超级伙伴:物联网、人工智能和云组建了一个强大的联盟

作者: 骄阳 2019-04-01 05:34:56

热门大片与物联网有什么关系?比你想象的还要多。

超级英雄电影现在最卖座的电影,尤其是超级英雄联盟电影更是独领风骚。即使你从未见过一个超级英雄,你可能也知道这个公式:一群拥有不同力量和弱点的超级英雄联合起来打败***、最邪恶的恶棍。这不是一个新的公式,但它是有效的,而且它也可以用来讲述物联网的未来故事。

把物联网想象成一个超级英雄联盟:释放其***潜力的诀窍是将各种技术结合在一起——每种技术的优势都***地弥补了其他技术的弱点——然后将它们部署到***、最棘手的业务问题中。物联网、人工智能和云就是超级英雄联盟的经典故事。

技术超级能力

每个人都知道超级英雄有某些弱点,比如氪星石,还有依赖性,比如魔戒。技术超级英雄也不例外。没有一种技术可以做任何事情,每种技术都有其依赖性:灯泡需要电,汽车需要汽油等等。

因此,虽然我们知道物联网可以在日常生活的几乎每个方面找到强有力的新见解,但也隐含着一种依赖性:人类分析师在海量数据中找到这些见解的能力。据估计,2025年,物联网设备每天产生的数据几乎是整个互联网的1000倍。尽管在所有这些数据中会有更多、更有用的见解,但人们很难发现它们。这就是我们下一个技术超级伙伴:人工智能的用武之处。

物联网的超能力是感知和生成大量数据,而人工智能则是通过对这些数据进行分类、使其具有可操作性并在此过程中变得更加智能以提供支持。有了人工智能,我们现在可以实时处理人类语言,确定时间敏感的货物需要被送到哪里,以及许多其他应用程序,这些应用程序看起来就像十年前漫画书中的东西。但是人工智能的超级能力也有其依赖性——它通常需要比大多数边缘设备所能提供的更多的处理能力。而这就是云的用武之地。

云的超能力是无处不在、可扩展和随需应变——这意味着它不仅存储来自物联网传感器的所有数据,还可以托管人工智能和机器学习工具。随着这一新团队成员的加入,物联网用户可以依赖云提供商的处理能力和复杂性,甚至可以从各种人工智能工具中进行选择,以满足他们当前的特殊需求。事实上,随着边缘设备变得更加复杂,用户可以越来越多地在边缘本地运行简单的人工智能工具,而无需从边缘设备到中央服务器进行代价高昂的回程通信。

物联网,人工智能和云计算任务

物联网、人工智能和云的优势和依赖性可以相互结合,当它们共同应对现实世界的挑战时,它们的真正力量就会发挥出来。

比如管理电网。传统上,电网由控制电力生产和传输的公用事业集中管理,唯一的变量是客户需求。但是今天的现代电网有很多变数:可再生能源的发电量因条件不同而不同,而小型太阳能和其他发电技术则增加了复杂性,因为公用事业客户既消耗自己的电力,又把剩余的电力卖给电网。随着各种电动汽车的激增,这种复杂性——及其带来的挑战——只会越来越多。

但是物联网、人工智能和云结合起来,不仅可以帮助公用事业管理人员解决所有这些新的变量,还可以利用它们创建一个更高效、更绿色的网格。

在英国,独立能源供应商OVO提供了一个例子,说明物联网、人工智能和云如何结合在一起,以创建一个基于数据的全新商业模式。

OVO为住宅消费者提供的太阳能电池板服务,该服务将多种传感器和数据源与室内(或车内)电池相结合。物联网传感器跟踪家庭能源使用和电池电量水平,并将数据传输到云端,在云端,人工智能将这些数据与公共电网负荷和当前电价等数据相结合。有了这些增强的数据,人工智能就可以在电网需求较低时指导用户的电池存储多余的电量,并在需求较高时释放给电网。

这种商业模式为房主提供了稳定、固定的能源收入,同时电网(以及它服务的公众)可以在分布式存储中获得更多的能源。这种对需求的智能管理是向绿色能源过渡的一种方式。

并非唯一解决方案

但是正如大片可能不太适合艺术节一样,物联网、人工智能和云的结合可能并不适合每一个问题。对于简单的物联网应用程序(如管道),将收集到的数据传回中心云可能不划算。同样,通信和分析所需的时间可能会使这种组合难以用于诸如监控管道阀门之类的应用中,这些应用始终处于开启状态,并且需要最小的延迟。这种简单的分析任务并不能从人工智能中获得太多好处,而且阀门通常位于地理上偏远的位置,这使得通信成本高昂。

因此,虽然物联网、人工智能和云可以一起完成不可思议的事情,但任何业务的***步都应该考虑以下三个标准:

  • 从潜在物联网系统中收集的大量数据是否需要不仅仅是简单的人工分析,而且还要从更深入的分析中获益?
  • 是否可以在边缘到中央服务器建立回程通信?如果这种交流不能持续进行,那么它是否可以定期建立,或者在边缘搭配简单的人工智能?
  • 能否为人工智能找到可靠的培训数据?

如果这些问题的答案是肯定的,那么你可能想要呼叫物联网、人工智能和云的超级联盟了。

物联网 人工智能
上一篇:5G、AI强强联合将带来何种新机遇? 下一篇:中国人工智能计算力报告:互联网行业投资最高,杭州居城市排名榜首
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载