هوش مصنوعی، آینده اینترنت اشیا (IoT)

با نگاهی به دوران طلایی هوش مصنوعی و پیشرفت‌های روزافزون آن می‌توان فرصت‌های زیادی در این حوزه برای آینده‌ی اینترنت اشیاء متصور شد.

امروزه با انقلاب اینترنت اشیاء (Internet of Things) یا همان IoT و استفاده سراسری از آن، هوش مصنوعی (Artificial Intelligence) یا AI می‌تواند نقش کلیدی ایفا کند. هدف تلفیق تکنولوژی‌های AI با سیستم‌های IoT، اضافه کردن یک لایه هوشمند به این سیستم‌ها به هر بخشی از IoT است.

اینترنت اشیا (IoT) چیست؟

اینترنت اشیاء اصطلاحی است که در سال‌های گذشته برای تعریف اشیائی که قابلیت اتصال و انتقال داده از طریق اینترنت را داشته باشند، مورد استفاده قرار می‌گیرد. لغت اشیاء در این اصطلاح دستگاهی گفته می‌شود که به اینترنت متصل شود و اطلاعات خود را به دستگاه‌های دیگر انتقال دهد. از IoT مبنی بر ابر یا همان cloud-based IoT برای برقراری ارتباط بین گستره‌ی بزرگی از اشیاء مانند وسایل نقلیه، دستگاه‌های موبایل، حسگرها، ماشین‌های صنعتی استفاده می‌شود که باعث ایجاد سیستم‌های هوشمند متنوعی از جمله شهر هوشمند، خانه هوشمند، صنعت هوشمند، وسایل نقلیه هوشمند و حتی سلامت و سیستم نظارت هوشمند می‌شود. با استفاده از محیط ابری و امکانات پردازشی که در اختیار ما می‌گذارد، می‌توان حجم بسیار بالای داده‌های تولیدشده توسط دستگاه‌های IoT را پردازش کرد و به عنوان منابع قابل دسترسی از آنها بهره برد.

مشکلاتی که پیشرفت IoT به همراه دارد

در آینده‌ای نزدیک IoT گنجینه‌ای از کلان‌داده‌ها تولید خواهد کرد؛ مجموعه‌ای از داده‌ها که می‌توانند به شهرها در جهت پیش‌بینی تصادفات و جرم و جنایت اطلاعات مفیدی دهند، یا داده‌هایی که به صورت لحظه‌ای از دستگاه تنظیم‌کننده ضربان قلب به پزشکان داده‌ای جهت افزایش دقت عمل جراحی دهد. به طور کلی این کلان‌داده‌ها می‌توانند بهره‌وری را بهینه کرده و دقت را در انجام بسیاری از کارها افزایش دهند. امکاناتی که IoT به سبک زندگی و حرفه‌ای هر فردی اضافه می‌کند، پایانی ندارد؛ همانطور که این روزها شاهد خانه‌های هوشمندی هستیم که در آنها دستگاه‌های صوتی و تصویری و تهویه و … با ارتباط با یکدیگر و اینترنت، آسایش و کنترل مصرف بهینه انرژی را با خود به همراه دارد.

با گسترش دستگاه‌ها و حسگر‌های متصل به اینترنت، IoT ادامه پیدا کرده و حجم داده‌‌ای که توسط این اشیاء تولید می‌شود به ابعادی عظیم می‌رسد. این کلان‌داده بینش‌های با ارزشی از هر سیستم را به همراه خواهد داشت که بتواند نقاط ضعف و قدرت سیستم را یافته و مشخص کند. به این ترتیب کسب‌و‌کارهای نوپا می‌توانند با تحلیل آنها از ریسک‌ها و فرصت‌های کار خود آگاه شده و آنها را مدیریت کنند.

همه‌ی اینها دورنمای زیبایی را به تصویر می‌کشد اما مسئله اصلی تحلیل و آنالیز این کلان‌داده‌هاست. اگر تا به حال تجربه‌ی جستجو در چندین ترابایت داده برای کشف معانی یا ارتباط را داشته باشید، از میزان سختی این کار آگاه هستید. در واقع بررسی و فهم و استنتاج از این کلان‌داده‌ها برای انسان حتی با نمونه‌گیری و استفاده از روش‌های کلاسیک آماری، تقریبا غیرممکن است.

برای زنده نگه داشتن IoT و اهدافی که دنبال می‌کند، لازم است تا سرعت و دقت تحلیل کلان‌داده‌ها را افزایش دهیم؛ در غیر اینصورت نتیجه کار فاجعه‌بار بوده و این نتیجه می‌تواند از کار نکردن بعضی از وسایل یک خانه تا به خطر انداختن جان انسان‌ها متغیر باشد.

در نتیجه تنها راه پیشروی IoT، استفاده از داده‌های تولیدی آن و یادگیری ماشین است.

هوش مصنوعی (AI) چیست؟

دانشنامه‌ی ویکی پدیا، یادگیری ماشین را این‌گونه تعریف می‌کند: ((زیرشاخه‌ای از علوم کامپیوتر و هوش مصنوعی (AI) که با ساخت و مطالعه سیستم‌هایی سر و کار دارد که به جای اینکه به صورت مشخصی دستورالعمل‌ها برای آنها برنامه‌نویسی شود، می‌توانند از داده یاد بگیرند و عمل کنند.))

ممکن است که این مفهوم، علمی تخیلی به نظرتان برسد اما واقعیت این است که امروزه یادگیری ماشین در زندگی روزمره ما حضور دارد. برای مثال spotify با توجه به آهنگ‌هایی که تا به حال گوش داده‌اید، حدس می‌زند که از چه آهنگ‌های دیگری خوشتان خواهد آمد؛ یا Amazon با توجه به کتاب‌ها و فیلم‌هایی که تا به حال خریداری کرده‌اید، پیشنهادهای شخصی‌سازی‌شده‌ را برای شما ارائه می‌دهد. در هر دوی این مثال‌ها سیستم با توجه به داده‌‌ مربوط به علاقه‌مندی‌های هر کاربر و ارتباط آنها با یکدیگر پس از مدتی آموزش، رفتار احتمالی شما را پیش‌بینی می‌کند.

نقش هوش مصنوعی در اینترنت اشیا

تا به اینجا متوجه شدیم که در اپلیکیشن‌های IoT، دستگاه‌های متنوع محاسباتی و غیر محاسباتی در حال تولید داده هستند که اکثر این داده‌های بدون ساختار و فرمت‌های متداول برای استفاده کامپیوتر هستند. بنابراین کامپیوترهای متصل به این دستگاه‌ها، برای استفاده از این داده‌های خام با چالش‌های بزرگی رو‌به‌رو هستند.

نقش پررنگ AI در این قسمت مشخص می‌شود. AI با داشتن تکنولوژی‌های متعددی مثل ارتباط M2M، یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی (NLP) و غیره، قادر است که آنالیزی بر روی داده‌های انتزاعی و مبهم ارائه دهد.

محققان معتقدند که پردازش هوش مصنوعی بر روی کلان‌داده‌ها به قدری سریع است که می‌تواند پاسخ‌های بی‌وقفه در زمان واقعی به سایر دستگاه‌های متصل و حتی رابط انسانی بدهد.

مزایای اینترنت اشیا و هوش مصنوعی

AI برای پردازش بدون وقفه (Real-Time) و پردازش پس از رخداد (post-event) مناسب است:

• پردازش پس از رخداد — بازشناسی الگو در مجموعه داده و اجرای پیش‌بینی‌های تحلیلی. مانند بررسی ارتباط بین ترافیک و آلودگی هوا و بیماری‌های تنفسی مزمن در مرکز شهر
• پردازش بدون وقفه — پاسخ‌دهی فوری به شرایط و ایجاد آگاهی نسبت به تصمیمات در آن شرایط. مانند استفاده از دوربین‌های از راه دور برای خواندن پلاک ماشین‌ها جهت ثبت هزینه‌ی پارک‌ آنها

امروزه ما شاهد سرمایه‌گذاری های هنگفتی در جهت هم‌راستا شدن تکنولوژی‌های IoT و AI هستیم که نوید یک لبه هوشمند را به ما می‌دهد. شرکت‌های بزرگ نرم‌افزاری از دورنمای خود درباره‌ی این لبه می‌گویند؛ Azure IoT Edge قادر خواهد بود که دستگاه‌هایی با توان کم را مجهز به هوش مصنوعی محلی کند، به طوری که این دستگاه‌ها با اتصال به یک ابر مدیریتی، سیستم را مدل کرده و قابلیت‌های منحصر به فردی را در آن ممکن کنند.

ما چه برداشتی از این بیانیه‌ها می‌توانیم داشته باشیم؟ با رشد هرچه بیشتر تکنولوژی، توسعه IoT دستخوش تغییرات بزرگی نسبت به حالت سنتی امروزه خواهد بود.

برای درک بهتر این موضوع به چند مثال اشاره می‌کنیم:

• مسئله بدون وقفه امنیت اجتماعی — به مثالی که پیشتر راجع به دوربین‌ها گفته شد فکر کنید، وسایل نقلیه عمومی و تصاویر صورت انسانها و سایر الگوهای دیداری می‌توانند برای تشخیص هرچه سریعتر حادثه و در نتیجه تصمیم گیری نیروهای امداد و نجات مورد استفاده قرار گیرد.
• توانایی یادگیری ماشین در پیش‌بینی رفتار سیستم می‌تواند از بروز خطا‌ها و شکست‌ها پیش از رخ دادن آنها خبر دهد که با پیش‌گیری از خطای مذکور هزینه‌ها به مراتب کاهش می‌یابد.
• یکی از تاثیرگذارترین قابلیت‌هایی که این سیستم‌ها می‌توانند در بر داشته باشند، ماشین‌های خودکار بدون راننده است که می‌توانند نقش به سزایی در کاهش سوانح رانندگی و ترافیک شهری داشته باشند.

کاربرد‌های آینده دستگاه‌های IoT مبتنی بر AI

اپلیکیشن‌های فعلی در حوزه IoT می‌توانند به پیدا کردن تکنولوژی‌های مد روز و پیشروی همراه آنها کمک کنند اما این اپلیکیشن‌ها که اغلب مربوط به اتومات‌سازی‌اند، تنها بخش کوچکی از قابلیت‌های بسیار زیاد دستگاه‌های IoT مبتنی بر AI را تشکیل می‌دهند.

۱. دستگاه‌های امنیت و دسترسی

شرکت‌هایی مانند ACT در حال حاضر از تکنولوژی‌های IoT کلاسیک برای باز کردن قفل درها و تجهیزات امنیتی استفاده می‌کنند. با وجود اینکه هوش مصنوعی می‌تواند نقش پررنگی در تشخیص الگوهای رفتاری کارکنان و همچنین روندهای کاری داشته باشد و فعالیت‌های مشکوک را تمیز داده و گزارش کند، تاکنون تکنولوژی در این زمینه پیشرفت چشم‌گیری نداشته است و به همین علت، قابلیت‌های گسترده‌ای در زمینه امنیت و دسترسی برای IoT مبتنی بر AI پیش‌بینی می‌شود.

۲. آنالیز احساسات و تشخیص چهره

در پنج سال اخیر، توسعه تشخیص چهره با گام‌های بزرگی همراه بوده است که کاربری آن را از دوربین‌های امنیتی تا روش‌های فروش محصول تغییر داده است. با وجود دوربین‌‌هایی که تقریبا در همه دستگاه‌های تلفن همراه و کامپیوتر‌ها وجود دارد، دریافت اطلاعات راجع به بازخورد هر مشتری نسبت به محصول یا سرویسی که دریافت کرده است، با مشکل چندانی روبه‌رو نخواهد شد. مثال ملموس دیگری که همه با آن آشنایی دارند، سیستم تگ زدن خودکار Facebook است که از تشخیص چهره برای پیدا کردن شباهت افراد استفاده می‌کند.

نتیجه‌گیری

در یک محیط مبتنی بر IoT، یادگیری ماشین ‌می‌تواند به شرکت‌ها جهت معنا دادن و تحلیل و بررسی کلان‌های آنها کمک به سزایی کند. به صورت کلی، دستگاه هوشمند، داده‌ها بررسی و آنالیز کرده، الگو‌ها و شباهت‌ها را بین آنها ردیابی کرده و از آنها برای یادگیری و تصمیم‌گیری استفاده می‌کند. IoT می‌تواند کلان‌داده‌های با ارزشی را تولید کند و AI می‌تواند ماشین‌های هوشمندی را با استفاده از این داده‌ها آموزش دهد، به این ترتیب این دو تکنولوژی علاوه بر اینکه به رشد دیگری کمک می‌کنند، موجب ارتقاء روزافزون تکنولوژی‌های مدرن می‌شوند.

منابع:
https://medium.com/coding-in-simple-english/the-future-of-iot-is-ai-4b410ae3bd6d