Интеллектуальные периферийные вычисления для интернета вещей


Оригинал: Intelligent IoT Edge Computing 
Автор: Сетраг Хошафян (Setrag Khoshafian), Pegasystems

Интернет вещей становится все более важной частью потребительского и промышленного рынков. Для второго часто используется термин «промышленный интернет вещей» (IIoT). Также в ходу термин «интернет вещей для конечного покупателя» (CIoT). Доступность высокоскоростного доступа в интернет, особенно с появлением надежных сетей 5G, приводит к появлению инновационных решений IoT в умных городах, автомобилестроении, Индустрии 4.0, цепочке поставок, здравоохранении и энергетике. Повсюду — дома и на работе — мы окружены подключенными устройствами.

По данным корпорации IDC, к 2025 году будет более 40 миллиардов устройств, генерирующих 80 зеттабайт данных (10^21 байт, или миллиард терабайт — прим.ред.). Некоторые полагают, что даже эти цифры занижены. «Вещи» бывают разных форм и размеров: от крохотных сенсоров до огромных турбин двигателей. На потребительском рынке все более востребованы системы «Умный дом», средства домашнего мониторинга, умные приборы и колонки, развлекательные центры и решения для эффективного энергопотребления. Рынок интернета вещей, по прогнозам, оценивается в триллионы долларов.

Неудивительно, что искусственный интеллект выступает в «ключика» к подключенным вещам: от обработки естественного языка (NLP) в умных динамиках до упреждающего техобслуживания — ИИ и глубинное обучение находят огромное количество применений. Настоящий шквал открытий в компьютерах, базах данных и сетях привела к тому, что искусственный интеллект стал одним из наиболее значительных трендов цифровой трансформации. Еще одна тенденция, это, конечно, интернет вещей.

В чем же привлекательность ИИ для интернета вещей? Тема «Интеллекта вещей» («другой IoT», или, точнее, «ИИ вещей») прозвучала на выставке Consumer Electronics Show в Лас-Вегасе в этом году.

Давление воздуха, температура, движение и множество других параметров, которые собирают различные датчики подключенных устройств, представляют отличные материалы для анализа, извлечения данных и создания моделей ИИ. Эти модели применяться в таких областях, как, например, упреждающее техобслуживание.

Что касается автономного интернета вещей, то новый тренд для подключенных устройств — это периферийные вычисления. Консорциум промышленного интернета определяет этот термин так: «периферийные вычисления — это децентрализованная вычислительная инфраструктура, в которой вычислительные ресурсы и сервисы приложений могут быть распределены по всему пути между источником данных и облаком». Периферийные вычисления позволяют устройствам мгновенно принимать решения. Иначе говоря, периферийные вычисления быстрее и оптимальнее.

Все чаще бизнес-логика и ИИ-модели выполняются на периферии интернета вещей. У построения ИИ-моделей на периферии есть много плюсов. Низкая скорость передачи данных из облачных дата-центров при обработке ИИ-модели недопустима, если дело требует незамедлительного принятия решений, как, например, при работе с ядовитыми материалами или опасным уровнем загрязнения или диспетчеризации аварийно-спасательных служб. В некоторых случаях подключение к интернету может иметь недопустимые задержки или отсутствовать вовсе. Механизмы и датчики подключенных устройств часто используют промежуточные шлюзы для подключения к облаку. Вычислительные мощности, объемы хранения данных и возможности сетевой оптимизации в приборах и шлюзах все возрастают.

Это позволяет производить вычисления и аналитику ближе к периферии, уменьшая тем самым задержку в принятии решений. Такой подход имеет ключевое значение во многих промышленных и потребительских приложениях интернета вещей.

Любопытный пример использования искусственного интеллекта и периферийных вычислений — гонки Формулы 1. Один гоночный автомобиль за одну гонку способен сгенерировать 100 гигабайт данных. «В секунду с одного автомобиля McLaren передается более 100 тысяч показателей». Замена шин, безопасность, анализ переключения передач — это лишь некоторые из решений, принимаемых в реальном времени инженерами на трассе или в центре управления. ИИ нужно располагать ближе к периферии, чтобы он работал, как того требует накал гонки!

Другой, более актуальный пример в эпоху коронавируса, — это применение ИИ интернета вещей на периферийных вычислениях для медицинских приборов. В трудные времена самоизоляции, удаленный мониторинг, подключенные тесты и телемедицина предоставляют огромные возможности по удаленному уходу за пациентом. Пандемия оказала существенное давление на медицинских работников и больницы, особенно когда число пациентов стало расти по экспоненте. Дистанционное наблюдение через подключенные к сети устройства и аналитика с помощью периферийных средств внесли неоценимый вклад в снижение нагрузки на медперсонал и даже в спасение жизней. Например, недавно компания GE Healthcare представила «Mural Virtual Care Solution», систему, которая собирает информацию из нескольких источников и позволяет проводить виртуальное наблюдение «практически в режиме реального времени на основе данных от аппарата искусственной вентиляции легких, систем мониторинга пациентов, электронных медицинских записей, лабораторий и других систем». Это решение «позволяет одному медработнику наблюдать сразу за несколькими пациентам, интегрируя установленную аппаратуру в палатах пациентов». По своей сути, это интеллектуальная виртуальная система интенсивной терапии. Она приносит колоссальную пользу как медработникам, так и пациентам, позволяя осуществлять наблюдение за здоровьем больного, несмотря на географическое расстояние.

Подключенные устройства проникают повсюду: в дома, больницы, города, промышленность. Для создания надежных и практичных решений в интернете вещей критичными являются ряд технологий — 5G, облака, ИИ. Подключение устройств переживает бурный рост, при этом критически важным становятся периферийные вычисления. Они позволяют воспользоваться преимуществами интернета вещей в режиме реального времени. Чем быстрее работает ИИ рядом с устройствами и людьми, тем лучше. Периферийный интеллект и его применение — это критически важное направление, и в ближайшие годы оно получит дальнейшее развитие.

Обсудить