人們可以將工業(yè)物聯(lián)網(wǎng)想象成企業(yè)的神經(jīng)系統(tǒng)：它是一個(gè)傳感器網(wǎng)絡(luò)，可以從生產(chǎn)工廠的各個(gè)角落收集有價(jià)值的信息，并將其存儲(chǔ)在數(shù)據(jù)庫(kù)中以進(jìn)行數(shù)據(jù)分析和利用。工業(yè)物聯(lián)網(wǎng)對(duì)于測(cè)量和獲取數(shù)據(jù)以做出明智的決定是必要的。但是接下來(lái)會(huì)發(fā)生什么?企業(yè)應(yīng)該如何處理所有這些數(shù)據(jù)?人們通常了解根據(jù)可靠的信息才能做出正確的決策，雖然這聽起來(lái)很簡(jiǎn)單，但實(shí)現(xiàn)該目標(biāo)并不是那么容易。本文將超越物聯(lián)網(wǎng)，重點(diǎn)關(guān)注數(shù)據(jù)以及如何通過(guò)物聯(lián)網(wǎng)人工智能(AIoT)和數(shù)據(jù)分析來(lái)利用它。

[[440542]]

以下將專門討論分析階段，這個(gè)過(guò)程首先將數(shù)據(jù)轉(zhuǎn)化為信息，然后轉(zhuǎn)化為知識(shí)(有時(shí)也稱為業(yè)務(wù)邏輯)。然而，最終不會(huì)偏離物聯(lián)網(wǎng)的核心主題，因?yàn)闆]有大數(shù)據(jù)的物聯(lián)網(wǎng)對(duì)人們來(lái)說(shuō)毫無(wú)意義。

大數(shù)據(jù)和數(shù)據(jù)分析

幾十年來(lái)，特別是在20世紀(jì)10年代，人們目睹了數(shù)字技術(shù)大規(guī)模生成的數(shù)據(jù)(結(jié)構(gòu)化和非結(jié)構(gòu)化)的驚人泛濫。在工業(yè)世界的特殊情況下，充分利用大量信息對(duì)業(yè)務(wù)成功至關(guān)重要。

這種處理業(yè)務(wù)數(shù)據(jù)的需求催生了“大數(shù)據(jù)”、“數(shù)據(jù)科學(xué)”和“數(shù)據(jù)分析”等可互換的術(shù)語(yǔ)，人們可以將它們統(tǒng)稱為用來(lái)檢查設(shè)備網(wǎng)絡(luò)捕獲的數(shù)據(jù)所遵循的流程，目的是揭示模糊的趨勢(shì)、模式或相關(guān)性。這樣做的根本目標(biāo)是使用新型知識(shí)改進(jìn)業(yè)務(wù)。

因?yàn)樗亲罱鼊?chuàng)建的一個(gè)術(shù)語(yǔ)，所以對(duì)大數(shù)據(jù)有不同的定義。Gartner公司提供的其中一個(gè)術(shù)語(yǔ)概述了三個(gè)關(guān)鍵方面：數(shù)據(jù)量、數(shù)據(jù)種類和捕獲速度。這些通常被稱為3V，盡管其他定義對(duì)此進(jìn)行了擴(kuò)展，并將其變成了5V，增加了數(shù)據(jù)的真實(shí)性及其為業(yè)務(wù)帶來(lái)的價(jià)值。

但是，對(duì)于什么是大數(shù)據(jù)和不合格的數(shù)據(jù)進(jìn)行理論探討并沒有多大意義，因?yàn)橛捎跀?shù)據(jù)收集設(shè)備無(wú)處不在，大數(shù)據(jù)分析和處理已經(jīng)適用于大范圍的工業(yè)世界。

物聯(lián)網(wǎng)和大數(shù)據(jù)

物聯(lián)網(wǎng)和大數(shù)據(jù)如何相互關(guān)聯(lián)?物聯(lián)網(wǎng)連接的主要點(diǎn)通常是數(shù)據(jù)庫(kù)。一般來(lái)說(shuō)，物聯(lián)網(wǎng)的工作在數(shù)據(jù)庫(kù)中結(jié)束;換句話說(shuō)，物聯(lián)網(wǎng)的目標(biāo)是以或多或少有序的方式將所有獲取的數(shù)據(jù)轉(zhuǎn)儲(chǔ)到公共存儲(chǔ)庫(kù)中。大數(shù)據(jù)領(lǐng)域首先訪問該存儲(chǔ)庫(kù)以操作獲取的數(shù)據(jù)并獲取所需的信息。

無(wú)論如何，將物聯(lián)網(wǎng)的大數(shù)據(jù)分析可視化為一個(gè)工具箱是很有用的。根據(jù)人們想要從數(shù)據(jù)中獲取的信息和知識(shí)的類型，將從數(shù)據(jù)中提取一種或另一種工具。許多這些工具以傳統(tǒng)算法的形式出現(xiàn)，以及對(duì)這些算法的改進(jìn)或改編，具有非常相似的統(tǒng)計(jì)和代數(shù)原理。

其回答是，現(xiàn)在可用的數(shù)據(jù)量比最初構(gòu)想所述算法時(shí)要大得多，但更重要的是，當(dāng)今機(jī)器的計(jì)算能力允許更大規(guī)模地使用這些技術(shù)，為舊方法提供新用途。

但是不要給人一種印象，“一切都已經(jīng)被發(fā)明，當(dāng)前的數(shù)據(jù)分析趨勢(shì)沒有帶來(lái)任何新的東西。”事實(shí)上恰恰相反，數(shù)據(jù)生態(tài)系統(tǒng)非常廣泛，近年來(lái)出現(xiàn)了重大創(chuàng)新。

其中增長(zhǎng)最快的領(lǐng)域之一是人工智能，人工智能并不是新興技術(shù)，因?yàn)樵缭?956年就誕生了這一術(shù)語(yǔ)。然而，人工智能是一個(gè)如此廣泛的概念，其影響如此廣泛，以至于它通常被認(rèn)為是一門獨(dú)立的學(xué)科。然而事實(shí)上，在某些方面，人工智能在大數(shù)據(jù)和數(shù)據(jù)分析中扮演著不可或缺的角色。而如今出現(xiàn)了AIoT的自然演變。

AIoT：物聯(lián)網(wǎng)的人工智能

數(shù)據(jù)量的指數(shù)級(jí)增長(zhǎng)需要采用新的分析方法。在這種情況下，人工智能變得尤為重要。根據(jù)《福布斯》雜志的報(bào)道，主導(dǎo)科技行業(yè)的兩大趨勢(shì)是物聯(lián)網(wǎng)(IoT)和人工智能。

物聯(lián)網(wǎng)和人工智能是兩種相互獨(dú)立的技術(shù)，其相互影響很大。雖然物聯(lián)網(wǎng)可以被認(rèn)為是數(shù)字神經(jīng)系統(tǒng)，但人工智能同樣是一種先進(jìn)的大腦，能夠做出控制整個(gè)系統(tǒng)的決策。IBM公司表示，物聯(lián)網(wǎng)的真正潛力只有通過(guò)引入AIoT才能實(shí)現(xiàn)。

但什么是人工智能，它與傳統(tǒng)算法有何不同?

當(dāng)機(jī)器模仿人類的認(rèn)知功能時(shí)，人們通常會(huì)談?wù)撊斯ぶ悄?。也就是說(shuō)，它以與人類相同的方式解決問題，或者假設(shè)機(jī)器能夠找到理解數(shù)據(jù)的新方法。人工智能的優(yōu)勢(shì)在于它能夠生成新算法來(lái)解決復(fù)雜問題，而這是關(guān)鍵，因?yàn)槠洫?dú)立于程序員的輸入。因此，人們可以將人工智能視為發(fā)明算法的算法，特別是機(jī)器學(xué)習(xí)(這是人工智能中預(yù)計(jì)增長(zhǎng)潛力最大的部分)。

物聯(lián)網(wǎng)人和人工智能的結(jié)合為人們帶來(lái)了AIoT的概念，即能夠自行做出決策、評(píng)估這些決策的結(jié)果，并隨著時(shí)間不斷改進(jìn)的智能互聯(lián)系統(tǒng)。

這種組合可以通過(guò)多種方式完成，在此強(qiáng)調(diào)其中的兩種：

(1)一方面，可以繼續(xù)將人工智能概念化為一個(gè)處理各種決策的集中式系統(tǒng)。在這種情況下指的是云平臺(tái)中的一個(gè)系統(tǒng)，它集中接收所有遙測(cè)數(shù)據(jù)并相應(yīng)地采取行動(dòng)。這將被稱為云人工智能(CloudAI)。

(2)另一方面，還必須談?wù)撾[喻神經(jīng)系統(tǒng)的一個(gè)非常重要的部分：反射。反射是神經(jīng)系統(tǒng)做出的自主決定，無(wú)需將所有信息發(fā)送到中央處理器(大腦)。這些決定是在其外圍做出的，靠近數(shù)據(jù)的來(lái)源。這稱為邊緣人工智能(EdgeAI)。

邊緣人工智能和云人工智能的用例

云人工智能提供了一個(gè)全面的分析過(guò)程，將整個(gè)系統(tǒng)考慮在內(nèi)，而邊緣人工智能則為人們提供了快速響應(yīng)和自主權(quán)。但與人體一樣，這兩種反應(yīng)方式并不相互排斥，實(shí)際上可以互補(bǔ)。

例如，給水控制系統(tǒng)可以在檢測(cè)到泄漏時(shí)立即關(guān)閉閥門，同時(shí)向中央系統(tǒng)發(fā)送通知，中央系統(tǒng)可以在那里做出更高級(jí)別的決策，例如打開通過(guò)另一個(gè)回路引導(dǎo)水的替代閥門。

這種可能性是無(wú)限的，可以超越反應(yīng)性維護(hù)的這個(gè)簡(jiǎn)化示例，復(fù)雜的系統(tǒng)能夠預(yù)測(cè)可能發(fā)生的事件，從而實(shí)現(xiàn)預(yù)測(cè)性維護(hù)的可能性。

AIoT用于數(shù)據(jù)分析的另一個(gè)例子可以在智能電網(wǎng)中找到，在智能電網(wǎng)的邊緣，通常有智能設(shè)備分析每個(gè)節(jié)點(diǎn)的電力流量，并在本地做出負(fù)載平衡決策，同時(shí)它將所有這些數(shù)據(jù)發(fā)送到云平臺(tái)進(jìn)行分析，以生成更全面的能源戰(zhàn)略。宏觀層面的分析將允許在區(qū)域?qū)用孀龀鲐?fù)載平衡決策，甚至通過(guò)關(guān)閉水電站或啟動(dòng)購(gòu)電流程來(lái)減少或增加電力生產(chǎn)。