Die drei Phasen der AIoT-Entwicklung

Die 3 Phasen der AIoT-Entwicklung

Obwohl AIoT zur Industrie geworden ist'Als Technologieentwicklungsplattform wird die Entwicklung von AIoT drei Entwicklungsstufen durchlaufen: eigenständige Intelligenz, vernetzte Intelligenz und aktive Intelligenz.

In der ersten Stufe, der eigenständigen intelligenten Stufe, muss das eigenständige System verschiedene Anweisungen des Benutzers, wie z. B. Stimme, Gesten usw., genau erfassen, erkennen und verstehen und korrekte Entscheidungen, Ausführungen und Rückmeldungen treffen. Bei diesem Vorgang besteht keine gegenseitige Verbindung zwischen den Geräten und den Geräten.

Die zweite Stufe der vernetzten Intelligenzstufe nutzt zentralisiertes Cloud- oder Edge-Computing, um mehrere Terminals (Perzeptrone) zu steuern, um eine vernetzte Produktmatrix zu bilden, wodurch der Inseleffekt der eigenständigen Intelligenz durchbrochen wird und intelligente Erlebnisszenarien kontinuierlich aktualisiert und optimiert werden. Wenn der Benutzer spricht"Schlafmodus"Wenn die Klimaanlage im Schlafzimmer nachts eingeschaltet wird, werden der Fernseher, die Lautsprecher, die Vorhänge und das Licht im Wohnzimmer automatisch ausgeschaltet.

In der dritten Stufe, der Phase der aktiven Intelligenz, lernt das intelligente System selbst und stellt proaktiv Dienste bereit, die für Benutzer geeignet sind, basierend auf verschiedenen Informationen wie Benutzerverhaltenspräferenzen, Benutzerporträts und Umgebung.Wenn sich zum Beispiel morgens das Licht ändert, werden die Vorhänge automatisch langsam geöffnet, die Soundbox erklingt mit angenehmer Weckmusik und die Klimaanlage passt sich tagsüber an die Temperatur an.

Die Entwicklung von AIoT steht immer noch vor vielen Herausforderungen, darunter vier Aspekte: Rechenleistung, Algorithmen, Plattformkompatibilität und Sicherheit.

Der erste ist die Rechenleistung. Die Rechenleistung gewöhnlicher Computer ist begrenzt und es dauert oft Wochen bis Monate, ein Modell damit zu trainieren. Die intensive und häufige Nutzung von Hochgeschwindigkeits-Rechenressourcen steht unter Kostendruck;

Der zweite ist der Algorithmus. Das Training der KI erfordert sehr viel Zeit. Derzeit dauert es mehrere Wochen, nur einige einfache Erkennungsfunktionen zu trainieren. Angesichts der Fülle zukünftiger Anwendungsszenarien ist es notwendig, diese auf Algorithmusebene zu verbessern. Darüber hinaus ist der grundlegende Algorithmus sehr komplex und die eingesetzten Unternehmensentwickler verfügen nicht über ausreichende Fähigkeiten.

Der dritte Punkt ist die Plattformkompatibilität. Produkte für das Internet der Dinge sind fragmentiert und es mangelt an Koordination zwischen den Ökosystemen verschiedener KI-Unternehmen. Lokale Rechenleistung, Netzwerkverbindungsfähigkeiten und Inkompatibilität zwischen Plattformen erfordern für viele Dinge die Bereitstellung von Algorithmen im Framework. Bei der groß angelegten Bereitstellung auf vernetzten Geräten gibt es viele Probleme.

Der vierte Punkt ist die Sicherheit. Die Richtigkeit der Entscheidungsfindung durch künstliche Intelligenz wird durch die Genauigkeit der IoT-Daten beeinflusst. Der Analysestruktur der KI mangelt es noch an Interpretierbarkeit. Bei AIoT besteht immer noch das Risiko, angegriffen zu werden und zum Zombie zu werden IoT.