اینترنت اشياء که از میلیونها وسیله هوشمند ساخته شده است، هر روزه با روند چشمگیری در حال رشد است؛ در سال ۲۰۰۶، تنها ۲ میلیارد وسیله هوشمند مورد استفاده قرار میگرفته است که پیشبینی میشود در سال ۲۰۲۰، این رقم به ۲۰۰ میلیارد وسیله برسد. اما اینترنت اشیاء مجموعهای از وسلیههای هوشمند که مستقیما با کاربر در ارتباط باشند، مانند تلفنهای همراه و یا کامپیوترها نیست؛ اینترنت اشیاء از حسگرها و سختافزارهایی تشکیل شده است که با دریافت اطلاعات و برقراری ارتباط بین اشیاء هوشمند و اینترنت، به کنترل و بهبود عملکرد وسیلههای هوشمند کمک میکنند. امروزه با پیشرفت هرچه بیشتر تکنولوژی، ساخت حسگرها و برقراری ارتباط بین آنها، کاهش هزینه چشمگیری داشته است که صنایع و شرکتها را بیش از پیش به سمت استفاده از اینترنت اشیاء سوق میدهد.
با افزایش روزافزون اینترنت اشیاء و استفاده کاربران از انواع وسیلههای هوشمند در تمامی امورات کسب و کار و زندگی، شرکتها با حجم زیادی از دادههای کلان مواجه شدهاند که چالشهای زیادی را به همراه دارد. مدیریت و استخراج مجموعه دادههایی که برای بهبود یا حتی کنترل سیستم کاربرد داشته باشند یکی از اصلیترین چالشها برای این کلاندادههای غیر همگون است. همچنین اینترنت اشیاء شامل حوزههای متنوعی است که هر یک هدف خاص خود را دنبال میکنند؛ برقراری ارتباط و یکپارچگی بین اشیاء متفاوت در عین امنیت سیستم و تطابق آنها با سختافزارها و نرمافزارهای مورد استفاده در عین تغییرات مداوم تکنولوژی و نیازهای کاربر، از جمله اهدافی با یچیدگی بالا هستند. هوش مصنوعی و یادگیری ماشین، راهحلی است که برای تسهیل هرچه بیشتر این چالشها ارائه میشود.
چگونه هوش مصنوعی در حال تغییر اینترنت اشیاء است؟
در شرکت Microsoft، تیمی به رهبری Rashmi مشغول ارائه راهحلهایی هستند که از ترکیب این دو حوزه بهره میگیرند. راهحلهای پیشنهادی این تیم پاسخگوی بازهی گستردهای از مشکلات است، اعم از: تولید سختافزار، توسعه نرمافزار و یکپارچهسازی سیستم. تمرکز این تیم بر روی دریافت هرچه بهتر دادهها از اشیاء هوشمند و استخراج اطلاعات و آمار مفید از دادهها است که از این طریق بتوانند به بخشهای مختلف سازمان کمک کنند.
اینترنت اشیاء، مدل کسبوکار شرکتهای زیادی را دستخوش تغییر کرده است تا از این طریق ارزش یک شرکت از تولید محصول و یا سرویس برای مشتری، به تولید خروجی مطلوب هر کاربر تغییر کند. با ترکیب حسگرهای مربوط به اینترنت اشیاء و ماشینهای هوشمندی که متناسب با این حسگرها بتوانند یاد بگیرند، دنیایی با مشارکت و ارتباط مطلوب بین اشیاء ساخته میشود که محصولاتی متمایز و خلاقانه را به همراه دارد. ترکیب دو حوزه هوش مصنوعی و اینترنت اشیاء، رابطهی بسیاری از کسبوکارها را با یکدیگر و همچنین با مشتریانشان به گونهای تغییر داده است که امروزه شرکتها میتوانند از وسیلههای هوشمند خود اطلاعات مفید و ارزشمندی استخراج کنند.
با داشتن یک بستر دیجیتال، شرکتها می توانند از تلفیق این دو حوزه مسائل زیادی را حل کرده و ارزش شرکت و محصول یا سرویس نهایی خود را افزایش دهند. افزایش مشارکت مشتریان، ایجاد یک ربات چتکننده برای سرویسدهی به مشتریان، ایجاد رابط کاربری مطابق رفتار و علایق هر کاربر و تمامی مسائلی که نیازمند اطلاعات آماری است تا رفتار سیستم را به گونه ای پیشبینی کند و یا با هدف خاصی بهینه سازی نماید، از جمله گسترهی زیاد امکاناتی است که این تکنولوژیها به همراه خواهند داشت. کاربری اینترنت اشیاء با استفاده از هوش مصنوعی به گونهای است که هر جایی که امکان نصب حسگر یا وسیلهای هوشمند با قابلیت کنترل، اندازهگیری یا ارتباط داشته باشیم، قادریم که با اتصال این دادهها به هوش مصنوعی، اطلاعات مفید و مطابق با هدف خود به دست بیاوریم.
استفاده از هوش مصنوعی برای فهم دادههای اینترنت اشیاء
کاربرد، دسترسی و آنالیز دادههای دریافتی، متداولترین چالشهایی هستند که شرکتها در استفاده از هوش مصنوعی و اینترنت اشیاء با آن روبهرو میشوند. اعمال توابع آماری بر روی حجم بالایی از دادههای متنوع میتواند یک خروجی آماری نسبی از مجموعه داده حاصل کند اما اگر برای حل مسئلهی پیش رو تنها بخش خاصی از آن مجموعه داده لازم باشد، به مدلی نیاز داریم که جداسازی و استفاده از این گروه دادهها را یاد گرفته و با صرف هزینه کمتری نسبت به سیستم سنتی این عملیات را انجام دهد.
حجم دادهی دریافتی از اشیاء هوشمند در هر لحظه بسیار زیاد است و این رقم در صورتی که اعمال تکنولوژیهای اینترنت اشیاء به طور کامل و تفکیکشده در سیستم اعمال شوند، تا چندین برابر افزایش میيابد. دستهبندی، تمیز و تفکیک این کلاندادهها که در هر لحظه دچار تغییر میشوند، از عهدهی سیستمهای ستنی و حتی روشهای هوشمند آماری گذشته خارج است. هوش مصنوعی با استفاده از روشهای یادگیری بدون نظارت، راهکارهای خوشهبندی و یادگیری ماشینی ارائه میدهد که از این طریق میتوان علاوه بر دستهبندی دادهها بدون نیاز به واکاوی معنای واقعی آنها، الگویهای رفتاری سیستم را تشخیص داد. با توجه به این الگوها میتوان میزان نرمال یا غیرنرمال بودن یک داده در هر حالت سیستم را تشخیص داد و همچنین میتوان یک پیشبینی از عملکرد سیستم بسته به تمامی دادههای گذشته و الگوهای استخراج شده حاصل کرد. در برخی مسائل میتوان با نصب یک عامل هوشمند، عملیات را به صورت اتوماتیک بازرسی کرد و هزینهها را کاهش داد.
راههای متفاوتی برای استفاده از این تکنولوژیها و انتقال مدل کسبوکار وجود دارد که شرکتها و سازمانها میتوانند مورد استفاده قرار دهند. بسته به نوع شرکت و مسائل مربوط به آن میتوان از موسسههایی که تنها راهحلهای از قبل تعیینشده خود را برای مسائل پرکاربرد میفروشند، استفاده کرد و یا به سراغ موسساتی رفت که راهحلهای یگانه و متمایز برای هر یک از مسئلههای شما ارائه می دهند و سیستمی هوشمند مطابق اهداف و ارزشهای سیستم شما پیادهسازی میکنند.
امروزه شاهد رشد زیادی در زمینه هوش مصنوعی و اینترنت اشیاء و ارتباط این دو حوزه هستیم که ادامه این روند با افزایش چشمگیر بسترهای ارتباطی هوشمند و همچنین دادههای تولیدشده توسط هر بستر ارتباط مستقیم دارد. با پیشروی اینترنت اشیاء در حوزههای مختلف، زندگی فردی و اجتماعی افراد تحت شعاع این تکنولوژیها قرار گرفته و با وجود چالشهای احتمالی، فرصتهای بسیاری را در بر خواهد داشت. این تکنولوژی میتواند به ما در ارائه و استفاده بهینه از انرژی و سوختهای فسیلی کمک بسیاری کند و با بهرهگیری از آن افراد امکان انتخابهای هوشمند با کمترین هزینههای اتلافی را برای انتخاب کالا یا سرویس مد نظر خود خواهند داشت. پیشرفت ناگهانی این تکنولوژیها در عصر حاضر، آیندهای با ارتباطات بالا و دسترسی آنی به اطلاعات را به همراه دارد که رابطهی تنگاتنگ هوش مصنوعی و اینترنت اشیاء را قوت میبخشد.
منبع:
https://www.forbes.com/sites/cognitiveworld/2019/10/01/making-the-internet-of-things-iot-more-intelligent-with-ai/#3e13a50dfd9b
** تصویر سرآیند:
https://www.verascape.com/solutions/intelligent-call-routing/