IoT의 "똑똑한" 바다 변화의 지평선을 바라보다

우리는 모두 사물 인터넷 '스마트 제품'을 둘러싼 과대 광고와 로봇 대군주의 임박한 도래에 휩싸여 있습니다. 따라서 우리는 즉각 반응하고 지능적인 컴퓨팅 변혁의 놀라운 경이로움을 최소화하는 경향이 있습니다.

수년 동안 IoT 커뮤니티는 "사물"이 정말로 가치가 있기를 원한다면 바보가 될 수 없다고 말했습니다. 첫 번째 물결은 모든 것을 연결하는 것이었고 우리는 거기에서 진전을 이루었습니다. 다음 단계는 실제로 "사물"을 더 똑똑하게 만드는 것입니다.

더 생산적인 삶을 위한 자동화의 약속을 실제로 이행하지 못하는 다양한 상용 솔루션이 있습니다. 그리고 연결된 사물을 적절하게 보호하는 것에 대한 우려는 여전히 무겁습니다. 그러나 실제로 컴퓨팅 기능과 달성 가능한 기능에서 획기적인 도약이 있었습니다. IoT의 킬러 사용 사례가 눈앞에 다가오고 있지만 그것이 무엇인지 정의하고 그것이 어떻게 나타날지 설명하기 전에 우리가 여기까지 오게 된 경로를 광범위하게 파악하는 것이 중요하다고 생각합니다.

"삼위일체"

기술 발전의 기하급수적인 도약을 주도하는 오픈 소스 운동의 영향은 최소화할 수 없습니다. IoT, 인공 지능 및 기계 학습 기능과 같은 "스마트" 사물을 구동하는 알고리즘 및 컴퓨팅 인프라는 수십 년 동안 존재해 왔습니다. NSA의 누구든지 당신에게 많은 것을 말할 수 있습니다.

지금의 차이점은 대중에 대한 접근성에 있습니다. 이러한 기술은 한때 열성적으로 보호되었고 더 넓은 세계로부터 차단되었으며 인력과 컴퓨팅 성능 모두에서 방대한 리소스를 소유한 강력한 기관에서만 사용할 수 있습니다. 오픈 소스는 모든 것을 바꿨습니다. 더 이상 새로운 것을 그라운드 제로에서 구성할 필요가 없으므로 혁신 주기가 과급됩니다. 지식 기반 및 소프트웨어에 대한 광범위한 액세스를 통해 거인의 어깨 위에 구축하고 군중의 지혜를 활용하려는 경향이 있는 사람은 누구나 할 수 있습니다.

오픈 소스를 기반으로 하는 창의적인 폭발로 인해 클라우드가 탄생하는 데 도움이 되었으며, 이는 컴퓨팅의 새로운 시대를 여는 두 번째 움직임입니다. 개별 서버 스택과 온프레미스 스토리지의 물리적 제한과 비용에서 해방되어 "모든 것을 위한 앱" 시대가 도래하고 빅 데이터의 온디맨드 수집 및 소비 용량이 해방되었습니다. 지리적 제약 없이 컴퓨팅 성능을 확장할 수 있게 되자 우리 기술은 모바일이 되었고 엄청난 양의 정보를 트래피킹하는 작고 강력한 장치에 대한 꿈이 현실이 되었습니다.

빅 데이터는 현대 컴퓨팅에 생명을 불어넣습니다. 그러나 데이터는 하지 않습니다. 무엇이든 그 자체로는 가치가 없습니다. 이것은 "스마트" 혁명의 세 번째 움직임인 분석으로 이어집니다. 오늘날 사람들이 일상 생활에서 접하는 유형의 증강 컴퓨팅(음성 인식, 이미지 인식, 자율 주행 및 운전자 보조 자동차)은 대세였던 분석 및 예측 분석 모델 추구에서 나온 개념에 기반을 두고 있습니다. 불과 몇 년 전.

예측 분석을 통한 실망스러운 현실은 효과적인 모델을 훈련시키려면 데이터 모델을 지속적으로 구축, 유지 및 개선하기 위해 방대한 양의 데이터와 수십 명의 데이터 과학자가 필요하다는 것입니다. 액세스 및 리소스 제약이라는 장애물에 다시 한 번 부딪쳤습니다.

그래서 우리는 상황이 새로운 방향으로 바뀌고 있는 현재에 도달했습니다. 이제 차이점은 모델을 구축하기 위해 데이터 과학자 군대를 모집할 필요가 없다는 것입니다. 우리는 이러한 장애물 중 일부를 스스로 제거하도록 프로그램을 가르쳤습니다.

내재적 지능

당사의 AI 기반 시스템, 특히 딥 러닝 시스템은 이제 수백만 개의 훈련 세트를 제공하고, 며칠/시간 만에 훈련하고, 더 많은 데이터를 사용할 수 있게 되면 계속해서 재훈련할 수 있습니다. 오픈 소스 도구와 클라우드 컴퓨팅은 여전히 ​​중요하고 진화하고 있습니다. 우리는 번개처럼 빠른 분석을 수행하기 위해 여전히 많은 양의 데이터를 트래피킹하고 있지만, 이제 우리 프로그램은 AI를 엔진으로 통합하여 스스로를 "스마트"하게 만듭니다.

광범위하게 다른 컴퓨팅 영역의 전문 지식이 응축되어 프로그램에 이전에는 상상할 수 없었던 기능을 부여합니다. 역설은 클라우드가 더욱 강력해지고 저렴해짐에 따라 스마트 IoT 전략은 첫 번째 진입 처리 라인의 대부분을 클라우드에서 에지로 이동하는 것입니다. 이는 두 가지 목적을 제공합니다. 즉, 클라우드 개입 없이 기기 내 의사 결정을 가능하게 하고 빠른 2단계 분석을 위해 에지 패턴 및 분석을 클라우드에 제공하는 것입니다. 작은 AI 엔진은 이제 에지 장치와 성냥개비보다 크지 않은 "사물"에 대해 거의 실시간으로 분석을 수행할 수 있습니다. 그리고 지능형 라우터 및 게이트웨이, 자율주행 차량, 실시간 의료 모니터링 장치와 같은 일반 개체에서 이러한 계산 능력 지점이 점점 더 보편화됨에 따라 잠재적 기능이 기하급수적으로 확장됩니다.

에지에서의 인공 지능

초기 IoT(일명 M2M)에서는 가능한 경우 데이터를 클라우드로 가져오는 데 중점을 두었습니다. 매일 밤 로그 파일을 FTP로 전송하는 것이 대세였습니다. General Electric이 '산업용 인터넷'으로 등장했을 때 모두가 실시간 라이브 데이터 연결에 대해 이야기하기 시작했습니다. 이는 FTP에서 큰 도약이었지만 사람들은 에지 장치를 단순히 분석을 위해 데이터를 클라우드로 전송하는 "사물"로 취급했습니다. 우리는 지금 그 생각에서 기하급수적인 역 팬의 한가운데에 있습니다. 실시간 요구 사항은 패러다임을 재정의하고 있습니다. 클라우드는 이제 IoT 지원 및 2차 분석의 역할로 이동하고 있으며 처리가 엣지로 밀려나고 있습니다.

예를 들어, 우리는 차세대 의료 모니터링 기기를 개발하는 회사와 협력해 왔습니다. 처음에는 이러한 작은 장치로 분석을 위해 장치에서 클라우드로 원시 데이터를 보낼 것이라고 가정했습니다. 그러나 그것은 바라던 바도 아니었고 일어난 일도 아닙니다. 회사는 모니터에서 분석을 원했습니다. 그들은 분석 및 패턴 감지가 장치에서 직접 발생하고 장치에서 조치를 취하고 "지능형"(원시가 아닌) 데이터만 클라우드로 전송되기를 원했습니다. 이 모델은 모든 것이 연결되고 모든 소스에서 들어오는 데이터 배치가 일부 중앙 저장소에서 정해진 일정에 따라 수집 및 처리되는 표준 산업 M2M 운영과 크게 다릅니다.

지금 연결하는 전체 목적은 즉각적인 응답을 위해 입력 지점에서 즉각적인 정밀 결과를 얻는 것입니다. 수백만 또는 수십억 개의 장치가 있는 "기존" 클라우드 처리와 관련된 짧은 대기 시간조차도 이 새로운 아키텍처를 사용하는 것만큼 실시간 에지 분석에 효율적이지 않습니다. 어떤 경우에는 원시 데이터와 비교하여 분석 및 패턴을 클라우드로 전송하여 1,000배의 데이터 감소를 달성할 수 있습니다.

더 이상 벙어리 수집 장치를 취급하지 않습니다. 우리는 그들이 단순히 큐레이트하는 것 이상의 일을 해야 합니다. 그들은 인공적으로(그리고 자연스럽게) 지능적이어야 합니다. 작은 엔진에서 패턴 인식 및 분석을 수행할 수 있어야 합니다. 그들은 다른 용도를 위해 그 결과를 클라우드로 푸시합니다. 이 이상형이 확산됨에 따라 가능한 응용 프로그램도 확장됩니다.

자율주행 자동차의 예에서 완벽하게 구현된 것처럼 이 듀얼 에지/클라우드 분석 모델은 계속해서 증가하는 더 많은 데이터에 대해 지속적으로 자동으로 정제할 수 있는 정밀한 실시간 결과를 생성합니다. 따라서 가치 있고 유용한 정보를 생산하고 생산적인 행동을 강화합니다. 1년 전만 해도 나는 B.S.에 전화했을 것이다. 광범위한 IoT 및 AI 통합에 대한 이 개념에 대해 설명합니다. 그러나 에지 컴퓨팅과 AI는 실제로 실험실을 벗어나 우리 세계로 진출했습니다. 지금까지 본 적 없는 결과를 가져올 것입니다.

IoT의 킬러 사용 사례는 특정 문제 또는 작업을 위해 특별히 제작된 솔루션에서 진정한 지능형 에지 장치를 통해 나타나고 있으며, 상호 연결되고 초기 애플리케이션을 넘어서는 패턴을 따릅니다. 점점 더 똑똑해지고 AI가 지원하는 "사물"이 일상 생활에 통합되고 상호 통신 네트워크의 가장자리에서 작동함에 따라 사물이 단순히 연결되는 것을 넘어 지능을 적극적으로 구현하는 것을 보게 될 것입니다. 참으로 똑똑합니다.

이 기사는 Greenwave Systems와 협력하여 작성되었습니다.

저자는 Greenwave Systems의 부사장 겸 엔지니어링 시스템 설계자로 에지 기반 시각적 분석 및 실시간 패턴 검색 환경 AXON Predict에 대한 개발을 안내합니다. 그는 엔터프라이즈 시스템 및 고급 시각적 분석 솔루션을 실행한 25년 이상의 경험을 가지고 있습니다.