Quels sont les scénarios d'application après l'intégration de l'intelligence artificielle et de l'Internet des objets ?

Les tendances technologiques de l'intelligence artificielle (IA) et de l'Internet des objets (IoT) ont commencé à fusionner, et l'industrie a baptisé cette tendance l'intelligence artificielle Internet des objets (AIoT). L’intelligence artificielle passe du cloud à la périphérie, apportant des solutions aux problèmes de bande passante et de sécurité qui ont entravé une adoption plus large de l’IoT sur les marchés clés. Si l’histoire du développement technologique constitue un guide fiable pour l’avenir, au moins deux phases supplémentaires de cette convergence auront lieu au cours des prochaines années.

L'Internet des objets a récemment suscité un grand intérêt, mais pour de nombreuses applications, deux questions importantes se posent. Le premier est la sécurité : les données circulant sur le réseau à partir des appareils IoT et le contrôle des appareils eux-mêmes dépendent fortement d'une sécurité adéquate contre les cyberattaques. Alors que les menaces continuent d’évoluer et de s’intensifier, la sécurité exige que les développeurs IoT redoublent de vigilance et d’atténuation. Dans le même temps, de nombreux utilisateurs potentiels hésitent à utiliser la technologie IoT en raison de l’incertitude quant à la sécurité des systèmes et des données.

Le deuxième problème limitant l'adoption de l'IoT est la bande passante requise pour envoyer les données vers le cloud pour traitement. À mesure que le nombre d’appareils installés et la quantité de données impliquées augmentent, les déploiements IoT sont limités par les ressources de bande passante et les coûts impliqués dans la collecte de données. Cela devient d’autant plus préoccupant que l’IA devient un élément de plus en plus important pour extraire de la valeur de toutes les données.

L'importance de l'intelligence artificielle dans le traitement des données s'est considérablement accrue à mesure que les techniques traditionnelles de traitement des données deviennent de plus en plus lourdes. Développer et coder des algorithmes efficaces pour extraire des informations utiles à partir de grandes quantités de données nécessite du temps et une expertise applicative qui manquent à de nombreux utilisateurs potentiels. Cela peut également donner lieu à des logiciels fragiles et difficiles à maintenir et à modifier à mesure que les exigences évoluent. L'intelligence artificielle, en particulier l'apprentissage automatique (ML), permet aux processeurs de développer leurs propres algorithmes basés sur la formation pour obtenir les résultats souhaités, plutôt que de s'appuyer sur l'analyse d'experts et le développement de logiciels. De plus, avec une formation supplémentaire, les algorithmes d’IA peuvent facilement s’adapter aux nouvelles exigences.

La dernière tendance en matière d'IA vers la périphérie est de réunir ces deux technologies. L’extraction d’informations à partir de données IoT s’effectue actuellement principalement dans le cloud, mais si la plupart ou la totalité des informations peuvent être extraites localement, les problèmes de bande passante et de sécurité sont moins importants. Avec l’intelligence artificielle intégrée aux appareils IoT, il n’est plus nécessaire d’envoyer de grandes quantités de données brutes sur le réseau ; seules des conclusions concises doivent être communiquées. Avec moins de trafic de communication, la sécurité du réseau est plus facile à améliorer et à maintenir. L’IA locale peut même contribuer à améliorer la sécurité des appareils en inspectant le trafic entrant à la recherche de signes de falsification.

La maintenance prédictive des machines industrielles est une application où la convergence de l'IA et de l'IoT va continuer d'évoluer.

L'AIoT semble suivre une voie de développement similaire à celle des microprocesseurs dans les années 1980. Le traitement commence par des périphériques distincts qui gèrent différentes tâches : processeurs à usage général, mémoires, périphériques d'interface série, périphériques d'interface parallèle, etc. Ceux-ci ont finalement intégré les tâches des appareils dans des microcontrôleurs monopuce, qui ont ensuite évolué vers des microcontrôleurs dédiés à des applications spécifiques. L’AIoT semble suivre le même chemin.

Actuellement, les conceptions AIoT utilisent des processeurs complétés par une accélération générale de l'IA et un middleware IA. Des processeurs équipés d’une accélération de l’IA commencent également à apparaître. Si l’histoire doit se répéter, la prochaine phase de l’AIoT sera l’évolution de processeurs améliorés par l’IA et adaptés à des applications spécifiques.

Pour qu'un appareil personnalisé soit économiquement viable, il doit répondre aux besoins communs d'une gamme d'applications liées au sujet. De telles applications commencent déjà à devenir visibles. L’un de ces sujets est la maintenance prédictive. L'intelligence artificielle combinée aux capteurs IoT sur les machines industrielles aide les utilisateurs à identifier les modèles anormaux de vibrations et de consommation de courant qui sont des précurseurs d'une panne d'équipement. Les avantages de placer l’IA localement sur les capteurs incluent une bande passante et une latence réduites des données, ainsi que la possibilité d’isoler les réponses des appareils de leur connexion réseau. Les appareils AIoT dédiés à la maintenance prédictive serviront un marché énorme.

Le deuxième thème est la commande vocale. La popularité des assistants vocaux comme Siri et Alexa a incité les consommateurs à exiger des capacités de commande vocale sur divers appareils. Les appareils AIoT dédiés à commande vocale aideront à résoudre les problèmes de bande passante et de latence et contribueront à garantir la fonctionnalité lors de connexions instables. Aujourd’hui, le nombre d’utilisations potentielles d’un tel appareil est stupéfiant.

Il existe d'autres sujets potentiels à aborder avec des appareils AIoT spécialisés. La détection environnementale pour la sécurité industrielle et la gestion des bâtiments en fait partie. Le contrôle des procédés chimiques est un autre problème. Les systèmes de voitures autonomes viennent en troisième position. Le quatrième type est une caméra qui identifie des cibles spécifiques. Nul doute qu’il y en aura d’autres à venir.

La technologie de l’intelligence artificielle semble être là pour rester, et la prochaine évolution – comme pour la technologie de traitement – ​​sera le développement d’équipements spécialisés pour les marchés clés. En plus de cela, l’industrie est très susceptible de développer des accélérateurs d’IA configurables qui peuvent être personnalisés en fonction de leurs applications, afin que les avantages de l’AIoT puissent effectivement atteindre des marchés plus nombreux et plus petits.

Il reste encore de nombreux défis techniques à surmonter. La taille des appareils et la consommation d’énergie ont toujours été des problèmes marginaux, et l’IA doit faire davantage pour les résoudre. Lorsqu’ils utilisent l’IA, les outils de développement peuvent faire davantage pour simplifier le travail de développement d’applications. Les développeurs doivent en apprendre davantage sur l’intelligence artificielle en tant qu’approche alternative au développement d’applications. Mais si l’on en croit l’histoire, ces défis seront bientôt surmontés.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!