AI thêm thông minh vào nền tảng IoT

 Ứng dụng sát thủ của Internet of Things có thể là trí tuệ nhân tạo.

Mặc dù có thể hơi khó để phân loại trí tuệ nhân tạo (AI) và máy học nhánh đa diện của nó là các ứng dụng thực sự, nhưng những công nghệ này có thể thay đổi sâu sắc các hoạt động của IoT. AI làm cho các mạng IoT thông minh hơn và có thể mở rộng quy mô khi cần mà không có nguy cơ tăng trưởng không kiểm soát được.

Các hoạt động của IoT là một cuộc đấu tranh liên tục để cố gắng đảm bảo rằng hàng nghìn thiết bị trở lên chạy đúng cách và an toàn trên mạng doanh nghiệp cũng như dữ liệu được thu thập đều chính xác và kịp thời. Mặc dù các công cụ phân tích back-end tinh vi thực hiện rất nhiều công việc xử lý luồng dữ liệu ổn định, nhưng việc đảm bảo chất lượng của dữ liệu thường phụ thuộc vào các phương pháp hơi cổ xưa.

Để giúp hạn chế cơ sở hạ tầng IoT đang mở rộng, một số nhà cung cấp nền tảng IoT đang sử dụng công nghệ AI/ML để tăng cường khả năng quản lý hoạt động của họ. Một số nhà cung cấp nền tảng đáng chú ý, chẳng hạn như IBM và Schneider Electric, đã có nhiều năm kinh nghiệm tích hợp AI/ML vào sản phẩm của họ, nhưng việc sử dụng AI/ML còn lâu mới phổ biến đối với tất cả các nhà cung cấp nền tảng IoT.

Sam Lucero, nhà phân tích trưởng, dịch vụ và công nghệ IoT, tại công ty phân tích Omdia, lưu ý: “Tôi có thể nói rằng trong số hàng trăm nhà cung cấp nền tảng IoT ngoài kia, đây vẫn là một hiện tượng khá hiếm. “Đây vẫn là một tính năng đang phát triển trong bộ giải pháp.”

Tại sao nền tảng IoT cần AI/ML

Mặc dù cho đến nay, việc giới thiệu sản phẩm còn hạn chế, nhưng có nhiều bằng chứng cho thấy AI/ML sẽ là một thành phần cần thiết trong hầu hết các nền tảng IoT. Các công cụ quản lý truyền thống có thể đáp ứng nhu cầu của các môi trường IoT lớn hơn, vì chúng không thể theo kịp quy mô cực lớn của mạng và số lượng thiết bị ngày càng tăng mà chúng liên kết.

Các công cụ hiện tại như hệ thống SCADA có thể cung cấp khả năng giám sát cơ bản các cảm biến, bộ truyền động và các thiết bị được kết nối khác, nhưng thông tin mà chúng nhận được chỉ ở mức cơ bản. Thông thường, dữ liệu dựa trên các ngưỡng được xác định trước, có rất ít hoặc không có sự khác biệt về chất lượng.

Joe Berti, phó chủ tịch phụ trách các ứng dụng AI tại IBM, coi môi trường SCADA cũ kỹ là động lực chính để nâng cấp lên quản lý IoT dựa trên AI.

Berti nói: “Chỉ vì cơ sở hạ tầng khổng lồ của các hệ thống SCADA thu thập dữ liệu cho các tiện ích, dầu khí và sản xuất, và chúng đã thu thập dữ liệu trong 10 đến 15 năm,” Berti nói, “nhưng chúng dựa trên các điểm đã định. ”

Các quy trình thủ công như vậy—cụ thể là thiết lập các điểm mà tại đó các hoạt động thu thập dữ liệu chuyển từ “tốt” sang “xấu”—là một trong những vấn đề chính góp phần vào các phương pháp quản lý không hiệu quả và thường không chính xác.

Một yếu tố góp phần khác làm tăng thêm tính cấp thiết cho việc áp dụng AI là lực lượng lao động đang giảm dần trong nhiều ngành dựa vào môi trường IoT của họ. Lực lượng lao động hợp đồng—thu hẹp do nghỉ hưu, sa thải và chuyển hoạt động ra nước ngoài—đang để lại khoảng trống về chuyên môn có thể được giảm thiểu với sự trợ giúp của các hệ thống quản lý thông minh hơn.

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

Để biết thêm về các nền tảng IoT, hãy xem báo cáo Omdia “Nền tảng quản lý kết nối – Phân tích năm 2021".

AI có thể làm gì cho IoT

AI dựa trên nền tảng tập trung vào dữ liệu chảy qua mặt phẳng vận hành để đảm bảo rằng việc thu thập dữ liệu và các thiết bị khác đang hoạt động hiệu quả. AI dựa trên nền tảng không ảnh hưởng đến dữ liệu được thu thập để phân tích.

Đó là một “sự khác biệt quan trọng giữa dữ liệu về cách thức hoạt động của hệ thống của bạn và dữ liệu mà hệ thống của bạn đang cung cấp,” Lucero của Omdia cho biết.

Về mặt phân tích, một số ứng dụng – điển hình là dựa trên đám mây – cũng đã tích hợp các công nghệ AI, nhưng những ứng dụng này khác với việc triển khai nền tảng định hướng hoạt động.

Với AI—đặc biệt là máy học—tình trạng hoạt động của các thiết bị mạng có thể được theo dõi dựa trên dữ liệu thời gian thực và được theo dõi trong một khoảng thời gian để có thể phân tích một loạt các tham số. Cách tiếp cận này cung cấp ngày càng nhiều thông tin cụ thể hơn về cách các thiết bị đang hoạt động so với hiệu suất ít thông tin hơn được đo theo điểm chuẩn đặt trước. Trong một số trường hợp, việc cung cấp dữ liệu vận hành đã thu thập được vào một công cụ máy học sẽ tăng bề dày kinh nghiệm của nó và cho phép nó cung cấp nhiều thông tin chi tiết hơn.

Khía cạnh thời gian thực cũng rất quan trọng. Ngày nay, nhiều quản trị viên IoT bị choáng ngợp với lượng thông tin khổng lồ mà mạng của họ mang lại. Berti của IBM cho biết khách hàng đang kêu cứu và lưu ý rằng nhiều người trong số họ nói: “Chúng tôi nhận được hàng nghìn cảnh báo và vì vậy chúng tôi không thể chú ý đến chúng–đây là tiếng ồn và có quá nhiều cảnh báo đối với chúng tôi .”

Giải pháp của IBM, Berti cho biết, có thể xử lý sự tấn công dữ dội của thông tin và phân tích nó để tìm ra các điểm dữ liệu thực sự có ý nghĩa: “Về cơ bản, đó là phát hiện sự bất thường dựa trên AI,” Berti nói, “và thực sự những gì chúng tôi đang tìm kiếm là những gì thực sự hoạt động khác ở đây? ”

Mức độ thu thập và phân tích dữ liệu đó cung cấp cái nhìn sâu sắc hơn đáng kể về hiệu suất mạng. Lucero cho biết: “Ví dụ, những gì chúng ta đang nói đến là cố gắng phát hiện sự bất thường hoặc phát hiện các kiểu sử dụng và sau đó có thể nói, OK, hãy vận hành theo cách khác. “Hãy thay đổi các Hướng dẫn vận hành này vì chúng tôi đang nhận được dữ liệu này mà chúng tôi đang xử lý tự động và kết quả là chúng tôi có thể hoạt động hiệu quả hơn.”

Theo Martin Bauer, giám đốc tiếp thị EcoStruxure của Schneider, người đã trả lời các câu hỏi của IoT World Today qua email, Schneider Electric cung cấp các khả năng AI “được tích hợp hoàn toàn dưới dạng tùy chọn”. “Khách hàng có toàn quyền linh hoạt khi chạy EcoStruxure Machine Advisor để thu thập và hiển thị dữ liệu [được thu thập từ] máy hoặc để thêm tùy chọn phân tích cho bảo trì dự đoán.”

Việc triển khai của IBM không chỉ sử dụng AI để phát hiện các điểm bất thường mà còn có thể bắt đầu các hoạt động dựa trên phát hiện đó. Berti nói: “Chúng tôi thực sự đóng vòng lặp. “Chúng tôi có thể tạo một lệnh sản xuất bên trong Maximo và sau đó nhờ một kỹ thuật viên đi xem xét thiết bị.” Kỹ thuật viên có thể sử dụng thiết bị di động để xem thông tin cùng với các biện pháp khắc phục được đề xuất.

AI cũng hỗ trợ bảo mật IoT

Với dữ liệu tốt hơn được nhận và phân tích nhanh hơn, hệ thống bảo mật và người vận hành hệ thống có thể phản ứng nhanh hơn khi nhận thấy mối đe dọa xuất hiện.

Nếu không có AI, hệ thống quản lý hoặc bảo mật có thể chỉ đưa ra cảnh báo nếu một thiết bị không thể tiếp tục hoạt động cũng như thu thập và truyền dữ liệu. Tuy nhiên, AI/ML có thể phát hiện những điểm phức tạp trong hoạt động của thiết bị. Điều này có thể cho thấy rằng một thiết bị rõ ràng đang hoạt động bình thường nhưng lại đang hoạt động theo cách bất thường—có thể là thu thập dữ liệu khi thiết bị không được mong đợi hoặc hoạt động ngoài phạm vi nhiệt độ của thiết bị.

Lucero cho biết: “Trên mặt phẳng điều khiển, việc sử dụng ML là một kiểu phát hiện sự bất thường, nhờ đó cải thiện tính bảo mật.

Berti của IBM lưu ý rằng thông tin do ban quản lý có sự hỗ trợ của AI thu thập và xử lý có thể giúp cô lập các phân đoạn của mạng IoT và do đó giảm các lỗ hổng cũng như các bề mặt đính kèm tiềm ẩn cho những kẻ xen vào.

Nền tảng EcoStruxure của Schneider cũng khai thác chuyên môn AI của mình để tăng cường an ninh mạng. “An ninh mạng là một trong những khía cạnh phù hợp nhất trong quá trình phát triển sản phẩm của chúng tôi,” Bauer của Schneider viết.

Cần ít chỗ ở để thêm AI vào IoT

Một số người dùng có thể ngần ngại triển khai hoặc nâng cấp lên nền tảng IoT được tăng cường bởi AI, giả định rằng công nghệ phần mềm tiên tiến như vậy sẽ yêu cầu phần cứng tinh vi không kém, điều đó có nghĩa là phải nâng cấp thiết bị rộng rãi—và đắt tiền.

Nhưng đó không nhất thiết phải là trường hợp.

“Tôi chưa nghe nói về bất kỳ sửa đổi đặc biệt nào cần được tích hợp hoặc phát triển trên chính thiết bị,” Lucero nói, “và thực sự nếu có phần lớn các thiết bị IoT thì đó sẽ là một công cụ phá vỡ thỏa thuận ngay từ đầu .”

Điều tương tự cũng xảy ra đối với định dạng dữ liệu mà các thiết bị truyền tải và các giao thức mà chúng sử dụng để di chuyển dữ liệu lâu dài. Hầu hết các nền tảng hỗ trợ AI đều có thể thu thập và giải thích dữ liệu ở nhiều định dạng quen thuộc bằng cách sử dụng các giao thức truyền đã được thử nghiệm và xác thực.

Berti nói: “Chúng tôi thực sự có thể chấp nhận bất kỳ loại dữ liệu nào. “Những gì chúng tôi đã làm là chúng tôi đã viết các trình kết nối với các hệ thống SCADA chính.”

Đứng dậy và chạy nói chung cũng không khó lắm. Như đã lưu ý trước đó, một số hệ thống AI/ML được hưởng lợi từ việc có thể nhập và phân tích dữ liệu lịch sử, nhưng hệ thống hoặc người vận hành thường không cần đào tạo nhiều.

AI tăng tốc thị trường IoT

Có một câu hỏi nhỏ rằng AI đã trở thành một phần không thể thiếu trong quản lý hoạt động IoT. Các cài đặt IoT lớn hơn sẽ thấy được lợi ích của AI sớm hơn so với các cài đặt nhỏ hơn đơn giản chỉ vì phạm vi và thách thức khi vận hành một môi trường IoT lớn và phức tạp. Và mặc dù ngày nay mảng nền tảng hỗ trợ AI còn hạn chế, nhưng điều đó sẽ sớm thay đổi.

Lucero cho biết: “Chúng tôi đã thấy sự hợp nhất của bối cảnh nhà cung cấp đang được tiến hành. “Tôi nghi ngờ rằng AI/ML sẽ là một trong những thứ giúp đẩy nhanh quá trình đó.”

Cũng có thể—mặc dù không xảy ra ngày nay—rằng các nhà cung cấp nền tảng được tăng cường AI sẽ cung cấp một số khả năng AI đó cho các ứng dụng khác thông qua API hoặc các tích hợp khác.

“Tôi chắc chắn rằng điều đó sẽ được tiết lộ cùng với các tính năng và chức năng khác,” Lucero nói, “nhưng tôi nghĩ rằng điều đó lại đi xa hơn một chút về lĩnh vực tích hợp trực tiếp với nền tảng IoT.”