人工智能与物联网结合的三种方式

人工智能（AI）技术与物联网（IoT）功能的结合在改善工业运营以及消费者连接设备和服务交互方面具有巨大潜力。主要原因包括可以负担得起的网络、丰富的数据以及AI/机器学习（ML）技术的进步。这三个因素加在一起，是更快地采用数字技术的秘诀。然而，从它们带来的创新以及对经济体中企业、消费者和工业部门的数字化转型产生的影响来看，它们有着更深层次的意义。

AIoT时代来临

连接设备数量的增长速度已经导致预测，到2025年，IoT终端用户解决方案的全球市场预计将达到1.6万亿美元左右。最近一份关于欧盟撰写的AI白皮书指出，全球数据产量从2018年的33 Zeta字节增长到2025年的175 Zeta字节。

分析这些数据，发展洞察力，并根据所揭示的信息做出决策，这些都超出了普通人的能力，尤其是在必须实时进行的情况下。以工业环境中的预测性维护为例。这是一个旨在预测机器部件故障并触发预防性维护的程序。它可以防止意外事件造成的损害，并帮助机构计划运营以及停机维护时间。

预测一台机器何时会发生故障取决于对许多不同数据点的分析，以及一系列AI和机器语言技术的应用，包括统计分析、预测建模、文本分析、优化和实时评分。所有这些都发生在眨眼之间，涉及到许多不同功能和硬件组件的集成。它还包括24/7的警戒，并且保证年复一年的可持续执行。

将AI应用于IoT的机会

AI应用程序和IoT设备可以在不同的消费者和工业部署中进行交互，主要有三种方式。首先，也是最简单的，IoT设备提供信息，供AI领域使用，在AI领域进行基于数据和算法的分析和决策。这是一个典型运行在IoT领域之上的AI的例子。

其次，AI可以应用于IoT领域本身。一个例子可能涉及检查传感器是否正常工作，并向AI领域的应用程序提供未损坏的数据。这将捕获由于传感器故障或传输意外中断而可能导致数据泄露的情况。除了统计检查外，AI的使用还可能涉及与数字“孪生”的比较，以检测传感器是否以“降级”的方式工作。通过确保到达的数据是正确的，AI域中的应用程序可以从执行数据验证任务的额外工作量中节省下来。

第三个交互模型涉及AI和IoT领域应用程序之间的关系推理。这些关系为可解释AI和可信AI提供了基础。考虑一个AI应用程序在任务关键型机器中发出早期故障信号的情况。在机器停止使用进行维护之前，技术人员会寻求对逻辑链、数据来源和导致推断故障的异常现象解释。为了信任AI系统的决策，技术人员可能依赖IoT子系统的概况和历史数据。配置文件数据可能包括有关供应商的信息以及认证证书或子系统中的安全功能。历史数据可能包括校准测试的规律性以及固件和安全凭证随时间的更新信息。

可重复和互操作解决方案的重要性

AI和IoT领域交互的三种模型适用于所有消费者和行业应用领域。为了获得规模经济并提供可重复解决方案的好处，AI和IoT解决方案的集成需要确保生态系统的不同部分彼此兼容。这将使经常使用的AI功能（如特征分类或模式识别）与设备管理、数据发现和安全等常见IoT服务相媲美。从这个角度来看，开发人员和解决方案提供商将从可重用AI和IoT服务的工具箱中获取可互操作的解决方案。这就是使用全球互操作性标准的巨大优势所在。

为了满足IoT对AI的新需求，一项新的、基于标准的倡议正在制定中，以表明IoT系统如何利用AI和AI在各种部署模型（例如，基于边缘或基于云的）上管理和应用IoT数据，同时保持互操作性、安全性和可管理性。它将基于对典型用例的分析来考虑架构的演进。在2020年期间，研究小组将分享其分析的见解，并通过概念证明阐明关键概念。这项工作将重用标准化IoT工具，建立在oneM2M标准定义的水平架构上。

共生关系

IoT设备与AI应用之间存在着共生关系。连接的设备需要AI的计算能力来理解和利用它们所创造的大量数据。AI应用程序需要IoT设备为其提供所需信息的质量，以做出复杂和快速的决策，并辅以透明的推理。AI和IoT领域的数据和处理之间精心设计的交互，将实现预期并改变我们的家庭、城市和工作生活等方方面面。