IoTとAIがテクノロジーを前進させる

MRO Electric andSupplyのJosephZulick

皆さんの多くは、人工知能が私たちの生活をどのように変えるかを聞いたことがあるでしょう。これについてどう考えるか疑問に思ったら;これは控えめな表現であると期待してください。人工知能（AI）は、私たちの生活のあらゆる部分に影響を与えます。 MRO Electric andSupplyのマネージャーであるJosephZulick氏は、モノのインターネット（IoT）と産業用モノのインターネット（IIoT）は、車両全体、家庭全体、ビジネスのあらゆる側面でデバイスを接続し、工場のフロアを変更していると述べています。 。

センサーやスマートデバイスは大量のデータを収集しています。データは、私たちの家や電話の音声操作デバイスを介してプロファイルを構築しています。収集されたすべてのデータは、プロファイルのアウトラインを拡張します。あなたと私が両方ともamazonにログインした場合、私たちのページはおそらく非常に異なって見えるでしょう。私の興味とデータは私のプロフィールを構築し、あなたの情報はあなたのプロフィールを構築します。これにより、カスタマイズされたエクスペリエンスが可能になります。 「カスタム」という言葉を強調したい。

これらのツールを使用して購入できるのは、このパーソナライズされたカスタムエクスペリエンスです。これにより、過去に表示したアイテムをすばやく取得できるだけでなく、同様のアイテムを表示することもできます。これは、サブスクリプションにある再生可能なアイテムによるさらなる経験です。歯ブラシを交換するための歯科医からのリマインダーのように、過去の購入が更新されるように設定されたときにリマインダーを受け取ります。または、サブスクリプションを使用して時間をさらに節約することができます。

これと同じ経験が、Facebook、Google、および他の多くのデータ収集プラットフォームで私たちの生活を通してコピーされ、模倣されています。データは新しい通貨です。 Amazonは製品を製造していませんが、ソリューションを提供することでニーズを満たします。

このデータをハードワイヤードスイッチを介して収集するか、車両のセンサーまたは家の温度を介して収集するか。これらはすべて、解決策を見つけるのに役立ちます。データの収集はさまざまな方法で行うことができますが、収集してクラウドに移動することは、パズルの最初のピースにすぎません。

次の部分はデータの処理です。モノのインターネットを通じて、データ収集のプロセスがはるかに簡単になりました。情報は、ソースからインターネットにほぼ瞬時に中継され、迅速に処理および比較されてから、適切な形式でタブレット、電話、またはコンピューターに送信されます。階層と即時性が重要な世界に住んでいる場合、エッジコンピューティングは付加価値をもたらす可能性があります。

多くの機械制御を見ると、通常、この戦略が実装されており、安全性と重要なデータをローカルで処理し、通信システムがオフピークのときに重要でない情報のペースを調整できます。これは、多くの場合、エッジ層と呼ばれます。多くのシステムは、個別のセンサーとスイッチを介して収集され、互換性のあるSQLサーバーシステムを介して処理されます。これらは、マシン制御を含むさまざまな形式で提供されます。

センサーと測定装置が統合されたことで、実際に情報を収集する方法が簡単になりました。これらの接続されたデバイスまたはスマートデバイスはすべて、実際のソースからの場合と同じように、現在地からこの情報にアクセスできるように接続されています。

処理とは、データをある山から別の山に移動することに他ならない場合でも、実際にデータを使用して何かを行う場所です。データをレジスターに入れ、情報をコンパイルします。以前のデータに追加するか、他のシステムに移動する必要がある場合があります。これらのメモリレジスタは通常、データを次の場所に移動するときにデータを短期間保持します。

データはさまざまな方法で処理されます。手動で入力することも、システムプロセスから入力することも、外部からデータを取り込むこともできます。あなたの家で考えてみてください、あなたのスマートサーモスタットは常に直接データを監視しています、あなたはセンサーが動きから作動するときにのみデータを収集するカメラを持っているかもしれません、それでそれはリモートでトリガーされますそして私たちはあなたの電話や他の音声作動デバイスのようなものを持っていますデータの取得を開始するには、それを作動させる必要があります。このデータはすべて、モデムを介してクラウドまで処理されます。

この取得フェーズには、いくつかの処理機能がある場合があります。工場では、多くのセンサーがシステムに結び付けられており、マシンレベルでデータを比較して、その良い部分か悪い部分かを判断します。あなたの家では、音声作動デバイスがコンパイルを開始し、コマンドがショッピングリストへの追加などのファイルへの追加を必要とするかどうか、またはデータを取得する必要があるかどうかを判断します。これらは双方向システムとして機能できます。オペレータインターフェイスでパーツの印刷を確認する場合に非常に便利です。

すでに存在している可能性のあるエンタープライズ層などの他のシステムは、ビジネスを実装および管理します。これらは、エンタープライズ統合として上に示されています。これらのシステムは、既存のバックオフィスおよび倉庫のサプライチェーンのほとんどを実行します。多くの場合、これらのシステムは、在庫管理、予防保守、生産スケジューリング、品質追跡などの他の目的を果たしています。

統合は次のフェーズの一部です。ここで、既存のデータまたは外部システムのパラメーターと比較します。これは、ベンチマークされた実際の結果を過去の結果および予想される結果と比較するAIプロセスの最初の段階です。自動的に開発されたこれらのニューラルネットワークは、よりスマートでインテリジェントな期待される結果を得るのに役立ちます。これらはより高い期待につながり、データからより多くの価値をもたらします。

発生履歴にマッピングされた現在および過去の実際の結果に基づく調整。情報を蓄積するとき、知識を増やします。私たちは今、情報を知識に変換し、悟りを開く必要があります。情報は、影響力のある詳細の新しいパスを作成する改善と啓蒙のレベルを生み出す必要があります。

上のNISTの写真は、ハードワイヤードバージョンの分析を表していますが、真の人工知能では、システムは、重要なことだけでなく、その情報への影響のレベルに基づいて、学習した内容に対応する独自のネットワークを学習および開発できなければなりません。式にあります。したがって、ゲートは、それらが式の一部であり、影響を与えるかどうかに関して、オンまたはオフにできる必要があります。また、その式の影響を変える方法も必要です。

式、a + b /（5 * c）=結果について考えてみてください。変更が発生していると判断し、数式を調整する必要がある場合があります。おそらく、「b」はまったく影響を与えないか、bが2倍の影響を与える可能性があります。人工知能は拡張可能でなければならず、人がこれらの変更を再プログラムする必要があるというハードワイヤードの決定だけではありません。

人間の介入なしに知性を高めます。これが私たちの夢のシナリオです。私たちの長期的な願望は、システムがそれ自体で学習し、影響を必要としないことです。赤ちゃんはアイテムが違うことを学びます。ボトルはコルクとは異なります。サイズ、重さ、各アイテムを持ち上げるのに必要な強さ、握る力、物にぶつからずに運ぶための可動域、慣性などが異なります。子供はなぜそれが適応しているのかわかりませんがこれらの違いは、違いを補うために調整されます。これが、機械がこのように学習することを望んでいます。

私たちがコミュニケーションをとる方法における言語は、共通の理解を持っている必要があります。これは、言語またはマッピングの問題である可能性があります。 casaが家または家を意味することを知っていれば、必ずしも言語を理解する必要はありません。テーブルをマッピングできるので、casaという単語が発声されたときに、家を教えてくれるテーブルを参照できます。

私たちの生活を改善します。私たちの改善された教育の結果は、私たちの必要なインプットを最小限に抑えるでしょう。サーモスタットが私たちの快適さのレベルを理解できたとしましょう。汗をかいていると暑すぎて、震えていると寒すぎます。どのくらい調整しますか？ 5人いる場合はどうなりますか？すべての人の快適さが同じというわけではありません。たぶん彼らは汗をかいているが、彼らはセーターを着ている。

著者はJosephZulickで、MRO Electric andSupplyのマネージャーです。