IoT und KI machen Fortschritte in der Technologie

Joseph Zulick von MRO Electric and Supply

Viele von Ihnen haben gehört, wie Künstliche Intelligenz unser Leben verändern wird. Wenn Sie sich fragen, was Sie davon halten sollen; erwarten, dass dies eine Untertreibung ist. Künstliche Intelligenz (KI) wird jeden Teil unseres Lebens berühren. Das Internet der Dinge (IoT) und das industrielle Internet der Dinge (IIoT) verbinden Geräte in unseren Fahrzeugen, in unseren Häusern, in allen Bereichen des Geschäfts und verändern die Fabrikhallen, sagt Joseph Zulick, Manager bei MRO Electric and Supply .

Sensoren und intelligente Geräte sammeln Daten in großen Mengen. Die Daten erstellen unsere Profile durch sprachgesteuerte Geräte in unseren Häusern und auf unseren Telefonen. Jedes gesammelte Datenelement erweitert Ihre Profilübersicht. Wenn Sie und ich uns beide bei Amazon einloggen, werden unsere Seiten höchstwahrscheinlich ganz anders aussehen. Meine Interessen und Daten bilden mein Profil und Ihre Informationen bauen Ihr Profil auf. Dies ermöglicht individuelle Erlebnisse. Ich möchte das Wort „benutzerdefiniert“ hervorheben.

Es ist diese personalisierte und benutzerdefinierte Erfahrung, die uns dazu veranlasst, diese Tools für den Kauf zu verwenden, da sie es ermöglicht, unsere zuvor angesehenen Artikel schnell abzurufen, aber auch ähnliche Artikel anzuzeigen. Dies ist eine weitere Erfahrung durch erneuerbare Artikel, die im Abonnement sind. Wie Erinnerungen von unserem Zahnarzt, unsere Zahnbürste zu ersetzen, erhalten Sie Erinnerungen, wenn Ihre früheren Einkäufe zur Erneuerung festgelegt sind, oder Sie können die Zeitersparnis mit Abonnements weiter festigen.

Dieselbe Erfahrung wird unser ganzes Leben lang auf Facebook, Google und vielen anderen Datenerfassungsplattformen kopiert und nachgeahmt. Daten sind die neue Währung. Amazon stellt keine Produkte her, sondern erfüllt Ihre Bedürfnisse mit Lösungen.

Egal, ob Sie diese Daten über fest verdrahtete Schalter oder über Sensoren in unseren Fahrzeugen oder Temperaturen in unseren Häusern sammeln. All dies hilft uns, Lösungen zu finden. Das Sammeln der Daten kann auf verschiedene Weise erfolgen, aber das Sammeln und Verschieben in die Cloud ist nur das erste Teil des Puzzles

Der nächste Schritt ist die Verarbeitung Ihrer Daten. Der Prozess der Datenerfassung ist durch das Internet der Dinge viel einfacher geworden. Informationen werden fast augenblicklich von der Quelle an das Internet weitergeleitet, schnell verarbeitet und verglichen und dann im richtigen Format auf Ihr Tablet, Telefon oder Computer übertragen. Wenn Sie in einer Welt leben, in der Hierarchie und Unmittelbarkeit wichtig sind, kann Edge Computing einen Mehrwert schaffen.

Wenn man sich viele Maschinensteuerungen ansieht, haben sie diese Strategie typischerweise dort implementiert, wo sie sicherheitsrelevante und wichtige Daten lokal verarbeiten und die unwichtigen Informationen zu Zeiten, in denen das Kommunikationssystem verkehrsschwachen ist, takten können. Dies wird oft als Edge-Tier bezeichnet. Viele Systeme werden über diskrete Sensoren und Schalter erfasst und über kompatible SQL-Serversysteme verarbeitet. Diese können in vielen Formen vorliegen, einschließlich Maschinensteuerungen.

Die Art und Weise, wie wir die Informationen tatsächlich sammeln, ist durch integrierte Sensoren und Messgeräte einfacher geworden. Diese verbundenen oder intelligenten Geräte sind alle so verbunden, dass diese Informationen von Ihrem Standort aus zugänglich sind, so weit sie auch von der eigentlichen Quelle entfernt sind.

Bei der Verarbeitung machen wir tatsächlich etwas mit den Daten, auch wenn das nichts anderes ist, als sie von einem Stapel auf einen anderen zu verschieben. Wir tragen die Daten in Register ein und stellen die Informationen zusammen. Es muss möglicherweise zu den vorherigen Daten hinzugefügt oder auf andere Systeme verschoben werden. Diese Speicherregister halten die Daten normalerweise für einen kurzen Zeitraum, während sie zum nächsten Speicherort verschoben werden.

Daten kommen auf vielfältige Weise in die Verarbeitung, sie können manuell eingegeben werden, sie können aus Systemprozessen stammen oder sogar von außen zugeführte Daten sein. Denken Sie in Ihrem Zuhause daran, dass Ihr intelligenter Thermostat ständig und direkt Daten überwacht, Sie möglicherweise eine Kamera haben, die nur Daten sammelt, wenn der Sensor durch Bewegung ausgelöst wird, sodass er aus der Ferne ausgelöst wird, und dann haben wir Dinge wie Ihr Telefon oder ein anderes sprachgesteuertes Gerät, das erfordert, dass Sie ihn betätigen, damit er mit der Datenerfassung beginnen kann. Alle diese Daten werden dann über ein Modem und in die Cloud verarbeitet.

Diese Erfassungsphase kann eine gewisse Verarbeitungsfähigkeit aufweisen. In einer Fabrik sind viele Sensoren in ein System eingebunden, das die Daten auf Maschinenebene vergleicht, um festzustellen, ob es sich um ein gutes oder schlechtes Teil handelt. In Ihrem Zuhause beginnen die sprachgesteuerten Geräte mit der Zusammenstellung und bestimmen, ob der Befehl das Hinzufügen von Dateien erfordert, z. B. das Hinzufügen zu Ihrer Einkaufsliste, oder ob er Daten abrufen muss. Diese können als bidirektionale Systeme fungieren. Sehr praktisch, wenn Sie einen Teildruck auf einer Bedienerschnittstelle anzeigen möchten.

Andere Systeme, wie die Unternehmensebene, die möglicherweise bereits vorhanden sind, implementieren und verwalten Ihr Unternehmen. Diese sind oben als Enterprise Integration dargestellt. Diese Systeme betreiben den größten Teil Ihrer bestehenden Backoffice- und Lagerlieferkette. In vielen Fällen erfüllen diese Systeme andere Zwecke wie Bestandsverwaltung, vorbeugende Wartung, Produktionsplanung und Qualitätsverfolgung.

Die Integration ist Teil der nächsten Phase, in der Sie mit Parametern aus bestehenden Daten oder externen Systemen vergleichen. Dies ist die erste Stufe des KI-Prozesses, bei dem die tatsächlichen Ergebnisse mit historischen Ergebnissen und erwarteten Ergebnissen verglichen werden. Diese automatisch entwickelten neuronalen Netze helfen uns, intelligentere und intelligentere erwartete Ergebnisse zu erzielen. Diese führen zu höheren Erwartungen und geben uns auch mehr Wert aus unseren Daten.

Anpassungen basierend auf aktuellen und vergangenen tatsächlichen Ergebnissen, die dem Ereignisverlauf zugeordnet sind. Wenn wir unsere Informationen aufbauen, erweitern wir unser Wissen. Wir müssen jetzt Informationen in Wissen in Erleuchtung umwandeln. Die Informationen müssen eine Verbesserung und ein Maß an Aufklärung bewirken, das einen neuen Weg mit wirkungsvollen Details eröffnet.

Das obige Bild von NIST stellt eine fest verdrahtete Version der Analyse dar. Bei echter künstlicher Intelligenz müssen die Systeme jedoch in der Lage sein, zu lernen und ihre eigenen Netzwerke zu entwickeln, die auf das Gelernte reagieren, basierend auf dem, was wichtig ist, aber auch, wie stark diese Informationen sind hat in der Formel. Daher müssen die Gates ein- oder ausgeschaltet werden können, ob sie Teil der Formel sind und eine Wirkung haben. Sie benötigen auch eine Möglichkeit, die Auswirkung in dieser Formel zu variieren.

Überlege dir eine Formel, a+b / (5*c)=Ergebnis. Wir können feststellen, dass Änderungen eintreten und von uns eine Anpassung der Formel verlangen. Vielleicht hat „b“ überhaupt keine Wirkung, oder vielleicht hat b die doppelte Wirkung. Künstliche Intelligenz muss sich erweitern können und darf nicht nur fest verdrahtete Entscheidungen treffen, bei denen eine Person eingreifen und diese Änderungen neu programmieren müsste.

Intelligenz ohne menschliches Eingreifen steigern, das ist unser Traumszenario. Unser langfristiger Wunsch ist, dass das System selbstständig lernt und keinerlei Einflussnahme benötigt. Ein Baby lernt, dass Dinge anders sind. Eine Flasche ist anders als ein Korken. Es unterscheidet sich in Größe, Gewicht, benötigter Kraft zum Heben jedes Gegenstands, wie fest Sie greifen müssen, Bewegungsumfang, um es zu tragen, ohne gegen Dinge zu stoßen, Trägheit usw. Auch wenn das Kind nicht weiß, warum es sich anpasst Diese Unterschiede werden angepasst, um den Unterschied auszugleichen. Das ist unser Wunsch, dass Maschinen auf diese Weise lernen.

Sprache in der Art und Weise, wie wir kommunizieren, müssen wir ein gemeinsames Verständnis haben. Dies kann ein Sprach- oder Zuordnungsproblem sein. Ich muss nicht immer eine Sprache verstehen, wenn ich weiß, dass casa Haus oder Heim bedeutet. Ich kann eine Tabelle abbilden, damit ich mich beim Aussprechen des Wortes casa auf die Tabelle beziehen kann, die mir das Haus sagt.

Unser Leben verbessern. Die Ergebnisse unserer verbesserten Lehre würden unseren erforderlichen Input minimieren. Nehmen wir an, ein Thermostat könnte unser Komfortniveau verstehen. Wenn ich schwitze, ist es zu heiß, wenn ich zittere, ist es zu kalt. Um wie viel anpassen? Was ist, wenn es 5 Personen gibt? Der Komfort ist nicht bei jedem gleich. Vielleicht schwitzen sie, aber sie tragen einen Pullover.

Der Autor ist Joseph Zulick, Manager bei MRO Electric and Supply.