هوش مصنوعی هوشمندها را به پلتفرم های اینترنت اشیا اضافه می کند

 اپلیکیشن قاتل اینترنت اشیا ممکن است هوش مصنوعی باشد.

در حالی که ممکن است طبقه بندی هوش مصنوعی (AI) و یادگیری ماشینی چندوجهی آن به عنوان برنامه های کاربردی واقعی طولانی باشد، این فناوری ها می توانند عمیقاً عملیات اینترنت اشیا را تغییر دهند. هوش مصنوعی شبکه‌های اینترنت اشیا را هوشمندتر می‌کند و قادر به مقیاس‌بندی در صورت نیاز بدون خطر رشد غیرقابل کنترل است.

عملیات اینترنت اشیا یک مبارزه مداوم برای اطمینان از اینکه هزاران یا چند دستگاه به درستی و ایمن در یک شبکه سازمانی کار می کنند و داده هایی که جمع آوری می شوند دقیق و به موقع هستند، ادامه دارد. در حالی که موتورهای تجزیه و تحلیل پیشرفته بک‌اند وظیفه پردازش جریان ثابت داده‌ها را انجام می‌دهند، اطمینان از کیفیت خود داده‌ها اغلب به روش‌های تا حدودی قدیمی واگذار می‌شود.

برای کمک به مهار زیرساخت‌های گسترده اینترنت اشیا، برخی از فروشندگان پلتفرم اینترنت اشیا در حال استفاده از فناوری AI/ML هستند تا قابلیت‌های مدیریت عملیات خود را تقویت کنند. برخی از فروشندگان قابل توجه پلتفرم، مانند IBM و اشنایدر الکتریک، قبلاً سال ها تجربه ادغام AI/ML در محصولات خود را به ثبت رسانده اند، اما استفاده از AI/ML در بین تمام عرضه کنندگان پلت فرم اینترنت اشیا جهانی نیست.

سام لوسرو، تحلیلگر ارشد خدمات و فناوری‌های اینترنت اشیا در شرکت تحلیلی Omdia، خاطرنشان کرد: «من می‌توانم بگویم در میان صدها فروشنده پلت‌فرم اینترنت اشیا، این هنوز یک پدیده نسبتاً نادر است. "این هنوز یک ویژگی در حال توسعه در مجموعه راه حل است."

چرا پلتفرم های اینترنت اشیا به هوش مصنوعی/ML نیاز دارند؟

علیرغم عرضه محدود محصولات تا به امروز، شواهد زیادی وجود دارد که AI/ML یک عنصر ضروری در اکثر پلتفرم های اینترنت اشیا خواهد بود. ابزارهای مدیریت سنتی می‌توانند نیازهای محیط‌های بزرگ‌تر اینترنت اشیا را برآورده کنند، زیرا نمی‌توانند با اندازه بزرگ شبکه‌ها و تعداد فزاینده دستگاه‌هایی که به هم متصل می‌شوند، هماهنگی داشته باشند.

ابزارهای فعلی مانند سیستم های SCADA ممکن است قادر به نظارت اولیه بر حسگرها، محرک ها و سایر دستگاه های متصل باشند، اما اطلاعاتی که دریافت می کنند در بهترین حالت اولیه هستند. معمولاً داده ها بر اساس آستانه های از پیش تعیین شده، با تفاوت های کیفی اندک یا بدون تفاوت است.

جو برتی، معاون برنامه‌های هوش مصنوعی در IBM، محیط‌های قدیمی SCADA را انگیزه‌ای کلیدی برای ارتقاء به مدیریت IoT مبتنی بر هوش مصنوعی می‌داند.

برتی گفت: «فقط به این دلیل که این زیرساخت عظیم از سیستم‌های SCADA وجود دارد که داده‌های مربوط به تاسیسات، نفت و گاز، و تولید را جمع‌آوری می‌کند، و آنها برای 10 تا 15 سال داده‌ها را جمع‌آوری می‌کنند، اما آنها بر اساس نقاط تعیین شده هستند. ”

چنین فرآیندهای دستی - به طور خاص تعیین نقاطی که عملیات جمع آوری داده ها از "خوب" به "بد" تبدیل می شود - یکی از مسائل کلیدی است که به روش های مدیریت ناکارآمد و اغلب نادرست کمک می کند.

یکی دیگر از عوامل کمک کننده که به پذیرش هوش مصنوعی فوریت می بخشد، کاهش نیروی کار در بسیاری از صنایع است که به محیط های اینترنت اشیا خود متکی هستند. نیروی کار قراردادی - که در نتیجه بازنشستگی، اخراج و جابجایی عملیات به خارج از کشور کاهش می‌یابد - در حال ایجاد شکاف تخصصی است که می‌توان با کمک سیستم‌های مدیریت هوشمندتر آن را کاهش داد.

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

برای اطلاعات بیشتر در مورد پلتفرم های اینترنت اشیا، گزارش Omdia را بررسی کنید.پلت‌فرم‌های مدیریت اتصال - تحلیل 2021"

آنچه هوش مصنوعی می تواند برای اینترنت اشیا انجام دهد

هوش مصنوعی مبتنی بر پلت‌فرم بر روی داده‌هایی متمرکز است که از طریق صفحه عملیاتی جریان می‌یابد تا اطمینان حاصل شود که جمع‌آوری داده‌ها و سایر دستگاه‌ها به طور کارآمد عمل می‌کنند. هوش مصنوعی مبتنی بر پلتفرم بر داده هایی که برای تجزیه و تحلیل جمع آوری می شود تأثیر نمی گذارد.

Lucero از Omdia گفت: "تمایز بین داده های مربوط به نحوه عملکرد سیستم شما و داده هایی که سیستم شما ارائه می دهد" مهم است.

در بخش تجزیه و تحلیل، برخی از برنامه‌ها – معمولاً مبتنی بر ابر – فناوری‌های هوش مصنوعی را نیز یکپارچه کرده‌اند، اما آن‌ها از پیاده‌سازی‌های پلت فرم عملیاتی متمایز هستند.

با هوش مصنوعی - به ویژه یادگیری ماشین - می توان سلامت عملیاتی دستگاه های شبکه را بر اساس داده های زمان واقعی نظارت کرد و در یک دوره زمانی ردیابی کرد تا طیف وسیعی از پارامترها را تجزیه و تحلیل کرد. این رویکرد در مقایسه با عملکرد کمتر اطلاعاتی که در مقایسه با معیارهای از پیش تعیین شده اندازه‌گیری می‌شود، اطلاعات بیشتر و دقیق‌تری درباره نحوه عملکرد دستگاه‌ها ارائه می‌دهد. در برخی موارد، تغذیه داده‌های عملیاتی از قبل به یک موتور یادگیری ماشینی، وسعت تجربه آن را افزایش می‌دهد و به آن اجازه می‌دهد حتی اطلاعات دقیق‌تری ارائه دهد.

جنبه Real-rime نیز حیاتی است. امروزه بسیاری از مدیران اینترنت اشیا غرق در حجم انبوهی از اطلاعاتی هستند که شبکه هایشان به دست می آورند. برتی از IBM گفت که مشتریان در حال فریاد زدن برای کمک هستند، و خاطرنشان کرد که بسیاری از آنها می گویند: "ما هزاران هشدار دریافت می کنیم و بنابراین نمی توانیم به آنها توجه کنیم - این سروصدا است و برای ما بسیار زیاد است که بتوانیم با آن مقابله کنیم. "

برتی گفت که راه حل IBM می تواند هجوم اطلاعات را کنترل کند و آن را برای نقاط داده واقعا معنی دار تجزیه کند: برتی گفت: «این اساساً تشخیص ناهنجاری مبتنی بر هوش مصنوعی است، و واقعاً چیزی که ما پیدا می کنیم این است که واقعاً چه چیزی در اینجا متفاوت عمل می کند؟ ”

این سطح از جمع آوری و تجزیه و تحلیل داده ها بینش قابل توجهی بیشتری را در مورد عملکرد شبکه ارائه می دهد. لوسرو می‌گوید: «آنچه در مورد آن صحبت می‌کنیم، تلاش برای شناسایی ناهنجاری‌ها یا تشخیص الگوهای استفاده و سپس قادر به گفتن، خوب، بیایید متفاوت عمل کنیم.» بیایید این دستورالعمل‌های عملیاتی را تغییر دهیم زیرا این داده‌ها را به‌طور خودکار پردازش می‌کنیم و در نتیجه می‌توانیم کارآمدتر عمل کنیم.»

طبق گفته مارتین بائر، مدیر بازاریابی EcoStruxure Schneider، که از طریق ایمیل به سوالات IoT World Today پاسخ داد، Schneider Electric قابلیت‌های هوش مصنوعی را «به‌عنوان یک گزینه کاملاً یکپارچه» ارائه می‌کند. «مشتریان انعطاف‌پذیری کامل برای اجرای EcoStruxure Machine Advisor برای جمع‌آوری و نمایش داده‌ها [جمع‌آوری‌شده از] ماشین‌ها یا افزودن گزینه تجزیه و تحلیل برای نگهداری پیش‌بینی‌کننده را دارند.»

پیاده‌سازی IBM از هوش مصنوعی برای تشخیص ناهنجاری‌ها استفاده نمی‌کند، بلکه می‌تواند فعالیت‌هایی را بر اساس آن تشخیص آغاز کند. برتی گفت: «ما در واقع حلقه را می بندیم. ما می‌توانیم یک سفارش کاری در داخل Maximo ایجاد کنیم و سپس یک تکنسین بخواهیم تجهیزات را بررسی کند.» تکنسین می‌تواند از یک دستگاه تلفن همراه برای دیدن اطلاعات همراه با راهکارهای پیشنهادی استفاده کند.

هوش مصنوعی به امنیت اینترنت اشیا نیز کمک می کند

با دریافت داده‌های بهتر و تجزیه و تحلیل سریع‌تر، سیستم‌های امنیتی و اپراتورهای سیستم می‌توانند در هنگام ظاهر شدن تهدیدی سریع‌تر واکنش نشان دهند.

بدون هوش مصنوعی، یک سیستم امنیتی یا مدیریتی ممکن است فقط در صورتی که دستگاه نتواند به کار و جمع آوری و انتقال داده ها ادامه دهد، هشدار ایجاد کند. اما AI/ML می‌تواند ظرافت‌های عملکرد دستگاه را تشخیص دهد که ممکن است نشان دهد دستگاهی که ظاهراً درست کار می‌کند، به شیوه‌ای غیرعادی این کار را انجام می‌دهد - شاید در زمانی که انتظار نمی‌رود یا خارج از محدوده دمایی آن کار می‌کند، داده‌ها را جمع‌آوری می‌کند.

لوسرو گفت: "در صفحه کنترل، استفاده از ML نوعی تشخیص ناهنجاری است که در نتیجه امنیت را بهبود می بخشد."

برتی از IBM خاطرنشان کرد که اطلاعات جمع‌آوری‌شده و مدیریت به کمک هوش مصنوعی می‌تواند به جداسازی بخش‌هایی از شبکه اینترنت اشیا و در نتیجه کاهش آسیب‌پذیری‌ها و سطوح اتصال احتمالی برای interlopers کمک کند.

پلت فرم EcoStruxure Schneider همچنین از تخصص هوش مصنوعی خود برای تقویت امنیت شبکه بهره می برد. Schneider's Bauer نوشت: "امنیت سایبری یکی از مرتبط ترین جنبه ها در توسعه پیشنهاد ما است."

برای افزودن هوش مصنوعی به اینترنت اشیا نیاز به اقامت کمی است

برخی از کاربران ممکن است از پیاده‌سازی یا ارتقا به یک پلتفرم IoT تقویت‌شده با هوش مصنوعی خودداری کنند، با این فرض که چنین فناوری نرم‌افزاری پیشرفته‌ای به سخت‌افزاری به همان اندازه پیچیده نیاز دارد که به معنای ارتقای دستگاه‌های گسترده و گران قیمت است.

اما لزوماً اینطور نیست.

لوسرو گفت: «من هیچ تغییر خاصی را نشنیده‌ام که نیاز به ادغام یا توسعه روی خود دستگاه داشته باشد، و واقعاً اگر برای اکثریت قریب به اتفاق دستگاه‌های اینترنت اشیا وجود داشته باشد، در همان ابتدا به نوعی معامله‌ساز می‌شد. "

همین امر در مورد فرمت داده هایی که دستگاه ها ارسال می کنند و پروتکل هایی که برای جابجایی طولانی داده ها استفاده می کنند نیز صدق می کند. اکثر پلتفرم‌های دارای هوش مصنوعی می‌توانند داده‌ها را در قالب‌های مختلف آشنا با استفاده از پروتکل‌های انتقال آزمایش شده و واقعی جمع‌آوری و تفسیر کنند.

برتی گفت: «ما در واقع می توانیم هر نوع داده ای را بپذیریم. "کاری که ما انجام داده ایم این است که اتصال دهنده هایی را برای سیستم های SCADA اصلی نوشته ایم."

به طور کلی بلند شدن و دویدن آنقدرها هم سخت نیست. همانطور که قبلاً ذکر شد، برخی از سیستم‌های AI/ML از توانایی دریافت و تجزیه و تحلیل داده‌های تاریخی سود می‌برند، اما معمولاً آموزش کمی برای سیستم‌ها یا اپراتورها لازم است.

هوش مصنوعی بازار اینترنت اشیا را تسریع می کند

تردیدی وجود ندارد که هوش مصنوعی به بخشی جدایی ناپذیر از مدیریت عملیات اینترنت اشیا تبدیل شده است. نصب‌های بزرگ‌تر اینترنت اشیا زودتر از نصب‌های کوچک‌تر مزایای هوش مصنوعی را خواهند دید، صرفاً به دلیل دامنه و چالش‌های اجرای یک محیط بزرگ و پیچیده اینترنت اشیا. و در حالی که امروزه مجموعه پلتفرم های مجهز به هوش مصنوعی محدود است، به زودی تغییر خواهد کرد.

لوسرو گفت: "ما در حال حاضر شاهد یکپارچگی چشم انداز فروشندگان هستیم." "من گمان می کنم که AI/ML یکی از مواردی باشد که به سرعت بخشیدن به این روند کمک می کند."

همچنین این امکان وجود دارد - اگرچه امروزه این اتفاق نمی افتد - که فروشندگان پلتفرم های تقویت شده با هوش مصنوعی برخی از این قابلیت های هوش مصنوعی را از طریق API یا سایر ادغام ها در اختیار سایر برنامه ها قرار دهند.

Lucero گفت: "من مطمئن هستم که این ویژگی همراه با سایر ویژگی ها و عملکردها در معرض دید قرار می گیرد.