人工智能信息网

边缘人工智能蕴藏物联网新机遇

   据Gartner预测,到2020年,全球物联网设备的数量将超过200亿台。与此同时,设备本身也变得越来越智能化。人工智能与物联网在实际应用中的落地与融合,将推动人类社会进入“万物智能互联”时代,而随之产生的数据也将呈井喷式爆发。自动驾驶、安防/无人机和消费电子等应用场景日益需要对海量的数据洪流进行快速有效的分析,并做出实时决策、进行快速响应,由此推动人工智能向边缘侧迁移并不断演进,使之与边缘计算相融合,催生了边缘智能新形态。边缘智能将打通物联网应用之路的最后一公里。

    边缘人工智能兴起,物联网未来可期

    人工智能仿佛距离我们还很遥远,但其实早已出现在人们的日常生活当中。许多人在每天使用智能手机的语音文本转换助手或者指纹识别等应用时,就会接触到人工智能。在物联网应用中,人工智能可以帮助识别物联网边缘设备的模式并检测相关参数的变化。这些物联网边缘设备通常搭载传感器,能够感知温度、压力等环境因素的变化。

    通常,简单的嵌入式边缘设备通过应用环境中的传感器采集数据,并将数据传输到云端,由云基础设施中的人工智能系统对数据进行分析和推理。但随着物联网实施过程中对实时决策的需求不断增长,对连接和数据处理的需求也在增加,而且不可能总是将所有的数据都传输到云端进行人工智能处理。

    探索物联网解决方案中的人工智能,解锁无限潜能

    人工智能技术包括机器学习、预测分析和神经网络等多种技术。采集自边缘设备的数据会被标记,然后由数据工程师准备好管道将其输入数据模型。这些工程师拥有围绕大数据创建软件解决方案的专业技能。擅长数学、统计学以及C和C++等编程语言的数据科学家利用针对各种已知应用程序进行了微调的机器学习算法创建人工智能模型。这些模型最终以神经网络、决策树或推理规则集等不同的形式呈现。

    机器学习分为监督学习和无监督学习两种。无监督学习(只提供输入变量,没有相应的输出变量)可以帮助开发者更透彻地解读数据,而监督学习则是大多数实用机器学习的基础。在监督机器学习的训练阶段,需要挖掘大量的数据流,以通过多重计算提取有用的模式或推论,从而做出预测。

    在人工智能的应用阶段,可以通过Tensorflow等标准框架,将自边缘设备采集的数据输入从可用数据模型中选出的模型。建模过程需要相当强大的数据处理能力,通常云站点和大型数据中心等核心节点

人工智能信息网 倡导尊重与保护知识产权。如发现本站文章存在版权等问题,烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。!:首页 > 人工智能 > 物联网 » 边缘人工智能蕴藏物联网新机遇

感觉不错,很赞哦! ()
分享到:

相关推荐

留言与评论(共有 0 条评论)
   
验证码: