展望物联网“智能”巨变的地平线

我们都被围绕物联网“智能产品”的炒作和即将到来的机器人霸主所淹没，因此我们倾向于尽量减少正在发生的响应式和智能计算变形带来的令人兴奋的奇迹。

多年来，物联网社区一直在说，如果我们真的希望“东西”有价值，它们就不能是愚蠢的。第一波是让一切都连接起来，我们已经在这方面取得了进展。下一步是让“事物”变得更智能。

有多种商业解决方案并没有真正兑现让我们以自动化方式提高生活效率的承诺。对正确保护我们连接的事物的担忧仍然很重要。但在计算能力和可实现的功能方面确实发生了变革性的飞跃。物联网的杀手级用例即将出现，但在定义它是什么并描述它将如何表现之前，我认为重要的是要大致确定我们是如何到达这里的。

“三位一体”

开源运动在推动技术进步呈指数级飞跃方面的影响无法最小化。驱动“智能”事物的算法和计算基础设施——物联网、人工智能和机器学习能力——已经存在了几十年。美国国家安全局的任何人都可以告诉你。

现在的区别在于大众的可访问性。这些技术曾经受到严密保护，与更广阔的世界隔绝，只有在拥有大量人员和计算能力资源的强大机构中才能使用。开源改变了这一切。新事物不再需要从零开始构建，从而加速创新周期。知识库和软件的广泛访问使任何人都可以站在巨人的肩膀上并利用群体的智慧。

由开源推动的创意爆炸促成了云的出现，这是引领我们进入计算新时代的第二个运动。从单个服务器堆栈和内部存储的物理限制和费用中解放出来，“万能应用”时代到来，按需收集和消费大数据的能力得到释放。一旦我们可以不受地域限制地扩展计算能力，我们的技术就会变得移动化，并且更小、功能越来越强大的设备传输大量信息的梦想成为现实。

大数据为现代计算提供了生命线。但数据不会做 任何东西，而且本身没有任何价值。这将我们带到了“智能”革命的第三个运动：分析。人们现在在日常生活中遇到的增强计算类型——语音识别、图像识别、自动驾驶和驾驶辅助汽车——是建立在分析和对预测分析模型的追求中产生的概念，当时风靡一时就在短短几年前。

令人沮丧的预测分析认识到，要训练有效的模型，您需要大量数据和大量数据科学家来持续构建、维护和改进数据模型。我们再次遇到了访问和资源限制的障碍。

所以我们来到了现在，事情正在朝着新的方向转变。现在不同的是，我们不需要招募一大群数据科学家来构建模型；我们已经教我们的程序为自己消除一些障碍。

内在智能

我们的 AI 驱动系统，尤其是深度学习系统，现在可以接收数以百万计的训练集，在数天/小时内进行训练，并随着更多数据可用而不断重新训练。开源工具和云计算仍然重要且不断发展，我们仍在处理大量数据以执行闪电般的分析，但我们的程序现在将人工智能作为引擎，让自己变得“更聪明”。

来自截然不同的计算领域的专业知识已经凝结成以前无法想象的功能来为程序注入活力。矛盾的是，随着云变得越来越强大和越来越便宜，智能物联网策略是将大部分第一线的入口处理从云转移到边缘。这有两个目的：在不需要云干预的情况下实现设备上的决策，以及向云提供边缘模式和分析以进行快速的第二阶段分析。微型 AI 引擎现在可以在边缘设备和不超过火柴盒大小的“事物”上近乎实时地执行分析。随着这些计算能力点在普通对象中变得越来越普遍——智能路由器和网关、自动驾驶汽车、实时医疗监控设备——它们的潜在功能呈指数级扩展。

边缘的人工智能

在物联网（又名 M2M）的早期，重点是尽可能将数据上传到云端。每天晚上通过 FTP 传输日志文件很流行。当通用电气推出“工业互联网”时，每个人都开始谈论实时数据连接。这是 FTP 的一大飞跃，但人们将边缘设备视为将数据传输到云进行分析的简单“事物”。我们现在正处于这种想法的指数反向扇形之中。实时需求正在重新定义范式。云现在正在转变为物联网支持和第二层分析的角色，并且处理被推到边缘。

例如，我们一直在与一家开发下一代医疗监测设备的公司合作。最初，我们假设使用这么小的设备，我们会将原始数据从设备发送到云端进行分析。但这不是所期望的，也不是所发生的。该公司希望在监视器上进行分析。他们希望直接在设备上进行分析和模式检测，在设备上采取行动，并且只将“智能”（而不是原始）数据发送到云端。该模型与标准的工业 M2M 操作有很大不同——在标准工业 M2M 操作中，一切都将被连接起来，并且来自所有来源的成批数据将在某个中央存储库的某个设定时间线上被收集和处理。

现在连接的全部目的是在入口点获得即时精确结果，以便立即得到答案。即使是“传统”云处理所涉及的低延迟，对于实时边缘分析来说，也没有使用这种新架构那么高效。在某些情况下，您只需将分析和模式与原始数据发送到云，就可以将数据减少 1,000 倍。

我们不再经营愚蠢的收集设备；我们需要他们做的不仅仅是策划。它们必须具有人工（和自然）智能——能够在其微型引擎中进行模式识别和分析。他们将这些结果推送到云端用于其他用途。随着这种理想的增多，可能的应用也在增多。

正如在自动驾驶汽车示例中完美体现的那样，这种双边缘/云分析模型产生精确、实时的结果，可以针对不断增长的大量数据不断自动改进，从而产生有价值的、可用的信息并推动生产性行动。即使在一年前，我也会打电话给 B.S.关于广泛的物联网和人工智能集成的概念——但边缘计算和人工智能已经真正走出了实验室，进入了我们的世界。它将产生我们以前从未见过的结果。

物联网的杀手级用例正在通过真正的智能边缘设备体现出来——在专为特定问题或任务构建的解决方案中，然后相互连接并受制于超越其初始应用的模式。随着越来越多的智能、支持人工智能的“事物”融入我们的日常生活并在我们的相互通信网络的边缘运行，我们将看到事物超越仅仅连接并积极体现智能。确实很聪明。

本文与 Greenwave Systems 合作制作。

作者是 Greenwave Systems 的副总裁兼工程系统架构师，负责指导基于边缘的可视化分析和实时模式发现环境 AXON Predict 的开发。他在执行企业系统和高级可视化分析解决方案方面拥有超过 25 年的经验。