AIoT؛ وقتی هوش مصنوعی جای اینترنت را برای اشیا می‌گیرد
دنیای اینترنت اشیا به رغم آنکه قدمت چندانی ندارد به سرعت درحال پذیرفتن فناوری‌های جدید است. سازوکارهای جهان اینترنت اشیا بر عنصر اصلی هوش مصنوعی استوار است، با این حال آینده‌پژوهان پیش بینی می‌کنند که بهتر است به زودی به جای اینترنت اشیا از «هوش مصنوعی اشیا» نام ببریم؛ یعنی درست جایی که هوش مصنوعی به اینترنت اشیا پیوند می‌خورد.
هوش و اتوماسیون دو عنصر مهم در فناوری اطلاعات هستند، اما سؤال اینجاست که این دو چگونه می‌توانند با جنبش مهم دیگری که با رشد باور نکردنی درحال پیشرفت است متصل شوند؟ اینترنت اشیا همان جنبش مذکور در فناوری اطلاعات است که باید پذیرای ترکیب‌های متفاوت از فناوری‌های نوین باشد.
سال گذشته IDC FutureScape پیش بینی کرده بود که تا سال ۲۰۱۹ اتفاق‌های زیر خواهد افتاد:
- دست کم ۴۰ درصد از داده‌هایی که با اینترنت اشیا ساخته شده‌اند ذخیره، پردازش و تحلیل خواهند شد و در ارتباط و اتصال تنگاتنگ با شبکه عمل خواهند کرد.
- تمامی تلاش‌های مؤثر در اینترنت اشیا، تجزیه و تحلیل‌های جاری را با یادگیری ماشین ادغام خواهد کرد.
توجه به این نکته حائز اهمیت است که کاربردهای اینترنت اشیا مستلزم نوعی فرهنگ تحلیل محور و برگرفته از داده هستند. برای مثال، هنگامی که از نگهداری زمان‌بندی‌شده وسایل، ماشین‌ها و تجهیزات- یعنی هرآنچه نام اشیا را می‌توان بر آن گذاشت- به سمت نگهداری پیشبینی‌پذیر حرکت کنیم، دیگر نمی‌توان با استفاده از تقویم، کارها را مشخص کرد. بلکه کنش‌ها از خلال جریان داده‌های درون اشیا و از طریق به کاربستن، منطق، قواعد و مدل‌های تصمیم‌گیری تعیین می‌شوند. به عبارت دیگر، آنچه که اعمال را تعیین می‌کند تجزیه و تحلیل‌ها هستند.
تجزیه و تحلیل به طور روزافزون بیش از آنکه در مراکز داده‌ها یا سیستم‌های ابری به کار برده شوند در لبه‌ها و نقاط تمرکز شبکه‌ها مورد استفاده خواهند بود. در واقع داده‌های در جریان حرکت به سمت مکان صحیح را تأمین می‌کند و تحلیل‌های جاری نیز داشتن چشم‌انداز در مکان و زمان صحیح را در اختیارمان می‌گذارند.
یک سیستم هوش مصنوعی سیستمی رایانه‌ای شده است که تصمیمی را اتخاذ یا وظیفه‌ای را اجرا می‌کند که یک انسان توانایی انجامش را داشته باشد. درحال حاضر هوش مصنوعی شکلی از تحلیل پیشرفته است که بر یادگیری ماشین، بهینه‌سازی و یادگیری عمیق متکی است.
حالا اگر تحلیل‌ها لازمه موفقیت در اینترنت اشیا باشند، آیا می‌توان آنها را در قالب هوش مصنوعی به عنوان یک ضرورت برای تحقق قابلیت‌های اینترنت اشیا معرفی یا تلقی کرد؟ یا هوش مصنوعی اشیا (AIoT) حد نهایی داستان موفقیت در اینترنت اشیا است؟
از وسایل هوشمند به هم متصل تا اشیا هوشمند مصنوعی
همانطور که مجله هاروارد بیزینس ریوو ذکر کرده است، یک وسیله هوشمند و به هم متصل از هفت قسمت تشکیل شده است:
- عناصر فیزیکی نظیر بخش‌های مکانیکی و الکتریکی
- عناصر هوشمند نظیر حسگرها، پردازشگرها، ذخیره‌سازی و نرم‌افزار
- عناصر اتصال نظیر پورت‌ها، آنتن‌ها و پروتکل‌ها.
نحوه بر هم‌کنش اجزا به این صورت است که عناصر فیزیکی توسط عناصر هوشمند تقویت می‌شود که به دنبال آن با اتصال، تشدید و تقویت می‌شوند.
برای آنکه یک شیء هوشمند و به هم متصل بتواند در هوش مصنوعی اشیا قابلیت بودن به عنوان یک شیء را داشته باشد لازم است تصمیمی بگیرد یا وظیفه‌ای را اجرا کند که از عهده یک شخص بر می‌آید. وسایل هوشمند بسیاری وجود دارند که نمی‌تواند در جایگاه وسایل بهره‌مند از هوش مصنوعی بنشینند. اینکه یک وسیله‌ای توسط اپلیکیشن قابل کنترل باشد یا توانایی یادگیری ترجیحات کاربر را داشته باشد کفایت نمی‌کند. یک سیستم گرمایش خانگی که ترجیحات درجه حرارت را یاد می‌گیرد در صورتی می‌تواند یک سیستم هوش مصنوعی باشد که کاری انجام دهد. برای مثال، بتواند درجه حرارت را متناسب با حال شما و به نفعتان تنظیم کند. در واقع، یک وسیله خودمختار را می‌توان یک سیستم هوش مصنوعی دانست زیرا برای شما به حرکت می‌افتد. هنگامی یک شیء در دنیای هوش مصنوعی، اشیا لقب خواهد گرفت که به ماشین‌های دیگر یا اینترنت متصل باشد.
تنظیم کردن لبه تیغ توربین‌های بادی که به پایین جریان دارند، رزرو کردن مجدد پرواز و هتل، نوشتن یک توصیه‌نامه، ارتباط برقرار کردن با جهان فیزیکی، شناسایی چهره، ترجمه کردن یک زبان غریبه یا پرداخت یک وام، همگی هنگامی با یک الگوریتم انجام شوند کارهایی هستند که با هوش مصنوعی انجام می‌شوند. تصور کنید چه اتفاقی می‌افتد هنگامی که این کارها را سیستم‌هایی انجام دهند که به یکدیگر متصل هستند.
از جمع‌آوری داده تا یادگیری جمعی
اتصال‌ها عناصر هوشمند موجود در محصولات و وسایل را با بیرونی‌سازی قابلیت‌های آنها تقویت می‌کنند. این کار شرایط رصد کردن، کنترل و بهینه‌سازی را امکان‌پذیر می‌کند.
اشیای متصل به خودی خود یادگیری را ترویج نمی‌کند بلکه مسیرش را هموار می‌کنند. بسیاری از کاربردهای اینترنت اشیا بر ارسال داده به سیستم ابری یا مرکز داده و نیز تجزیه و تحلیل و مدل‌سازی داده‌ها و به کاربستن این چشم‌اندازها متکی است. آنها در نهایت نتیجه‌ای در اختیار ما می‌گذارند و احتمالاً منطق تعدیل شده‌ای را به همان وسایل باز می‌گردانند.
توانایی تطبیق دادن و تغییر دادن در طول زمان یکی دیگر از سنگ بناهای کلیدی به سمت شخصی‌سازی و هوش جمعی است: ما می‌خواهیم وسایل از کاربرد خاص خودشان یاد بگیرند و از وسایل می‌خواهیم تا از همدیگر یاد بگیرند. ما امروزه درحال تجربه خام‌ترین شکل هوش جمعی هستیم: یعنی سیستم‌هایی که در مورد اطلاعاتی که از امر جمعی بدون شخصی‌سازی بسیار گردآوری شده‌اند تعلیم می‌بینند. تعمیم دادن‌هایی که از سیستم تعلیم دیده صورت می‌گیرد بر همگی ما قابل اعمال است. یعنی مشابه همان نرم‌افزار سیری (Siri) که روی گوشی شما وجود دارد روی گوشی من باشد و همان Alexa که در خانه شما است در خانه من هم باشد.
وسایل به هم متصل برای آنکه یادگیری و هوش جمعی را افزایش دهند و از قابلیت هوش مصنوعی اشیا بهره ببرند باید ارزش اطلاعاتی که برایشان تأمین می‌شود و از آنها در شبکه‌های غیر رسمی و خودران استفاده می‌شود درک کنند. دوربین‌هایی که در اطراف زمین فوتبال مستقر می‌شوند دیافراگم را بر اساس شرایط نور محلی تنظیم می‌کند و می دانند که باید این موضوع را که کیلومترها آن‌سوتر هوا آفتابی یا ابری است نادیده بگیرند. ماشین‌هایی که در مجاورت یک تصادف در بزرگراه هستند با تراکم ترافیک ارتباط برقرار می‌کنند تا از خلال ترافیک، مسیر انحرافی پیدا کنند. وسیله‌ای که از داروی آسم را تولید می‌کند نیازهای فرد بیمار را متوجه می‌شود و می‌تواند آن دارو را بر اساس اطلاعاتی در مورد شرایط مه و دود در مقصد کاری فرد مسافر تنظیم کند.
مزیت هوش مصنوعی اشیا
هوش مصنوعی اشیا فرصت بی‌نظیر ارتقا یادگیری و شخصی‌سازی را در یک زمان به همراه دارد. همگی ما دوست داریم که با ما به صورت جداگانه و با احتساب عادات، الگوها و ترجیحات مان رفتار شود. دو قطعه از تجهیزات صنعتی مشابه با یک ساخت و مدل به صورت همسان و تحت شرایط متفاوت عمل نمی‌کنند و احتمالاً به صورت همسان نیز مورد استفاده قرار نمی‌گیرند. برخورد مشابه داشتن با آنها جای خالی فرصت‌های اینترنت اشیا برای کارایی عملیاتی بیشتر، امنیت بیشتر و کاربرد بهتر از منابع را بیشتر می‌کند.
این سیستم‌های هوش مصنوعی اشیا امکان دارد که به خوبی با دیگر سیستم‌های هوش مصنوعی کار کنند، برای مثال یکی از آنها بر اساس یادگیری تقویتی بنا می‌شود. خیلی بعید است که بتوانیم بدون سیستم‌های خودکاری که از انعطاف پذیری کافی برای بهینه سازی خودشان با هزاران سناریو برخوردار هستند به درجه بالایی از شخصی‌سازی دست یابیم. اگر بتوانیم الگوریتمی را آموزش دهیم تا در بازی پیچیده Go بهترین حرکت بعدی را از خود ارائه دهد پس می‌توانیم الگوریتمی را تعلیم دهیم که خنک کننده‌های یک مرکز داده یا زاویه تیز دوربین بادی را تنظیم کند یا مقدار صحیح داروها را در زمان صحیح بسازد.