هوش مصنوعی اشیا (AIoT) ترکیبی از فنآوریهای هوش مصنوعی و زیرساخت اینترنت اشیا است. هدف هوش مصنوعی اشیاء اینه که بهرهوری عملیاتهای IoT رو افزایش بده، تعاملات انسان و ماشین و تحلیل و مدیریت دادهها رو بهبود ببخشه.
در حوزۀ هوش مصنوعی، ماشینها، به ویژه سیستمهای کامپیوتری، هوش انسان رو شبیهسازی میکنن. از این فنآوری بیشتر تو حوزههای پردازش زبان طبیعی، تشخیص گفتار و بینایی ماشین استفاده میشه.
IoT سیستمی از دستگاههای محاسباتی مرتبط، ماشینهای مکانیکی و دیجیتال یا اشیای مجهز به تشخیصدهندههای خاص است که میتونن دادهها رو بدون نیاز به تعامل انسان با انسان یا انسان با ماشین در سراسر یک شبکه ارسال کنن. «شی» در اینترنت اشیاء میتونه دستگاه ضربانساز، خودرویی مجهز به سنسور (که اگه بادِ لاستیک کم بود به راننده هشدار بدن) یا هر شیِ دیگهای باشه که بتوان یک آدرس IP بهش اختصاص داد یا بتونه دادهها رو به سراسر یک شبکه ارسال کنه.
AIoT یا هوش مصنوعی اشیا چیست ؟
AIoT نوعی فنآوری تحولآفرین است که هم برای هوش مصنوعی و هم برای اینترنت اشیا سودمنده. به عبارت دیگه، هوش مصنوعی به کمک قابلیتهای یادگیری ماشین و فرایندهای تصمیمگیری فنآوری IoT رو ارتقاء میده. از طرف دیگه، IoT هم به کمک اتصال (connectivity)، سیگنال و تبادل دادهها فنآوری هوش مصنوعی رو ارتقاء میده. هوش مصنوعی این امکان رو برای دستگاههای IoT فراهم میکنه تا با استفاده از کلان دادههای جمعآوری شده بدون نیاز به تعامل با انسان، بهتر تحلیل کنن، یاد بگیرن و تصمیمگیری کنن.
روش کارکرد AIoT
در دستگاههای AIoT، اجزای مرتبط با زیرساخت – مثل برنامهها، chipsetها- مجهز به هوش مصنوعی هستن؛ تمامی این اجزا به کمک شبکههای IoT متصل هستن. دلیل استفاده API در این دستگاها اینه که مطمئن بشیم تمامی سختافزارها، نرمافزارها و اجزای پلتفرم میتونن بدون اینکه کاربر نهایی تلاشی بکنه اجرا بشن و با همدیگه تعامل برقرار کنن.
دستگاههای IoT دادهها رو ایجاد و جمعآوری میکنن. در مرحله بعد هوش مصنوعی اونا رو تحلیل میکنه تا بینشی ارائه بده و کارایی و بهرهوری رو افزایش بده. هوش مصنوعی برای کسب بینش به فرایندهایی مثل یادگیری data متکی هست.
دادههای AIoT رو میشه در لبه پردازش(Processed at the edge) کرد. به عبارت دیگه، دادههای به دست اومده از دستگاههای IoT رو میشه تا حد امکان نزدیک به این دستگاهها تحلیل کرد. به اینصورت میتونیم پهنای باند مورد نیاز برای ارسال دادهها رو به حداقل برسونیم و مانع تأخیر در تحلیل دادهها بشیم.
کاربردهای AIoT
AIoT در اجرای محاسبات شناختی در لوازم مصرفی خیلی کاربرد داره اما، موارد زیر نمونههای دیگهای از موارد کاربرد AIoT هستن:
شهرهای هوشمند
از فنآوری هوشمند (نظیر سنسورها، چراغها و کنتورها) برای جمعآوری دادهها استفاده میشه. هدف از طراحی این نوع فنآوری افزایش کارایی عملیاتی، رشد اقتصادی و بهبود کیفیت زندگی ساکنان است.
خانۀ هوشمند
لوازم هوشمند از طریق تعامل با انسانها یاد میگیرن. علاوه بر این، لوازم AIoT میتونن دادههای کاربران رو ذخیره کنن و با تکیه بر اونا عادتهای کاربران رو یاد بگیرن و خدمات شخصیسازی شده بهشون ارائه بدن.
سازمانی و صنعتی
تولیدکنندگان با استفاده از تراشههای هوشمند میتونن اون دسته از تجهیزات که به درستی کار نمیکنن یا قطعاتی که نیاز به تعویض دارن رو شناسایی کنن.
شبکۀهای اجتماعی و منابع انسانی
ابزارهای AIoT رو میشه در شبکههای اجتماعی و پلتفرمهای منابع انسانی ادغام کرد و با تکیه بر هوش مصنوعی برای کارشناسان منابع انسانی تصمیمگیری کرد.
وسایل نقلیۀ تمام اتوماتیک
وسایل نقلیه خودمختار برای جمعآوری داده از وسایل نقلیهای که همان نزدیکی هستند، نظارت و کنترل بر شرایط رانندگی و شناسایی عابرین پیاده از چند تا دوربین و سیستم سنسور استفاده میکنن.
رباتهای تحویل اتوماتیک
سنسورها دادههایی در مورد محیط پیرامون ربات، برای مثال انبار، جمعآوری میکنن و سپس با استفاده از هوش مصنوعی در مورد مسیریابی و پیمایش اون محیط تصمیمگیری میکنن.
بهداشت و درمان
دستگاههای پزشکی و دستگاههای پوشیدنی لحظه به لحظه دادههای پزشکی (مثل ضربان قلب) رو جمعآوری و کنترل میکنن و میتونن تپش قلب غیرعادی یا اعلائم حیاتی مشکوک رو شناسایی کنن.
مزایا و چالشهای AIoT
مزایای AIoT عبارتند از:
- افزایش کارایی عملیاتی: دستگاههای IoT مجهز به هوش مصنوعی میتونن با تحلیل دادهها الگوها رو شناسایی کنن، بینشی ارائه بدن و عملیاتهای سیستم رو برای افزایش کارایی تنظیم کنن.
- توانایی تنظیم در حین کار: برای شناسایی نقطه خرابی میشه دادهها رو تولید و تحلیل کرد و بدین طریق سیستم میتونه در صورت نیاز تنظیماتی ایجاد کنه.
- هوش مصنوعی دادهها رو تحلیل میکند: کارکنان دیگه مجبور نیستن زمانشون رو صرف کنترل و نظارت بر دستگاههای IoT بکنن و اینجوری میشه در هزینهها صرفهجویی کرد.
- مقایسپذیری: تعداد دستگاههایی که به سیستم IoT متصل هستن رو میشه افزایش داد و فرایندهای فعلی رو بهبود بخشید و ویژگیهای جدیدی معرفی کرد.
درمقابل این مزایا ممکنه …
مواردی هم وجود داره که AIoT دچار مشکل میشه و باعث بکآپ گیری در حین تولید و مشکلات دیگه میشه. در ادامه به بعضی از این مشکلات اشاره میکنیم:
- سرقت داده ها و اطلاعات: دسترسی آسان به داده ها فوق العاده است اما متأسفانه، اطلاعات خصوصی ما بیش از هر زمان دیگری در معرض دید قرار گرفته. آمار، ارقام نگران کننده ای را نشون میده چون سرقت هویت اشخاص یا شماره کارت اعتباری آنها جزو اطلاعاتی بوده که بیشتر در معرض خطر قرار گرفته. نشت اطلاعات بسیار استرس زا هستند. شرکتها نیز از آنها میترسند و اگر حمله سایبری از طریق صفحات وبسایت آنها انجام شود، میتوانند اعتماد مشتریان خود را برای همیشه از دست بدهند.
- وابستگی مداوم به اتصال اینترنت: اینترنت اشیا به اتصال مداوم اینترنت وابسته است و درصورت نبود اینترنت نمیتوان از آن استفاده کرد. از طرف دیگه ما به استفاده روزمره IoT چه در زندگی خصوصی و چه در تجارت، وابسته شده ایم. اگر به اطلاعات مورد نظر دسترسی به موقع نداشته باشیم یا امکان دانلود وجود نداشته باشه، فعالیت روزمره ما تحت تاثیر قرار خواهد گرفت. پس اتصال همیشگی اینترنت یک الزام مهم و ضروری برای استفاده از امکانات AIoT به حساب میاد.
- دشواری و پیچیدگی: اگرچه به نظر می رسد اینترنت اشیا وظایف را به راحتی انجام می دهد اما در پشت پرده عملیات بسیار پیچیده ای در حال انجام است. اگر نرم افزار محاسبه اشتباهی انجام دهد، این امر بر بقیه فرآیند تأثیر می گذارد. اتکای بیش از حد گاهی اوقات می تواند بسیار خطرناک باشد. در بهترین حالت، ما نمی دانیم چگونه با دمای نامناسب در خانه سبز خود مقابله کنیم. در بدترین حالت، یک نقص در نرم افزار سد آب می تواند باعث سیل فاجعه آمیز شود. بنابراین، اغلب یک اشتباه در اینترنت اشیا به راحتی قابل رفع نیست.
آیندۀ AIoT
IoT در کنار هوش مصنوعی میتونه سیستم هوشمندتری بسازه. هدف اینه که این سیستمها بتونن بدون مداخله انسانها به درستی قضاوت کنن. یکی از بزرگترین نوآوریها در حوزۀ AIoT استفاده از 5G است. هدف از طراحی اینترنت 5G اینه که با تکیه بر پهنای باند زیاد و تأخیر کم، بتوان در مدت زمان کمتری فایلهای بزرگ رو در دستگاههای IoT ارسال کرد. AIoT میتونه به رفع چالشهای عملیاتی فعلی (مثل مخارج مرتبط با مدیریت سرمایههای انسانی یا پیچیدگی زنجیره تأمین یا مدلهای ارائه) کمک کند.