Os 3 estágios de desenvolvimento da AIoT

Os 3 estágios do desenvolvimento da AIoT

Embora a AIoT tenha se tornado a indústria'Como meio de desenvolvimento de tecnologia, o desenvolvimento da AIoT passará por três estágios de desenvolvimento: inteligência autônoma, inteligência interconectada e inteligência ativa.

No primeiro estágio, o estágio inteligente autônomo, o sistema autônomo precisa detectar, reconhecer e compreender com precisão várias instruções do usuário, como voz, gestos, etc., e tomar decisões, execuções e feedback corretos. Neste processo, não há conexão mútua entre o equipamento e o equipamento.

O segundo estágio do estágio de inteligência interconectada usa nuvem centralizada ou computação de ponta para controlar vários terminais (perceptrons) para formar uma matriz de produtos interconectados, quebrando o efeito de ilha da inteligência autônoma e atualizando e otimizando continuamente os cenários de experiência inteligente. Quando o usuário fala"modo de suspensão"ao ar condicionado do quarto à noite, a TV, os alto-falantes, as cortinas e as luzes da sala são desligados automaticamente.

No terceiro estágio, o estágio de inteligência ativa, o sistema inteligente aprende a si mesmo e fornece proativamente serviços adequados aos usuários com base em diversas informações, como preferências de comportamento do usuário, retratos do usuário e ambiente.Por exemplo, conforme a luz muda pela manhã, as cortinas são automaticamente abertas lentamente, a caixa de som vem com uma agradável música de despertar e o ar condicionado é ajustado para se adaptar à temperatura durante o dia.

O desenvolvimento da AIoT ainda enfrenta muitos desafios, incluindo quatro aspectos: poder computacional, algoritmos, compatibilidade de plataforma e segurança.

O primeiro é o poder de computação. O poder computacional dos computadores comuns é limitado e muitas vezes leva semanas ou meses para treinar um modelo usando-o. A utilização intensiva e frequente de recursos informáticos de alta velocidade enfrenta pressões de custos;

O segundo é o algoritmo. O treinamento da IA ​​requer muito tempo. Atualmente, são necessárias várias semanas para treinar apenas alguns reconhecimentos simples. Diante da riqueza dos cenários de aplicação futuros, é necessário aprimorá-la no nível do algoritmo. Além disso, o algoritmo básico é muito complexo e os desenvolvedores empresariais aplicados têm capacidades insuficientes.

O terceiro é a compatibilidade de plataforma. Os produtos da Internet das Coisas estão fragmentados e há falta de coordenação entre os ecossistemas das várias empresas de IA. O poder da computação local, os recursos de conexão de rede e a incompatibilidade entre plataformas exigem a implantação de algoritmos na estrutura para um grande número de coisas. Existem muitos problemas com a implantação em larga escala em dispositivos de rede;

A quarta é a segurança. A exatidão da tomada de decisão da inteligência artificial é afetada pela precisão dos dados IoT. A estrutura de análise da IA ​​ainda carece de interpretabilidade. AIoT ainda corre o risco de ser atacado e se tornar um zumbi IoT.