Yapay Zekanın Nesnelerin İnterneti ile birleştirilmesi, bu iki alandaki uygulamalar için doğal bir ilerlemeyi temsil eder. Makine öğrenimi ve yapay zeka, ürettiği verilerin hızı nedeniyle yapay zekaya çeşitli şekillerde yardımcı olan IoT için bir dizi avantaj sağlar.

IoT için bu kombinasyonun somut avantajları şunları içerir:

• Giderek Gelişmiş Teknolojiler: AI, video kamera güvenlik kullanım durumları gibi kritik dağıtımları içerecek şekilde IoT'nin yeteneklerini geliştirmek için yüz tanıma, konuşma tanıma ve diğerleri dahil olmak üzere çok sayıda teknoloji sağlar.
• Gerçek Zamanlı Analitik: Tahmine dayalı analitik AI kaynakları, otonom araçlar gibi uygulamalar için gereken düşük gecikmeli karar verme için verileri gerçek zamanlı olarak hızlı bir şekilde işlemek için idealdir.
• Akıllı Kenar Dağıtımları: Kenar kullanım durumları merkezi bulut ayarlarında daha az veri ve karar verme gerektiren uç nokta cihazlarda analitiği geliştirmek için makine öğrenimi ve yapay zeka ile çok daha fazla değer üretin.

Buna karşılık, IoT, yüksek hızlarda (bu modellerin gerektirdiği) muazzam miktarda veri ürettiği için AI modellerini eğitmek için ideal bir ortamdır. Bu yetenekler, bu tür modellerin mümkün olan en bilinçli tahminler için sürekli olarak yenilenmesini sağlar.

Model Eğitimi

Makine öğrenimi ve yapay zekanın kurumsal uygulamalarının önündeki engellerden biri, belirli bir kullanıcı etki alanındaki eğitim verilerinin (ve bununla birlikte açıklamalı eğitim verilerinin) eksikliğidir. Bu nedenle, kuruluşlar bu tür verilere erişebildiğinde, "geleneksel yapay zeka modelleri, geçmiş verilere dayanır" diye açıklıyor CRO'su Max Nirenberg. ABD'yi taahhüt et. Sensör verileri oluşturan ve veri akışı sağlayan çok sayıda cihazla IoT, sürekli olarak düşük gecikme süresiyle üretilen devasa miktarda verisiyle tanınır. Sonuç olarak, "gerçek zamanlı olarak her zaman daha fazla verinin olması, bu, geçmiş verileri daha az alakalı hale getiriyor" dedi Nirenberg. Aslında, daha anlamlı gelişmelerden biri Çağdaş veri bilimini etkileme ModelOps hareketidir ilerici kuruluşların IoT aracılığıyla verileri eşzamanlı olarak (bazı durumlarda uçta) eğitip dağıtabildiği.

Bu teknik ve diğerleri, bir IoT cihazının "yüz tanıma özelliğine sahip olduğu ve aynı zamanda sesleri tanıdığı" Nirenberg'in tanımladığı gibi zamana duyarlı kullanım durumları için çok önemlidir. Metni tanır, ancak orada olmaması gereken yan yana iki nesne olduğunda da tanır.” Bu tür yetenekler, örneğin havaalanları gibi özel ve halka açık yerlerde güvenlik izleme için gereklidir. Nirenberg, "Bahsettiğim cihaz, savunma sanayii için yarattığımız bir cihaz," dedi. “Kesinlikle… terörist bir bileşen gibi düşünmekten yaratıldı, ancak birçok uygulaması var. Sadece bu olmak zorunda değil.”

Tahmine Dayalı ve Standart Analitik

Doğanın karşılıklı nimetleri IoT ilişkisinin ve AI, IoT kullanım durumlarının, Nirenberg'in "ölçekte veriye dayalı analiz yapma" yeteneği olarak adlandırdığı şeye doğrudan bağlı olabileceği veya önemli ölçüde zenginleştirilebileceği gerçeğinde gösterilmiştir. Bu kalite, elbette, bu teknolojilerin IoT ile uyumluluğunu doğal olarak güçlendiren neredeyse tüm makine öğrenimi ve Yapay Zeka dağıtımında gizlidir.

Akıllı şehirler ve akıllı binalar geliştirmeye yönelik hareket, özellikle devam eden halk sağlığı krizi ışığında düşünüldüğünde, bu potansiyelden birkaç şekilde yararlanmaktadır. Nirenberg, örneğin, akıllı bir binada, “uygun kişilerin girmesine izin verildiğinden ve uygun olmayan kişilerin dışarıda tutulduğundan emin olmak için kimin hangi odalara girdiğini bilmek” akademik ilgiden çok daha fazlasıdır. "COVID ile, yüksek düzeyde yaya trafiğinin nerede olduğunu bilmek isteyebilirim ve bu verilere hızlı bir şekilde ihtiyacım var."

Birbirimize için yapılmıştır

Yapay zekanın bu kullanım durumu için verileri zamanında işlemesi ve diğerleri – ister nesne algılama ister başka bir analiz biçimini içeriyor olsun – bu zekayı düşük gizli eylem türetmek için sağlayabilir. Bu eylemin gerçek zamanlı doğası ve nereden kaynaklandığı neredeyse anlık analiz, AIoT'nin temel değer önermesidir. IoT ile birlikte kullanıldığında, AI'nın düşük latent tahmine dayalı analitiği, tüketiciler, işletmeler ve hatta kamu sektörü veya genel olarak toplum için yaşam kalitesini etkileyen günlük gelişmeleri izleme yeteneği ile dolu hale gelir.

Nirenberg, IoT hakkında “Yaptığınız her türlü düzenli günlük şeyi alabilmek ve ondan bilgi alabilmek” dedi. "Aman tanrım, insanları hemen o yere gönder gibi kararlar alabilmeniz için bilgi almanızı sağlar."

Özellikli resim: İhtiyaç Pix 

Katılımcı

Jelani Harper, bilgi teknolojisi pazarına hizmet veren bir editoryal danışmandır. Anlamsal teknolojiler, veri yönetişimi ve analitik üzerine odaklanan veri odaklı uygulamalarda uzmanlaşmıştır.

Katkıda bulunanlar tarafından ifade edilen görüşler kendilerine aittir.

• Akıllı para. Avrupa'nın En İyi Bitcoin ve Kripto Borsası.Buraya Tıkla
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Kaynak: https://www.aitimejournal.com/@jelani.harper/bringing-the-aiot-to-life-pairing-machine-learning-with-real-time-data