Интеграция Искусственного интеллект с Интернетом вещей выводит эффективность технологий на новый уровень
Привет. Компания Oracle выводит Интернет вещей (IoT) на новый уровень с включением в свой облачный сервис IoT технологии искусственного интеллекта (AI) и машинного обучения, чтобы предоставлять клиентам максимально полезные бизнес-данные. Обновление Oracle будет включать в себя возможности предоставление компаниям комплексной аналитической информации по всей цепочке поставок.
Компании также смогут разрабатывать свои собственные приложения IoT, которые затем могут быть интегрированы в центральную аналитическую платформу для повышения эффективности бизнес-процессов в режиме реального времени.
Инновационные стратегии Oracle отражают его интерес к занятию сегмента B2B (Business to business)на растущем рынке машинного обучения. В 2016 году машинное обучение на рынке услуг составило почти 1 млрд. $, и к 2024 году оно вырастет до 16,4 млрд. $ (ежегодный прирост в 43,7 %).
Интеграция машинного обучения с мобильными устройствами
Смартфоны являются одним из основополагающих компонентов Интернета вещей, и включение машинного обучения в мобильные устройства является одним из самых важных последних событий в области развития IoT. Машинное обучение требует огромной вычислительной мощности и огромных объемов данных, что обычно превышает технические возможности смартфонов для загрузки и обработки такого количества данных. Производители компонентов смартфонов работают над тем, чтобы преодолеть это ограничение, сделав мобильные процессоры достаточно быстрыми для обработки операций машинного обучения.
Это исследование и разработка привели к таким инновациям, как мобильная платформа Snapdragon 835 от Qualcomm, которая интегрирует возможности машинного обучения непосредственно в мобильные устройства. Это позволяет использовать приложения, завязанные на AI, такие как использование виртуальной реальности в реальном времени, повышение качества звука, генерируемого путем обнаружения и фильтрации фонового шума и система безопасности, основанная на распознавания лиц.
Использование машинного обучения для навигации беспилотных транспортных средств
Одним из самых значимых событий в IoT является появление беспилотных автомобилей и грузовиков. Машинное обучение играет важную роль в обеспечении надежного и безопасного перемещения автономных транспортных средств по городским дорогам.
Чтобы ориентироваться в сложном, динамическом пространстве, автономные транспортные средства должны получать и анализировать данные из нескольких источников, включая внутренние датчики транспортных средств, которые контролируют такие условия, как производительность двигателя и давление в шинах, а также входные данные от видеокамер, радиолокационных и беспроводных соединений. Автономные транспортные средства должны использовать эти данные для выполнения таких задач, как определение полос движения, распознавание дорожных знаков и движения других транспортных средств, а также прогнозирование возможных изменений существующих условий в режиме реального времени. Машинное обучение делает это возможным, помогая автономным транспортным средства идентифицировать объекты окружающего мира и прогнозировать развитие событий.
Инкорпорация машинного обучения в "умные" заводы
Обновленное облако Oracle IoT включает поддержку интеллектуальных заводов - это еще одно важное применение технологии машинного обучения. Умные заводы полагаются на способность анализировать огромное количество данных, поступающих от датчиков, которые контролируют объекты и операции, отслеживая такие параметры, как заводская температура и влажность, которые могут влиять на производительность. Анализируя эти данные, машинное обучение может предсказать будущие результаты и позволить компаниям вносить коррективы, которые оптимизируют производительность.
Компании, такие как GE, SAP и Siemens, уже инвестировали миллиарды в разработку умных заводских технологий. Одной из приоритетных задач является развитие способности прогнозировать технические проблемы до их возникновения - задача, известная как машинное обучение прогностического обслуживания (ML PdM). Чтобы облегчить достижение этой цели, промышленный интернет-консорциум недавно запустил Smart Factory Machine Learning for Predictive Maintenance Testbed - платформу для изучения и оценки методов машинного обучения, которые могут поддерживать прогностическое обслуживание.
Консорциум стремится использовать этот эксперимент для разработки алгоритмов, которые могут избавить производителей от ненужного простоя. Помогая избежать ненужного времени простоя, машинное обучение имеет потенциал для значительного снижения издержек производства и повышения эффективности экономики предприятия. Консорциум также надеется, что результаты интеграции машинного обучения в производство могут быть применены и в других областях промышленности.
Благодаря расширению возможностей мобильных устройств, автономных транспортных средств и интеллектуальных заводов, инновации в области машинного обучения повышают эффективность устройств, подключенных к Интернету вещей, а также потенциал IoT в целом. В ближайшем будущем вы сможете заказать беспилотный автомобиль, построенный на умном заводе, просто произнеся несколько фраз в свой смартфон, который распознает ваш голос с помощью технологий, основанных на AI. В этой и других сферах машинное обучение обещает трансформировать IoT и революционным образом изменить то, как мы живем сегодня.
