DREAM交易所科技：物联网与人工智能的完美区别

DREAM交易所指出，将工业物联网想象成公司的神经系统：它是一个传感器网络，从消费工厂的各个角落搜集有价值的信息，并将其存储在存储库中以停止数据剖析和应用。DREAM交易所表示，该网络关于丈量和获取数据以做出明智的决议是必要的。 但是接下来会发作什么？ 我们应该如何处置一切这些数据？ 我们总是议论基于牢靠信息做出正确的决策，但虽然听起来很明显，但完成该目的并不总是那么容易。 在本文中，我们将超越物联网，重点关注数据以及如何经过 AIoT 和数据剖析来应用它。

我们将特地讨论剖析阶段，这个过程首先将数据转化为信息，然后转化为学问（有时也称为业务逻辑）。 但是，最终我们不会偏离物联网的中心主题，由于没有大数据的物联网对我们来说毫无意义。

大数据和数据剖析

近几十年来，特别是在 10 年代，我们目击了大量数据（构造化和非构造化数据）的大量涌入，这些数据由无处不在的数字技术产生。在工业世界的特殊状况下，充沛应用和充沛应用大量信息对胜利至关重要。

这种处置业务数据的需求催生了可互换的术语“大数据”、“数据科学”和“数据剖析”，我们能够将它们统称为检查设备网络捕获的数据所遵照的流程，目的是提醒混杂的趋向、形式或相关性。这样做的基本目的是运用新型学问改良业务。

由于它是最近创立的术语，所以对大数据有不同的定义。 Gartner 提供的其中一个概述了 3 个关键方面：数据量、数据品种和捕获速度。这些通常被称为 3 V，虽然其他定义对此停止了扩展，包括 5 V，增加了数据的真实性及其为业务带来的价值。

但是，我们以为，对什么是大数据、什么不合格停止理论讨论没有多大意义，由于由于数据搜集设备的无处不在，大数据剖析和处置曾经适用于大范围的工业世界。

物联网和大数据

物联网和大数据如何互相关联？衔接的主要点通常是数据库。普通来说，我们能够说物联网的工作在该数据库完毕；换句话说，物联网的目的是以或多或少有序的方式将一切获取的数据转储到公共存储库中。大数据范畴首先访问该存储库以操作获取的数据并获取所需的信息。

无论如何，将物联网大数据剖析可视化为一个工具箱是很有用的。依据我们想要从数据中获取的信息和学问的类型，我们将从数据中提取一种或另一种工具。许多这些工具以传统算法的方式呈现，以及对这些算法的改良或改编，具有十分类似的统计和代数原理。这些算法不是在本世纪创造的，令许多想晓得为什么它们如今比以前更相关的人感到诧异。

快速答复是，如今可用的数据量比最初设想所述算法时要大得多，但更重要的是，当今机器的计算才能允许更大范围地运用这些技术，为旧办法提供新用处。

但是我们不想给人一种印象，一切都曾经被创造了，当前的数据剖析趋向没有带来任何新的东西；事实上恰恰相反。数据生态系统十分普遍，近年来见证了严重创新。

增长最快的范畴之一是人工智能。能够说这不算是最近的创造，由于早在 1956 年就讨论过这种现象。但是，人工智能是一个如此普遍的概念，其影响如此普遍，以致于它通常被以为是一门独立的学科。但是，理想是，在某些方面，它在大数据和数据剖析中扮演着不可或缺的角色。它是我们隐喻工具箱中曾经包含的另一种工具，但发现了 AIoT 的自然演化。

AIoT：物联网的人工智能

数据量的指数级增长需求新的剖析办法。在这种状况下，人工智能变得尤为重要。据福布斯报道，主导技术行业的两大趋向是物联网 (IoT) 和人工智能。

物联网和人工智能是两种互相独立的技术，互相影响很大。固然物联网能够被以为是数字神经系统，但人工智能同样是一个先进的大脑，能够做出控制整个系统的决策。 IBM 表示，物联网的真正潜力只要经过引入 AIoT 才干完成。

但什么是人工智能，它与传统算法有何不同？

当机器模拟人类的认知功用时，我们通常谈判论人工智能。 也就是说，它以与人类相同的方式处理问题，或者假定机器可以找到了解数据的新办法。 AI 的优势在于它可以生成新算法来处理复杂问题——这是关键——独立于程序员的输入。 因而，我们能够将普通的人工智能，特别是机器学习（这是人工智能中估计增长潜力最大的局部）视为创造算法的算法。

边缘人工智能和云人工智能

IoT 和 AI 的分离为我们带来了 AIoT（物联网人工智能）的概念，即可以自行做出决策、评价这些决策的结果并随着时间不时改良的智能互联络统。

这种组合能够经过多种方式完成，我们想强调其中的两种：

一方面，我们能够继续将人工智能概念化为一个处置一切激动并做出决策的集中式系统。在这种状况下，我们指的是云中的一个系统，它集中接纳一切遥测数据并相应地采取行动。这将被称为 Cloud AI（云端人工智能）。

另一方面，我们还必需议论我们隐喻性神经系统的一个十分重要的局部：反射。反射是神经系统做出的自主决议，无需将一切信息发送到中央处置器（大脑）。这些决议是在外围做出的，靠近数据的来源。这称为边缘 AI（边缘人工智能）。

边缘 AI 和云 AI 的用例

Cloud AI 提供了一个全面的剖析过程，将整个系统思索在内，而 Edge AI 则为我们提供了快速响应和自主权。但与人体一样，这两种反响方式并不互相排挤，实践上能够互补。

例如，水控制系统能够在检测到走漏时立刻关闭现场的阀门以避免严重水损失，同时向中央系统发送通知，中央系统能够在那里做出更高级别的决策，例如翻开经过另一个回路引导水的替代阀门。

可能性是无限的，能够超越反响性维护的这个简化示例，复杂的系统可以预测可能发作的事情，从而完成预测性维护的可能性。

AIoT 数据剖析的另一个例子能够在智能电网中找到，我们在边缘有智能设备剖析每个节点的电流并在本地做出负载均衡决策，同时将一切这些数据发送到云端停止剖析以生成更全面的全国能源战略。宏观层面的剖析将允许在区域层面做出负载均衡决策，以至经过关闭水力发电厂或从邻国启动电力购置过程来减少或增加电力消费。