نقش هوش مصنوعی در زیرساخت شبکه‌های مبتنی بر اینترنت اشیا
در دنیای اینترنت اشیا دستگاه‌های به هم متصل کوچک‌تر، ارزان‌تر و تخصصی‌‌تر می‌شوند. در حالی که سیستم‌های متصل به طور کلی به سمت هوشمندی بالاتر و بهره‌گیری بیشتر از هوش مصنوعی حرکت می‌کنند، قدرت پردازش واقعی این دستگاه‌ها آنقدرها هم گسترش پیدا نمی‌کند و برای شرکت‌های مایل به ورود به دنیای اینترنت اشیا یا آنهایی که قصد گسترش ناوگان فعلی اینترنت اشیا خود را دارند مشکلاتی ایجاد میکند.
توسعه فناوری‌های جدید شبکه نیازمند روشی جدید است تا داده‌های تأمین شده از طیف وسیعی از منابع را پردازش کند و بین مجموعه‌ای از سیستم‌ها (حتی در یک شرکت) که به زودی بیش از حد پیچیده خواهند شد و به راحتی قابل مدیریت نیستند، ارتباط برقرار کند. بنابراین، مجموعه گسترده صنایع مخابراتی می‌توانند مکانی ایده‌ال برای تست هوش مصنوعی و مقدار زیاد داده‌هایی باشند که هوش مصنوعی می‌تواند از آنها استفاده کند.
با طراحی بر پایه این دو فناوری، شبکه‌های دستگاه‌های اینترنت اشیا با قابلیت آموزش به خود می‌توانند ایجاد شوند. با دسترسی لحظه‌ای به چنین مجموعه‌ای از اطلاعات، با اطمینان به این که قبلاً در یک محیط کنترل شده مورد آزمایش قرار گرفته، هوش مصنوعی را سپس می‌توان در هر تعداد از محیط‌‌های عملیات حیاتی به کار برد.
اتصال هوشمندانه
هوش مصنوعی در حال حاضر توسط شرکت‌های مخابراتی برای کمک به حفاظت از ترافیک و زیرساخت‌های خود استفاده می‌شود، شرکت AT & T با استفاده از هوش مصنوعی تصاویر ضبط شده به وسیله پهپاد را برای کمک به پیش‌بینی خسارات (و جلوگیری از آسیب‌های احتمالی) مورد بررسی و تحلیل قرار داد، اما تاکنون از هوش مصنوعی برای بهبود ارتباط بین ماشین‌ها استفاده نکرده است. ماژول‌های ارتباطی یا سنسورها به اندازه کافی هوشمند نیستند تا برنامه‌های هوش مصنوعی را مدیریت کنند، اما پیشرفت در رایانش لبه‌ای به این معنی است که دروازه‌های میان دستگاه‌ها و کلاود هر روزه دقیق‌تر و کوچک‌تر می‌گردند.
تجهیز یک دروازه لبه‌ای با هوش مصنوعی امکان دسترسی به مقدار تقریباً نامحدودی فراداده را مانند رفتار دستگاه و هویت‌سنجی فراهم می‌آورد که به اتوماسیون بعضی از تعاملات وقت‌گیر می‌انجامد. پروسه‌هایی مانند انتخاب شبکه، تشخیص وقفه و گسترش طیف در فناوری‌های LPWAN می‌توانند از تکنیک‌های یادگیری ماشین بهره‌مند شوند، تنها مسأله این است که چقدر اطلاعات در دسترس است تا به کمک آنها هوش مصنوعی بتواند یادگیری داشته باشد.
اپراتورهای مجازی شبکه موبایل یا MVNO با داشتن زیرساخت‌های پیچیده شبکه برای مدیریت، عدم نیاز به زیرساخت‌های اختصاصی و تاریخچه‌ای از مسیر داده‌ها برای مشتریان در موقعیتی برتر قرار می‌گیرند. تکنیک‌های مختلف سوئیچینگ شبکه که وجود دارند و برخی از انواع جدیدتر به هوش مصنوعی این موقعیت را اعطا میکند که توانایی‌های خود را به نمایش بگذارد.
تا پیش از این نیز سیم‌کارت های چند شبکه‌ای در سراسر جهان استفاده می‌شدند، اما کسب‌وکار‌ها به تازگی به روش‌های سویچینگ شبکه روی آورده‌اند که برای برآوردن نیازهای آنها در راستای بهره‌گیری از هوش مصنوعی مناسب‌تر هستند. اتصال IMSI چندگانه (هویت بین‌المللی مشترک موبایل) به سیم‌کارت اجازه می‌دهد تا به یک زیرساخت شبکه کاملاً متفاوت دسترسی پیدا کند، بنابراین داده‌ها از طریق یک تک نقطه شکست رد و بدل می‌شوند و سیم‌کارت می‌تواند حتی با قطعی در سطح لایه بالای اپراتور برقراری ارتباط را فراهم آورد.
نقش هوش مصنوعی
هوش مصنوعی هنوز باید به سطحی برسد که ما با خیال راحت بتوانیم از آن برای کمک در موقعیت‌های حساس مانند تشخیص بیماران، کار با احکام در دادگاه یا انجام رانندگی بهره بگیریم. اما در نقطه مقابل این بدان معنا نیست که هوش مصنوعی نمی‌تواند با تقلید از شبکه‌های عصبی در مغز انسان و تکنیک‌های یادگیری عمیق تصمیمات مستقل اتخاذ کند، مشکل این است اگر از یادگیری عمیق بدون نظارت استفاده کنیم، نمی‌‌دانیم این برنامه‌‌ها چگونه به تصمیمات خود می‌رسند.
از آنجا که شرکت‌های فعال در صنعت ارتباطات و مخابرات حالتی ساختار یافته دارند (حتی اگر این ساختار‌ها فوق‌العاده پیچیده باشند) و برای اپراتورها و یا MVNO ها هر بخشی از رفتار داده‌ها اندازه‌گیری شده و در دسترس هستند، می‌توانیم با استفاده از تکنیک‌های یادگیری ماشین تحت نظارت شبکه را بهبود بخشیم و زمانی که آمادگی لازم وجود دارد به سمت یادگیری عمیق حرکت کنیم.
زیستن و یاد گرفتن
هنگامی که هوش مصنوعی در منابع بزرگ داده مانند شرکت‌های مخابرات به کار گرفته شوند هوش مصنوعی از قدرت به نیرو حرکت میکند و ما در مورد چگونگی عملکرد آن در یک محیط متنوع و با گوناگون بالا بیشتر می‌آموزیم. می‌توان انتظار داشت که هوش مصنوعی روند مشابهی را در کنار فناوری اینترنت اشیا طی کند و در دسترس‌تر، ارزان‌تر و هوشمند‌تر شود؛ زیرا هرچه افراد بیشتری از آن بهره گیرند به این معنی خواهد بود که امکان خلق شبکه با قابلیت یادگیری به حقیقت نزدیک‌تر می‌گردد. همچنین ممکن است هوش مصنوعی به زودی توانایی به کار گرفته شدن در موارد حساس‌تر و دقیق‌تر را بیابد.
در مورد پرسش معروف که آیا این اتفاق، به ترس مردم در مورد تسلط هوش مصنوعی بر جهان و نابودی بشریت دامن خواهد زد یا نه هنوز چیزی روشن نیست. با این حال، با رقابتی‌تر شدن محیط کسب‌وکار، کاهش قیمت تکنولوژی و میلیاردها دستگاه جدید که به اینترنت اشیا متصل می‌شوند، ما به چیزی نیاز داریم تا به ما کمک کند همه چیز را در این ارتباط درک کنیم.