3 tahapan pengembangan AIoT

3 tahap pengembangan AIoT

Meskipun AIoT telah menjadi industri'Di outlet pengembangan teknologi AIoT, pengembangan AIoT akan mengalami tiga tahap pengembangan: kecerdasan yang berdiri sendiri, kecerdasan yang saling berhubungan, dan kecerdasan aktif.

Pada tahap pertama, tahap kecerdasan yang berdiri sendiri, sistem yang berdiri sendiri perlu merasakan, mengenali, dan memahami berbagai instruksi pengguna secara akurat, seperti suara, gerak tubuh, dll., serta membuat keputusan, eksekusi, dan umpan balik yang benar. Dalam proses ini, tidak ada hubungan timbal balik antara peralatan dan peralatan.

Tahap kedua dari tahap kecerdasan yang saling berhubungan menggunakan cloud terpusat atau komputasi tepi untuk mengontrol beberapa terminal (perceptron) untuk membentuk matriks produk yang saling berhubungan, menghilangkan efek pulau dari kecerdasan yang berdiri sendiri, dan terus meningkatkan dan mengoptimalkan skenario pengalaman cerdas. Saat pengguna berbicara"modus tidur"hingga AC di kamar tidur pada malam hari, TV, speaker, gorden, dan lampu di ruang tamu otomatis mati.

Pada tahap ketiga, tahap kecerdasan aktif, sistem cerdas mempelajari dirinya sendiri dan secara proaktif menyediakan layanan yang sesuai bagi pengguna berdasarkan berbagai informasi seperti preferensi perilaku pengguna, potret pengguna, dan lingkungan.Misalnya, saat cahaya berganti di pagi hari, gorden otomatis terbuka perlahan, kotak suara dilengkapi dengan musik bangun tidur yang menyenangkan, dan AC disesuaikan dengan suhu di siang hari.

Perkembangan AIoT masih menghadapi banyak tantangan, termasuk empat aspek: daya komputasi, algoritma, kompatibilitas platform, dan keamanan.

Yang pertama adalah kekuatan komputasi. Kekuatan komputasi komputer biasa terbatas, dan seringkali diperlukan waktu berminggu-minggu hingga berbulan-bulan untuk melatih model yang menggunakannya. Penggunaan sumber daya komputasi berkecepatan tinggi secara intensif dan sering menghadapi tekanan biaya;

Yang kedua adalah algoritma. Pelatihan AI memerlukan waktu yang sangat lama. Saat ini, dibutuhkan beberapa minggu untuk melatih hanya beberapa pengenalan sederhana. Menghadapi banyaknya skenario aplikasi masa depan, perlu ditingkatkan pada tingkat algoritma. Selain itu, algoritme dasarnya sangat kompleks, dan pengembang perusahaan yang menerapkannya tidak memiliki kemampuan yang memadai.

Yang ketiga adalah kompatibilitas platform. Produk-produk Internet of Things terfragmentasi, dan kurangnya koordinasi antara ekosistem berbagai perusahaan AI. Kekuatan komputasi lokal, kemampuan koneksi jaringan, dan ketidakcocokan antar platform memerlukan penerapan algoritme dalam kerangka kerja untuk banyak hal. Ada banyak masalah dengan penerapan skala besar pada perangkat jaringan;

Yang keempat adalah keamanan. Kebenaran pengambilan keputusan kecerdasan buatan dipengaruhi oleh keakuratan data IoT. Struktur analisis AI masih kurang dapat ditafsirkan. AIoT masih memiliki risiko diserang dan menjadi zombie IoT.