Το AI προσθέτει Smarts σε πλατφόρμες IoT

 Η εφαρμογή δολοφονίας του Internet of Things μπορεί να είναι τεχνητή νοημοσύνη.

Αν και μπορεί να είναι δύσκολο να ταξινομήσουμε την τεχνητή νοημοσύνη (AI) και την πολύπλευρη μηχανική εκμάθηση της ως αληθινές εφαρμογές, αυτές οι τεχνολογίες μπορούν να αλλάξουν βαθιά τις λειτουργίες του IoT. Η τεχνητή νοημοσύνη κάνει τα δίκτυα IoT πιο έξυπνα και ικανά να κλιμακώνονται ανάλογα με τις ανάγκες χωρίς τον κίνδυνο ανεξέλεγκτη ανάπτυξης.

Οι λειτουργίες IoT είναι ένας συνεχής αγώνας για να διασφαλιστεί ότι οι χιλιάδες ή περισσότερες συσκευές λειτουργούν σωστά και με ασφάλεια σε ένα εταιρικό δίκτυο και ότι τα δεδομένα που συλλέγονται είναι ακριβή και έγκαιρα. Ενώ οι εξελιγμένες μηχανές ανάλυσης back-end κάνουν τη βαριά επεξεργασία της σταθερής ροής δεδομένων, η διασφάλιση της ποιότητας των δεδομένων συχνά αφήνεται σε κάπως αρχαϊκές μεθοδολογίες.

Για να βοηθήσουν να χαλιναγωγήσουν τις εκτεταμένες υποδομές IoT, ορισμένοι πωλητές πλατφορμών IoT χρησιμοποιούν τεχνολογία AI/ML για να ενισχύσουν τις δυνατότητες διαχείρισης των λειτουργιών τους. Ορισμένοι αξιόλογοι προμηθευτές πλατφορμών, όπως η IBM και η Schneider Electric, έχουν ήδη καταγράψει πολυετή εμπειρία ενσωμάτωσης AI/ML στα προϊόντα τους, αλλά η χρήση του AI/ML απέχει πολύ από το να είναι καθολική μεταξύ όλων των προμηθευτών πλατφορμών IoT.

«Θα έλεγα ότι στους εκατοντάδες προμηθευτές πλατφορμών IoT εκεί έξω, εξακολουθεί να είναι ένα αρκετά σπάνιο φαινόμενο», σημείωσε ο Sam Lucero, επικεφαλής αναλυτής υπηρεσιών και τεχνολογιών IoT, στην εταιρεία αναλυτών Omdia. "Είναι ακόμα ένα αναπτυσσόμενο χαρακτηριστικό στα σύνολα λύσεων."

Γιατί οι πλατφόρμες IoT χρειάζονται AI/ML

Παρά τις περιορισμένες κυκλοφορίες προϊόντων μέχρι σήμερα, υπάρχουν άφθονα στοιχεία ότι το AI/ML θα είναι απαραίτητο συστατικό στις περισσότερες πλατφόρμες IoT. Τα παραδοσιακά εργαλεία διαχείρισης μπορούν να ικανοποιήσουν τις απαιτήσεις μεγαλύτερων περιβαλλόντων IoT, καθώς δεν μπορούν να συμβαδίσουν με το τεράστιο μέγεθος των δικτύων και τον αυξανόμενο αριθμό συσκευών που συνδέουν.

Τα τρέχοντα εργαλεία όπως τα συστήματα SCADA μπορεί να είναι σε θέση να παρέχουν βασική παρακολούθηση αισθητήρων, ενεργοποιητών και άλλων συνδεδεμένων συσκευών, αλλά οι πληροφορίες που λαμβάνουν είναι βασικές στην καλύτερη περίπτωση. Συνήθως τα δεδομένα βασίζονται σε προκαθορισμένα όρια, με ελάχιστες ή καθόλου ποιοτικές διακρίσεις.

Ο Joe Berti, αντιπρόεδρος για τις εφαρμογές τεχνητής νοημοσύνης στην IBM, βλέπει τα γηρασμένα περιβάλλοντα SCADA ως βασικό κίνητρο για την αναβάθμιση στη διαχείριση IoT με τεχνητή νοημοσύνη.

«Ακριβώς επειδή υπάρχει αυτή η τεράστια υποδομή συστημάτων SCADA που συλλέγουν δεδομένα για επιχειρήσεις κοινής ωφέλειας, πετρέλαιο και φυσικό αέριο και την κατασκευή, και συλλέγουν δεδομένα για 10 έως 15 χρόνια», είπε ο Berti, «αλλά βασίζονται σε καθορισμένα σημεία. ”

Τέτοιες μη αυτόματες διεργασίες—συγκεκριμένα ο καθορισμός των σημείων στα οποία οι λειτουργίες συλλογής δεδομένων μετατρέπονται από «καλές» σε «κακές»—είναι ένα από τα βασικά ζητήματα που συμβάλλει σε αναποτελεσματικές και συχνά ανακριβείς μεθόδους διαχείρισης.

Ένας άλλος παράγοντας που συμβάλλει στον επείγοντα χαρακτήρα της υιοθέτησης της τεχνητής νοημοσύνης είναι η μείωση του εργατικού δυναμικού σε πολλούς κλάδους που στηρίζονται στα περιβάλλοντα IoT τους. Το συρρικνούμενο εργατικό δυναμικό —που συρρικνώνεται ως αποτέλεσμα συνταξιοδοτήσεων, απολύσεων και μετατόπισης εργασιών στο εξωτερικό— αφήνει ένα κενό τεχνογνωσίας που μπορεί να μετριαστεί με τη βοήθεια εξυπνότερων συστημάτων διαχείρισης.

<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<

Για περισσότερα σχετικά με τις πλατφόρμες IoT, ανατρέξτε στην αναφορά Omdia "Πλατφόρμες διαχείρισης συνδεσιμότητας – Ανάλυση 2021. "

Τι μπορεί να κάνει το AI για το IoT

Η τεχνητή νοημοσύνη που βασίζεται σε πλατφόρμα εστιάζει στα δεδομένα που ρέουν μέσω του επιχειρησιακού επιπέδου για να διασφαλιστεί ότι η συλλογή δεδομένων και άλλες συσκευές λειτουργούν αποτελεσματικά. Η τεχνητή νοημοσύνη που βασίζεται σε πλατφόρμα δεν επηρεάζει τα δεδομένα που συλλέγονται για ανάλυση.

Είναι μια σημαντική "διάκριση μεταξύ των δεδομένων σχετικά με τον τρόπο λειτουργίας του συστήματός σας και των δεδομένων που παρέχει το σύστημά σας", δήλωσε ο Lucero της Omdia.

Από την πλευρά των αναλυτικών στοιχείων, ορισμένες εφαρμογές –συνήθως βασισμένες σε σύννεφο– έχουν επίσης ενσωματωμένες τεχνολογίες τεχνητής νοημοσύνης, αλλά αυτές διαφέρουν από τις λειτουργικά προσανατολισμένες υλοποιήσεις πλατφόρμας.

Με την τεχνητή νοημοσύνη —ιδίως τη μηχανική μάθηση— η λειτουργική υγεία των συσκευών δικτύου μπορεί να παρακολουθείται με βάση δεδομένα σε πραγματικό χρόνο και να παρακολουθείται σε μια χρονική περίοδο, ώστε να μπορεί να αναλυθεί μια σειρά παραμέτρων. Αυτή η προσέγγιση προσφέρει όλο και πιο συγκεκριμένες πληροφορίες σχετικά με τον τρόπο λειτουργίας των συσκευών σε σύγκριση με λιγότερο ενημερωτική απόδοση που μετράται σε σχέση με προκαθορισμένα σημεία αναφοράς. Σε ορισμένες περιπτώσεις, η τροφοδοσία λειτουργικών δεδομένων που έχουν ήδη καταγραφεί σε έναν κινητήρα μηχανικής εκμάθησης θα αυξήσει το εύρος της εμπειρίας του και θα του επιτρέψει να παρέχει ακόμη πιο αναλυτικές πληροφορίες.

Η πτυχή του real-rime είναι επίσης κρίσιμη. Σήμερα, πολλοί διαχειριστές IoT έχουν κατακλυστεί με τον τεράστιο όγκο πληροφοριών που παρέχουν τα δίκτυά τους. Ο Berti της IBM είπε ότι οι πελάτες φωνάζουν για βοήθεια και σημείωσε ότι πολλοί από αυτούς λένε, «Λαμβάνουμε χιλιάδες ειδοποιήσεις και έτσι απλά δεν μπορούμε να τους δώσουμε προσοχή – αυτός είναι θόρυβος και είναι πάρα πολλοί για να αντιμετωπίσουμε .»

Η λύση της IBM, είπε ο Berti, μπορεί να χειριστεί την επίθεση των πληροφοριών και να τις αναλύσει για τα πραγματικά σημαντικά σημεία δεδομένων: «Βασικά είναι η ανίχνευση ανωμαλιών που βασίζεται στην τεχνητή νοημοσύνη», είπε ο Berti, «και πραγματικά αυτό που βρίσκουμε είναι τι πραγματικά λειτουργεί διαφορετικά εδώ; ”

Αυτό το επίπεδο συλλογής και ανάλυσης δεδομένων παρέχει πολύ περισσότερες πληροφορίες για την απόδοση του δικτύου. «Αυτό για το οποίο μιλάμε είναι να προσπαθήσουμε, για παράδειγμα, να εντοπίσουμε ανωμαλίες ή να ανιχνεύσουμε μοτίβα χρήσης και μετά να μπορούμε να πούμε, εντάξει, ας λειτουργήσουμε διαφορετικά», είπε ο Lucero. "Ας αλλάξουμε αυτές τις Οδηγίες λειτουργίας επειδή λαμβάνουμε αυτά τα δεδομένα που επεξεργαζόμαστε αυτόματα και ως αποτέλεσμα μπορούμε να λειτουργήσουμε πιο αποτελεσματικά."

Η Schneider Electric παρέχει δυνατότητες AI «πλήρως ενσωματωμένες ως επιλογή», ​​σύμφωνα με τον Martin Bauer, διευθυντή μάρκετινγκ EcoStruxure της Schneider, ο οποίος απάντησε στις ερωτήσεις του IoT World Today μέσω email. "Οι πελάτες έχουν την πλήρη ευελιξία να εκτελούν το EcoStruxure Machine Advisor για τη συλλογή και εμφάνιση δεδομένων [που συλλέγονται από] μηχανές ή για την προσθήκη της επιλογής αναλυτικών στοιχείων για προγνωστική συντήρηση."

Η υλοποίηση της IBM δεν χρησιμοποιεί τεχνητή νοημοσύνη απλώς για τον εντοπισμό ανωμαλιών, αλλά μπορεί επίσης να ξεκινήσει δραστηριότητες που βασίζονται σε αυτόν τον εντοπισμό. «Στην πραγματικότητα κλείνουμε τον κύκλο», είπε ο Μπέρτι. «Μπορούμε να δημιουργήσουμε μια παραγγελία μέσα στο Maximo και στη συνέχεια να ζητήσουμε από έναν τεχνικό να κοιτάξει τον εξοπλισμό». Ο τεχνικός μπορεί να χρησιμοποιήσει μια κινητή συσκευή για να δει τις πληροφορίες μαζί με τις προτεινόμενες διορθώσεις.

Το AI βοηθά επίσης την ασφάλεια του IoT

Με καλύτερα δεδομένα που λαμβάνονται και αναλύονται ταχύτερα, τα συστήματα ασφαλείας και οι διαχειριστές συστημάτων μπορούν να αντιδρούν πιο γρήγορα όταν εμφανίζεται μια αντιληπτή απειλή.

Χωρίς τεχνητή νοημοσύνη, ένα σύστημα ασφάλειας ή διαχείρισης μπορεί να δημιουργήσει μόνο μια ειδοποίηση εάν μια συσκευή αποτύχει να συνεχίσει να λειτουργεί και να συλλέγει και να μεταδίδει δεδομένα. Ωστόσο, το AI/ML μπορεί να ανιχνεύσει τις λεπτές λεπτομέρειες της λειτουργίας της συσκευής, οι οποίες μπορεί να υποδεικνύουν ότι μια συσκευή που προφανώς λειτουργεί σωστά ενεργεί με ανώμαλο τρόπο—ίσως συλλέγει δεδομένα όταν δεν αναμένεται ή λειτουργεί εκτός του εύρους θερμοκρασίας της.

«Στο επίπεδο ελέγχου, η χρήση ML είναι ένας τύπος ανίχνευσης ανωμαλιών, βελτιώνοντας την ασφάλεια ως αποτέλεσμα», είπε ο Lucero.

Ο Berti της IBM σημείωσε ότι οι πληροφορίες που συλλέγονται και επεξεργάζονται από τη διαχείριση με τη βοήθεια AI, μπορούν να βοηθήσουν στην απομόνωση τμημάτων του δικτύου IoT και έτσι να μειώσουν τα τρωτά σημεία και τις πιθανές επιφάνειες προσάρτησης για παρεμβαλλόμενους.

Η πλατφόρμα EcoStruxure της Schneider αξιοποιεί επίσης την τεχνογνωσία της στην τεχνητή νοημοσύνη για να ενισχύσει την ασφάλεια του δικτύου. «Η ασφάλεια στον κυβερνοχώρο είναι μια από τις πιο σημαντικές πτυχές στην ανάπτυξη της προσφοράς μας», έγραψε η Schneider's Bauer.

Απαιτείται μικρή διαμονή για την προσθήκη AI στο IoT

Ορισμένοι χρήστες ενδέχεται να διστάζουν να εφαρμόσουν ή να αναβαθμίσουν σε μια πλατφόρμα IoT ενισχυμένη με AI, υποθέτοντας ότι μια τέτοια τεχνολογία λογισμικού αιχμής θα απαιτήσει εξίσου εξελιγμένο υλικό, κάτι που θα σήμαινε εκτεταμένες -και δαπανηρές- αναβαθμίσεις συσκευών.

Αλλά αυτό δεν ισχύει απαραίτητα.

«Δεν έχω ακούσει για οποιεσδήποτε ειδικές τροποποιήσεις που να χρειάζεται να ενσωματωθούν ή να αναπτυχθούν στην ίδια τη συσκευή», είπε ο Lucero, «και πραγματικά αν υπήρχε για τη συντριπτική πλειονότητα των συσκευών IoT που θα αποτελούσαν ένα είδος διακοπής της συμφωνίας από την αρχή. .»

Το ίδιο ισχύει για τη μορφή των δεδομένων που μεταδίδουν οι συσκευές και τα πρωτόκολλα που χρησιμοποιούν για να μετακινήσουν τα δεδομένα σε μεγάλο μήκος. Οι περισσότερες πλατφόρμες με δυνατότητα AI μπορούν να συλλέγουν και να ερμηνεύουν δεδομένα σε μια ποικιλία γνωστών μορφών χρησιμοποιώντας δοκιμασμένα και αληθινά πρωτόκολλα μετάδοσης.

«Μπορούμε στην πραγματικότητα να δεχτούμε οποιονδήποτε τύπο δεδομένων», είπε ο Μπέρτι. "Αυτό που κάναμε είναι ότι έχουμε γράψει συνδέσμους στα μεγάλα συστήματα SCADA."

Το να σηκωθείς και να τρέξεις γενικά δεν είναι και τόσο δύσκολο. Όπως αναφέρθηκε προηγουμένως, ορισμένα συστήματα AI/ML επωφελούνται από τη δυνατότητα απορρόφησης και ανάλυσης ιστορικών δεδομένων, αλλά συνήθως απαιτείται λίγη εκπαίδευση για τα συστήματα ή τους χειριστές.

Το AI επιταχύνει την αγορά IoT

Δεν υπάρχει αμφιβολία ότι η τεχνητή νοημοσύνη έχει γίνει αναπόσπαστο μέρος της διαχείρισης λειτουργιών IoT. Οι μεγαλύτερες εγκαταστάσεις IoT θα δουν τα οφέλη της τεχνητής νοημοσύνης νωρίτερα από τις μικρότερες εγκαταστάσεις απλώς και μόνο λόγω του εύρους και των προκλήσεων της λειτουργίας ενός μεγάλου και πολύπλοκου περιβάλλοντος IoT. Και ενώ σήμερα η σειρά των πλατφορμών με δυνατότητα AI είναι περιορισμένη, αυτό σύντομα θα αλλάξει.

«Βλέπουμε ήδη μια ενοποίηση του τοπίου των πωλητών σε εξέλιξη», είπε ο Lucero. «Υποψιάζομαι ότι το AI/ML θα είναι ένα από εκείνα τα πράγματα που θα βοηθήσουν στην επιτάχυνση αυτής της διαδικασίας».

Είναι επίσης πιθανό - αν και δεν συμβαίνει σήμερα - οι προμηθευτές πλατφορμών βελτιωμένων με AI να διαθέσουν ορισμένες από αυτές τις δυνατότητες AI σε άλλες εφαρμογές μέσω API ή άλλων ενσωματώσεων.

«Είμαι σίγουρος ότι θα εκτεθεί μαζί με άλλα χαρακτηριστικά και λειτουργικότητα», είπε ο Lucero, «αλλά νομίζω ότι είναι και πάλι λίγο πιο κάτω από την άποψη της άμεσης ενσωμάτωσης με την πλατφόρμα IoT».