기술에서 앞서가는 IoT 및 AI

MRO Electric and Supply의 Joseph Zulick

많은 사람들이 인공 지능이 우리의 삶을 어떻게 바꿀 것인지 들어봤을 것입니다. 이것에 대해 어떻게 생각해야 하는지 궁금하시다면; 이것은 과소 평가 될 것으로 예상합니다. 인공 지능(AI)은 우리 삶의 모든 부분을 만질 것입니다. MRO Electric and Supply의 관리자인 Joseph Zulick은 사물 인터넷(IoT)과 산업용 사물 인터넷(IIoT)이 차량, 가정, 비즈니스의 모든 측면에서 장치를 연결하고 있다고 말했습니다. .

센서와 스마트 기기는 엄청난 양의 데이터를 수집하고 있습니다. 데이터는 가정과 전화의 음성 작동 장치를 통해 프로필을 구축하고 있습니다. 수집된 모든 데이터는 프로필 개요를 확장합니다. 당신과 내가 amazon에 모두 로그인하면 페이지가 매우 다르게 보일 것입니다. 내 관심사와 데이터가 내 프로필을 만들고 귀하의 정보가 귀하의 정보를 만듭니다. 이를 통해 맞춤형 경험이 가능합니다. 저는 "커스텀"이라는 단어를 강조하고 싶습니다.

과거에 본 항목을 빠르게 검색할 수 있을 뿐만 아니라 유사한 항목도 볼 수 있기 때문에 이러한 도구를 사용하여 구매할 수 있는 것은 이 개인화되고 맞춤화된 경험입니다. 이것은 구독 중인 재생 가능한 항목을 통한 추가 경험입니다. 칫솔을 교체하라는 치과 의사의 알림처럼 과거 구매가 갱신될 때 알림을 받거나 구독을 사용하여 시간을 더 절약할 수 있습니다.

이 동일한 경험이 Facebook, Google 및 기타 많은 데이터 수집 플랫폼에서 우리의 삶 전체에 걸쳐 복사되고 모방되고 있습니다. 데이터는 새로운 통화입니다. 아마존은 제품을 제조하지 않지만 솔루션을 제공하여 고객의 요구를 충족시킵니다.

유선 스위치를 통해 이 데이터를 수집하든 차량의 센서를 통해 또는 가정의 온도를 통해 수집하든 상관 없습니다. 이 모든 것이 솔루션을 찾는 데 도움이 됩니다. 데이터 수집은 다양한 방법으로 수행될 수 있지만 수집 및 클라우드로의 이동은 퍼즐의 첫 번째 조각일 뿐입니다.

다음 조각은 데이터를 처리하는 것입니다. 데이터 수집 프로세스는 사물 인터넷을 통해 훨씬 쉬워졌습니다. 정보는 소스에서 인터넷으로 거의 즉각적으로 전달되고 빠르게 처리되고 비교된 다음 적절한 형식으로 태블릿, 전화 또는 컴퓨터로 전송됩니다. 계층 구조와 즉각성이 중요한 세상에 살고 있다면 에지 컴퓨팅이 가치를 더할 수 있습니다.

많은 기계 제어 장치를 살펴보면 일반적으로 안전 및 중요한 데이터를 로컬에서 처리하고 통신 시스템이 한가한 시간에 중요하지 않은 정보를 처리할 수 있는 이 전략이 구현되어 있습니다. 이를 종종 Edge 계층이라고 합니다. 많은 시스템이 개별 센서와 스위치를 통해 수집되고 호환되는 SQL 서버 시스템을 통해 처리되며 이러한 시스템은 기계 제어를 비롯한 다양한 형태로 나타날 수 있습니다.

우리가 실제로 정보를 수집하는 방법은 통합된 센서와 측정 장치로 더 간단해졌습니다. 이러한 연결된 장치 또는 스마트 장치는 모두 실제 소스에서 멀리 떨어져 있는 것처럼 귀하의 위치에서 이 정보에 액세스할 수 있도록 하는 방식으로 연결되어 있습니다.

<노스크립트>

처리는 데이터를 한 더미에서 다른 더미로 옮기는 것에 불과하더라도 실제로 데이터로 무엇인가를 하는 곳입니다. 데이터를 레지스터에 넣고 정보를 컴파일합니다. 이전 데이터에 추가하거나 다른 시스템으로 이동해야 할 수 있습니다. 이러한 메모리 레지스터는 일반적으로 데이터를 다음 위치로 이동할 때 짧은 기간 동안 데이터를 보유합니다.

데이터는 여러 가지 방법으로 처리되며 수동으로 입력할 수 있으며 시스템 프로세스에서 들어오거나 외부에서 데이터를 가져올 수도 있습니다. 가정에서 스마트 온도 조절 장치는 지속적으로 직접 데이터를 모니터링합니다. 센서가 모션에서 작동할 때만 데이터를 수집하는 카메라가 있을 수 있으므로 원격으로 트리거된 다음 전화 또는 기타 음성 작동 장치와 같은 것이 있습니다. 데이터 수집을 시작하려면 작동해야 합니다. 그런 다음 이 모든 데이터는 모뎀을 통해 클라우드까지 처리됩니다.

이 획득 단계에는 일부 처리 기능이 있을 수 있습니다. 공장에서는 많은 센서가 기계 수준에서 데이터를 비교하여 좋은 부분인지 나쁜 부분인지 결정하는 시스템에 연결되어 있습니다. 가정에서 음성 작동 장치는 컴파일을 시작하고 명령에 쇼핑 목록에 추가와 같은 파일 추가가 필요한지 또는 이동하여 데이터를 검색해야 하는지 결정합니다. 이들은 양방향 시스템으로 작동할 수 있습니다. 작업자 인터페이스에서 부품 인쇄를 보고 싶을 때 매우 편리합니다.

이미 존재할 수 있는 엔터프라이즈 계층과 같은 기타 시스템은 비즈니스를 구현 및 관리합니다. 이는 엔터프라이즈 통합으로 위에 표시됩니다. 이러한 시스템은 기존 백오피스 및 창고 공급망의 대부분을 실행합니다. 많은 경우 이러한 시스템은 재고 관리, 예방 유지 관리, 생산 일정 및 품질 추적과 같은 다른 목적을 수행합니다.

통합은 다음 단계의 일부이며, 여기에서 기존 데이터 또는 외부 시스템의 매개변수와 비교합니다. 이는 벤치마킹된 실제 결과를 과거 결과 및 예상 결과와 비교하는 AI 프로세스의 첫 번째 단계입니다. 자동으로 개발된 이러한 신경망은 더 똑똑하고 지능적인 예상 결과를 얻을 수 있도록 도와줍니다. 이는 더 높은 기대치로 이어지며 데이터에서 더 많은 가치를 제공합니다.

발생 내역에 매핑된 현재 및 과거 실제 결과를 기반으로 한 조정입니다. 정보를 축적하면 지식이 늘어납니다. 우리는 이제 정보를 지식으로 깨달음으로 전환해야 합니다. 정보는 영향력 있는 세부 정보의 새로운 경로를 생성하는 개선 및 계몽 수준을 생성해야 합니다.

<노스크립트>

NIST의 위 그림은 고정된 버전의 분석을 나타내지만 진정한 인공 지능에서 시스템은 중요하지만 해당 정보의 영향 수준에 따라 학습된 내용에 반응하는 자체 네트워크를 학습하고 개발할 수 있어야 합니다. 공식에 있습니다. 따라서 게이트가 공식의 일부이고 영향을 미치는지 여부에 대해 게이트를 켜거나 끌 수 있어야 합니다. 또한 해당 공식의 영향을 다양화할 방법이 필요합니다.

a+b / (5*c)=결과라는 공식을 생각해 보십시오. 변경 사항이 발생하고 있음을 확인하고 공식을 조정해야 할 수 있습니다. 아마도 "b"는 전혀 영향을 미치지 않거나 b가 두 배의 영향을 미칠 수 있습니다. 인공 지능은 확장할 수 있어야 하며 사람이 이러한 변경 사항을 다시 프로그래밍해야 하는 고정된 결정을 내릴 수 있어야 합니다.

사람의 개입 없이 지능을 높이는 것이 우리의 꿈의 시나리오입니다. 우리의 장기적인 바람은 시스템이 스스로 학습하고 영향을 요구하지 않는 것입니다. 아기는 항목이 다르다는 것을 배웁니다. 병은 코르크와 다릅니다. 크기, 무게, 각 물건을 들어 올리는 데 필요한 강도, 얼마나 세게 잡아야 하는지, 물건에 부딪히지 않고 운반할 수 있는 가동 범위, 관성 등이 다릅니다. 비록 아이가 왜 그것에 적응하고 있는지 알지 못하지만 이러한 차이는 차이를 보정하기 위해 조정됩니다. 이것이 기계가 이런 식으로 배우기를 바라는 우리의 바람입니다.

우리가 의사 소통하는 방식의 언어는 공통된 이해가 있어야합니다. 이것은 언어 또는 매핑 문제일 수 있습니다. casa가 집이나 집을 의미한다는 것을 안다면 나는 항상 언어를 이해할 필요가 없습니다. 나는 casa라는 단어를 말할 때 나에게 집을 알려주는 표를 참조할 수 있도록 표를 매핑할 수 있습니다.

우리의 삶을 개선합니다. 개선된 교육의 결과는 필요한 입력을 최소화할 것입니다. 온도 조절기가 우리의 편안함 수준을 이해할 수 있다고 가정해 보겠습니다. 땀을 흘리면 너무 덥고, 떨면 너무 춥다. 얼마나 조정? 5명이면? 모든 사람의 편안함이 같은 것은 아닙니다. 땀을 흘리고 있을지 모르지만 스웨터를 입고 있습니다.

저자는 MRO Electric and Supply의 관리자인 Joseph Zulick입니다.