯(lián)網(wǎng)靜俏俏改變世界

如今，物聯(lián)網(wǎng)和人工智能無處不在，但是技術帶來的變化卻微妙至極，大多數(shù)人都忽略了它。就像我們都站在一個緩慢上升的平臺上，而沒有意識到它。但是，物聯(lián)網(wǎng)和AI其實在不斷改造醫(yī)療保健、物流、運輸、公用事業(yè)計量、零售支付、照明、VR等行業(yè)?！拔锫?lián)網(wǎng)的人工智能”正在逐步形成。它的影響力將幫助我們減緩物聯(lián)網(wǎng)提供的數(shù)據(jù)的雪崩速度，并開發(fā)出利用其見解的新方法。

天生一對的設計

物聯(lián)網(wǎng)和人工智能實在是天生一對，它們?nèi)诤蠟橹悄芫W(wǎng)絡，而這些網(wǎng)絡越發(fā)在無人工的情況下就能輕松解決問題，有利于眾多行業(yè)。AI的影響將是巨大的；根據(jù)分析師Research and Markets的數(shù)據(jù)，到2023年，物聯(lián)網(wǎng)將占所有AI芯片組銷售額的83％。屆時智能物聯(lián)網(wǎng)將支持一場更大的技術革命，這技術革命已經(jīng)開始，并且正在利用機器人技術、量子計算、自動駕駛汽車和基因組學等領域的并行進步。