在亞洲的許多地區，季節性暴雨帶來洪水，破壞公民的財產和生計。過去，城市管理部門、市民和企業除了抵御洪水及其帶來的潛在疾病外，幾乎什么都做不了。而物聯網(IoT)、機器學習(ML)和人工智能(AI)等技術可能會(hui)為更具(ju)前瞻性的領導者提供(gong)喘息的機會(hui)。
這就是DKI雅加達省政府防洪系統在雅加達智慧城市中的應用。該項(xiang)目(mu)由雅(ya)加達智慧城(cheng)市與雅(ya)加達水(shui)資源(yuan)服務(wu)局(ju)(DSDA)合作開發，旨在優化雅(ya)加達的洪(hong)水(shui)風險管理(li)。該項(xiang)目(mu)涉及使用物聯網、人工智能和機(ji)器學習(xi)作為預(yu)警(jing)系統的一部(bu)分，以應對(dui)城(cheng)市的洪(hong)水(shui)風險。
隨著越(yue)來(lai)越(yue)多的(de)組織在(zai)商(shang)業和工業環境(jing)中(zhong)部署物聯網，來(lai)自這些設備和傳感(gan)器的(de)數據(ju)量(liang)可能對提高質(zhi)量(liang)、運營效率以及在(zai)雅加達的(de)情況(kuang)下，從自然災害中(zhong)拯救生命(ming)和財(cai)產具(ju)有重(zhong)要意義(yi)。
SAS Institute的(de)行業咨詢主(zhu)管(guan)Kenneth Koh認為，物聯網(wang)系(xi)統對(dui)其環境做出反應的(de)速度和準確(que)性至關重要。然而(er)，由(you)于典型(xing)系(xi)統中的(de)設備(bei)和其他傳感(gan)器會產生大量(liang)的(de)數據，傳統的(de)工具和方(fang)法會減慢對(dui)這些數據的(de)理解過程。
什么是人工智能嵌入式物聯網?
Kenneth Koh: 在邊(bian)緣或邊(bian)緣附近處理數據可以(yi)使物聯網(wang)系統更(geng)靈(ling)活、更(geng)有(you)影響力。但是，以(yi)數據為主導的(de)行動的(de)質量與(yu)其所依據的(de)基于數據的(de)洞(dong)察力的(de)質量一樣有(you)意(yi)義。
物(wu)聯網本身對制造商來說并不陌(mo)生。幾(ji)十年來，制造商一(yi)直在(zai)收集和存(cun)儲來自機(ji)器的傳感器數據(ju)。他們(men)的價(jia)值(zhi)主張在(zai)于AIoT——在(zai)邊緣實時分析數據(ju)，利用人工智(zhi)能和機(ji)器學習來提高效(xiao)率和價(jia)值(zhi)。
通過為物聯網系統配備人工(gong)智能(neng)能(neng)力(li)，可(ke)以在邊緣處理各種(zhong)結構化和非結構化數(shu)據。以更(geng)快的速度提供(gong)(gong)高質量(liang)的見(jian)解，供(gong)(gong)系統采取行動。
人工智能嵌入式物聯網如何釋放商業價值
Kenneth Koh: 人工智能嵌入式物聯網提高了運(yun)營效率和生產力，同時(shi)降低了成本。其還推動創新，以提供更好的客戶服務、更好的產品和更快的產品投放到市(shi)場。
在物聯網(wang)(wang)設備(bei)中嵌(qian)入AI可(ke)以實(shi)現邊緣計(ji)算，從而允許在一致的5G網(wang)(wang)絡不可(ke)用的情(qing)況下部(bu)署物聯網(wang)(wang)系(xi)統。例如，物流(liu)供(gong)應商可(ke)以在其運輸車隊中使用物聯網(wang)(wang)傳感器來監控車輛的內部(bu)和外部(bu)狀況，即使是在后者路線的偏遠地區(qu)。
除(chu)了(le)邊緣計算，人(ren)工智能(neng)嵌入式(shi)物(wu)聯網利(li)用機器學習，從(cong)物(wu)聯網系(xi)統每天(tian)生成的TB數據(ju)中開(kai)發可操作的見解。在上面(mian)的例子中，從(cong)這些傳(chuan)感器收集(ji)到(dao)的數據(ju)被實時(shi)發送到(dao)云端，使技(ji)術(shu)人(ren)員能(neng)夠更準確(que)、更快地解決車(che)輛故障。
制(zhi)造商還可以利用這些見解來預測某(mou)個特定的(de)(de)工廠系統(tong)或設備何(he)時會(hui)發生故(gu)障，從而(er)使技術人員能夠(gou)實施預防性維(wei)護(hu)。主動檢測故(gu)障設備可節省寶貴(gui)的(de)(de)工時，同時減少代價昂貴(gui)的(de)(de)計劃外停機時間。
在零售方面，物聯(lian)網(wang)系統的見解可用(yong)于確定產品的最優價(jia)格，并最大限(xian)度地減少對其供應鏈的干(gan)擾。
機器學習在物聯網分析中的作用
Kenneth Koh: 機(ji)器學(xue)習是人(ren)工(gong)智能嵌入式(shi)物聯網(wang)相對于其他物聯網(wang)部署(shu)的(de)優勢。系(xi)統可以在處理傳感器生成的(de)數(shu)據時進行學(xue)習，使(shi)用各種高級分(fen)析(xi)方法(fa)，如決策樹、隨機(ji)森林、梯度提(ti)升、神經網(wang)絡、支(zhi)持向量機(ji)和因式(shi)分(fen)解機(ji)。
這為(wei)企業(ye)節省了人力(li)時間和組織中的專(zhuan)家。無需大量訓(xun)練AI系(xi)統，專(zhuan)家可以(yi)(yi)專(zhuan)注于其他關鍵任務(wu)，而非(fei)數(shu)據科學家可以(yi)(yi)訪問、查看和處理數(shu)據。
機(ji)器學習能(neng)力(li)還(huan)增(zeng)加了人工智能(neng)系(xi)統可以訪問和處理的(de)(de)數(shu)據范圍:在線(xian)和離線(xian)的(de)(de)視覺圖像、文本(ben)甚至口頭語(yu)音(yin)。現有數(shu)據數(shu)量(liang)和質(zhi)量(liang)的(de)(de)增(zeng)加，增(zeng)加了從中(zhong)獲得的(de)(de)見解(jie)的(de)(de)價值和影(ying)響。
結(jie)合這些機器學習(xi)功能，可以(yi)提高數(shu)據處理(li)的速(su)度和(he)數(shu)量，從而(er)實現實時可操作的見解(jie)。這在許多物聯網系統中是至關重要的。
AIoT如何支持雅(ya)(ya)加達智(zhi)慧城(cheng)市(shi):利用SAS的人工智(zhi)能平(ping)臺，雅(ya)(ya)加達智(zhi)慧城(cheng)市(shi)能夠實(shi)時集(ji)成多源數(shu)據，并通過物(wu)聯網、機(ji)器學習和人工智(zhi)能技術提(ti)供高級(ji)分析，以提(ti)供應急(ji)/災難(nan)預(yu)測能力和優化(hua)服務公眾。其結(jie)果是洪水(shui)應急(ji)響應減輕了雅(ya)(ya)加達的洪水(shui)風(feng)險。
鑒于物聯網在歷史上屬于運營技術，誰應該擁有物聯網的安全?
Kenneth Koh: 物聯網(wang)的(de)(de)(de)引入模糊了企業IT和(he)(he)OT之間的(de)(de)(de)界限。傳(chuan)感器和(he)(he)設備連接到網(wang)絡，以創建新的(de)(de)(de)系(xi)統(tong)和(he)(he)改進流(liu)程。與此同時(shi)，這種融合(he)使傳(chuan)統(tong)的(de)(de)(de)OT設備和(he)(he)系(xi)統(tong)面(mian)臨以前未(wei)曾(ceng)有過的(de)(de)(de)威脅。
事實上，真正的(de)設備(bei)安全(quan)是(shi)(shi)技術、流程和(he)最(zui)佳實踐的(de)結合(he)。因此，保(bao)護物聯網系統不(bu)應(ying)該是(shi)(shi)OT或IT團隊的(de)專屬領域(yu)，而(er)應(ying)該是(shi)(shi)在兩者之間(jian)產生更緊密、更有(you)效的(de)協作。
然(ran)而，這說起(qi)來容易(yi)做起(qi)來難，因為IT安(an)全團(tuan)隊(dui)和OT安(an)全團(tuan)隊(dui)通常不使用相(xiang)同的(de)語言，很(hen)難理解彼此(ci)的(de)觀點。
職(zhi)責(ze)分(fen)配完(wan)全(quan)(quan)不(bu)同。優(you)先(xian)事項經常出現分(fen)歧，管理OT安全(quan)(quan)和(he)IT安全(quan)(quan)的(de)法規有時會相(xiang)互矛盾。獲得給(gei)定環(huan)境(jing)中所有資產(chan)的(de)概覽，可以(yi)明確哪些資產(chan)和(he)流程在任何情況下都(dou)不(bu)能失敗。
通過(guo)這樣做，組織可以建立和實踐(jian)統(tong)一(yi)的(de)網絡安全(quan)，以確(que)保(bao)數據的(de)機密性、完整(zheng)性和可用性。
舉出一項IT和運營技術人員協同工作的最佳實踐
Kenneth Koh: 在(zai)制造業中，數據對時(shi)間非常敏(min)感。例(li)如，如果(guo)一個流程(cheng)中的化學濃度(du)偏離了(le)最佳濃度(du)，工程(cheng)師可能只有幾分鐘的時(shi)間來做(zuo)出反應，以(yi)節省數噸(dun)的產品。
在許多半導體工藝(yi)中，工程師(shi)只有幾(ji)秒(miao)鐘的時間(jian)做(zuo)出反應(ying)。在這種情況(kuang)下，分析需要轉移到“邊緣”，這意(yi)味著(zhu)數據必須在機器或車(che)間(jian)進(jin)行分析和決(jue)策，而不是在后(hou)臺辦公室或工程部門(men)。
這需要(yao)有能(neng)力在任何需要(yao)的(de)地方(fang)進行分析，如在機(ji)器上(shang)、在生產車(che)間、在云(yun)端或后臺辦公(gong)室。
面臨的主(zhu)要挑戰之一(yi)是數據(ju)孤島。對于(yu)未實施IT/OT融合(he)的組(zu)織，由于(yu)未集(ji)成或(huo)部分集(ji)成的應用程序(xu)和企業系統拼湊而成。如果沒(mei)有仔細的規劃，引入新的數據(ju)來源，如物聯網(wang)傳感器，會使問題更加(jia)復(fu)雜。
實施一個數(shu)(shu)據集成(cheng)平臺，以將物聯網系統與組織的(de)現(xian)有技術堆棧連接起(qi)來，可以打破歷史數(shu)(shu)據和未來數(shu)(shu)據之(zhi)間的(de)孤(gu)島，同時(shi)通過單一控制點為所有團隊(dui)提供(gong)相同的(de)訪問權(quan)限(xian)。這確保(bao)了(le)IT和OT團隊(dui)在同一頁面上，為更好的(de)IT/OT融合奠定了(le)基(ji)礎。
