物聯網 (IoT) 在我們生活的各個領域造成了廣泛的破壞。物聯網的發展不受獨特技術領域進步的影響；相反，一系列新興技術和創新趨勢匯聚在一起，創造了對無處不在世界的統一體驗。邊緣計算、5G/6G 革命和云計算的出現引入了一套架構模式，以最大限度地減少延遲、網絡帶寬要求，并允許系統擴展超出限制。在“新常態”的世界中，商業和社會轉型帶來的無限機遇將物聯網應用融入我們的日常生活，數十億個傳感器相互無縫交互。
暴露(lu)無孔不入(ru)的(de)渠道(dao)和部署智(zhi)能自動化的(de)快速擴張為(wei)(wei) 21 世紀數(shu)字化轉型(xing)的(de)未來帶來了嚴峻(jun)挑戰(zhan)。AI 和 ML 有前途的(de)應用(yong)大多在(zai)(zai)集中式云生態系統中執行，遠離(li)行動點。這(zhe)種情報并(bing)非旨在(zai)(zai)從(cong)作戰(zhan)環境中獲得態勢(shi)(shi)感知。利用(yong)捕獲和分析時間數(shu)據以(yi)及在(zai)(zai)運(yun)營周(zhou)期的(de)活動窗口內及時解(jie)釋感官事件的(de)好處正在(zai)(zai)成為(wei)(wei)獲得戰(zhan)略優勢(shi)(shi)和解(jie)決網絡安全問(wen)題的(de)關鍵當務(wu)之急。隨(sui)著傳感器和應用(yong)程序的(de)多樣性呈指數(shu)增長。
在工業自動化的背景下，以邊緣為中心的設計應用并不新鮮。基于目的的控制系統旨在記錄異常和邏輯驅動的切換功能以管理企業資產。邊緣架構的現代設計需要自主操作，并支持直觀的工作流程，而人工干預有限或無需人工干預。圍繞自動駕駛汽車、機器人手術、遠程患者監控、智能家庭能源自動化、智能電網監控、智慧城市基礎設施等的炒作，都是依靠邊緣節點來模仿專家的思維和像人類一樣有意識的行為。通常的 AI/ML 模型通過處理大量歷史數據的大規模計算來增強可操作的洞察力。
計算密集型迭代訓練隨著時間的推移提高了模型性能。此類功能通常部署為離線流程，以執行更深入的分析并提取預測/規范趨勢。在邊緣智能的當前和未來實施范圍內，我們見證了三個需要解決的關鍵問題或變化：
預(yu)定義規則/定制(zhi)驗(yan)證的(de)(de)限(xian)制(zhi)可(ke)以通過可(ke)擴展且直觀的(de)(de) AI/ML 模型(xing)來解決，該(gai)模型(xing)能夠從離(li)散(san)的(de)(de)感官反饋/事(shi)件中(zhong)提取可(ke)操作的(de)(de)見(jian)解。但是，此(ci)類(lei)功能與(yu)遠程(cheng)云基礎設施建立了(le)強耦合。
無法(fa)通過實時聚(ju)合入(ru)站數據和事(shi)件來開發(fa)需(xu)要自適應(ying)知識(shi)豐富能力的(de)態勢感知。這種上下(xia)文感知對于擴展自主操作、抑制災(zai)難性故障以及在(zai)對云的(de)依賴最小(xiao)化的(de)情況(kuang)下(xia)開發(fa)邊(bian)緣到邊(bian)緣協(xie)作至關重要。
通過(guo)推斷第 2 點(dian)，邊緣運行時系統應(ying)通過(guo)縮(suo)短響應(ying)時間或采取預防措施，最大限(xian)度(du)地減(jian)少分布式(shi)物聯網(wang)資(zi)產對網(wang)絡安全威(wei)脅的(de)暴露。此外，應(ying)在行動(dong)點(dian)識別侵入(ru)式(shi)請(qing)求/命(ming)令(ling)和勒索軟件(jian)攻擊的(de)模(mo)式(shi)。
因此，新興的物聯網系統打算繼承一種新的智能，可以在事件生命周期的最短窗口內感知、決定和處理物理事件。認知人工智能與分布式物聯網系統的融合有望提供一站式解決方案，以解決智能邊緣原生平臺的戰略需求，并實現下一代物聯網系統的工業 4.0 基準。
認知(zhi)模型旨在復制人類行為和(he)推(tui)(tui)(tui)理(li)模式，以理(li)解預(yu)測(ce)性(xing)和(he)規范性(xing)趨(qu)勢。認知(zhi) AI 模型的(de)(de)(de)(de)基于語義的(de)(de)(de)(de)學習對歷史數據的(de)(de)(de)(de)依賴性(xing)最小，并且隨著(zhu)時(shi)(shi)間(jian)(jian)(jian)的(de)(de)(de)(de)推(tui)(tui)(tui)移具(ju)有(you)內在的(de)(de)(de)(de)增量知(zhi)識開發能(neng)力(li)。這(zhe)樣的(de)(de)(de)(de)運行時(shi)(shi)非常適合邊(bian)緣節點(dian)上(shang)的(de)(de)(de)(de)任何直觀(guan)操作，這(zhe)些操作受限于有(you)限的(de)(de)(de)(de)處理(li)和(he)持久性(xing)能(neng)力(li)。隨著(zhu)時(shi)(shi)間(jian)(jian)(jian)的(de)(de)(de)(de)推(tui)(tui)(tui)移重新訓練模型，無法實現獲得運營(ying)成熟度和(he)響應(ying)自(zi)動化(hua)的(de)(de)(de)(de)系統化(hua)過程。認知(zhi)成熟度的(de)(de)(de)(de)提高應(ying)通過逐步獲取信息(xi)和(he)進行時(shi)(shi)間(jian)(jian)(jian)點(dian)分析來實現。
此外，發(fa)展認知(zhi)智(zhi)(zhi)(zhi)能(neng)(neng)(neng)、感知(zhi)和神經運(yun)(yun)動能(neng)(neng)(neng)力的過(guo)程(cheng)主要(yao)是通過(guo)無(wu)監(jian)督學習的自適應過(guo)程(cheng)來(lai)完成(cheng)的。通過(guo)認知(zhi) AI 圍繞(rao)自我學習、權衡上下文和分析沖突證據的能(neng)(neng)(neng)力提高(gao)了物聯(lian)網系統(tong)智(zhi)(zhi)(zhi)能(neng)(neng)(neng)邊緣運(yun)(yun)行時的運(yun)(yun)營智(zhi)(zhi)(zhi)能(neng)(neng)(neng)、可擴展性和可擴展性。
移動邊緣(yuan)(yuan)(yuan)計算和(he) Cloudlets 的(de)進步(bu)趨(qu)勢(shi)正在(zai)將(jiang)基于邊緣(yuan)(yuan)(yuan)的(de)智能傳播到連接(jie)和(he)更(geng)受控制的(de)企業系統中。然(ran)而，在(zai)普遍的(de)網絡物理生態系統的(de)多樣(yang)性中，離散邊緣(yuan)(yuan)(yuan)節點的(de)自(zi)主性將(jiang)需(xu)要在(zai)最(zui)少監督的(de)情況下獲(huo)得(de)運營智能。
認(ren)知計算智能的(de)(de)(de)新(xin)興(xing)創新(xin)揭示了(le)引(yin)入當代(dai)基于軟計算的(de)(de)(de)算法、架構重新(xin)思考和(he)下(xia)一代(dai)物聯網系(xi)統(tong)(tong)的(de)(de)(de)漸進式系(xi)統(tong)(tong)設計的(de)(de)(de)巨(ju)大潛力。認(ren)知物聯網系(xi)統(tong)(tong)粉(fen)碎了(le)軟件(jian)和(he)硬件(jian)子系(xi)統(tong)(tong)的(de)(de)(de)孤島和(he)相(xiang)互依(yi)賴之(zhi)間的(de)(de)(de)強烈劃分。邊緣原生 AI 組件(jian)的(de)(de)(de)靈活(huo)性(xing)足以識(shi)別(bie)物理(li)環(huan)境的(de)(de)(de)變化(hua)并實時(shi)動態(tai)調整分析(xi)結果。因此，人(ren)機或機器與(yu)機器之(zhi)間的(de)(de)(de)交(jiao)互變得(de)更加動態(tai)、可互操(cao)作并且與(yu)任何操(cao)作的(de)(de)(de)時(shi)間和(he)范(fan)圍相(xiang)關。
結論
隨著我們將注(zhu)意力轉移到新(xin)(xin)(xin)范(fan)式(shi)，認知(zhi)邊緣(yuan)(yuan)運(yun)行時的(de)(de)(de)(de)實時模式(shi)識(shi)別和異常(chang)檢測功能顯著降低了分(fen)(fen)布式(shi)物聯(lian)網(wang)應(ying)用程序和網(wang)絡(luo)的(de)(de)(de)(de)脆弱(ruo)性(xing)。這(zhe)種保護性(xing)智能可(ke)(ke)以補充不太安全的(de)(de)(de)(de)現有自動化，也可(ke)(ke)以成為(wei)未來實施(shi)的(de)(de)(de)(de)一部分(fen)(fen)。因此，認知(zhi)人工智能與邊緣(yuan)(yuan)計算(suan)的(de)(de)(de)(de)融(rong)合將通過克服新(xin)(xin)(xin)興(xing)的(de)(de)(de)(de)面向(xiang)邊緣(yuan)(yuan)的(de)(de)(de)(de)設計模式(shi)的(de)(de)(de)(de)固有局限性(xing)，繼(ji)續顛覆物聯(lian)網(wang)系(xi)統(tong)的(de)(de)(de)(de)創新(xin)(xin)(xin)。由于(yu)嵌入式(shi)設備上計算(suan)和存儲能力的(de)(de)(de)(de)快速發展，兩種新(xin)(xin)(xin)興(xing)技術趨勢(shi)之間的(de)(de)(de)(de)聯(lian)系(xi)將繼(ji)續加(jia)強。
