Cảm giác và khả năng cảm biến: Ai sẽ kết nối chúng như thế nào?

Đặc điểm thiết bị

Các thiết bị được kết nối đang ngày càng nhỏ hơn; rẻ hơn và chuyên dụng hơn. Mặc dù các hệ thống được kết nối nói chung ngày càng thông minh hơn; sức mạnh xử lý thực tế của các thiết bị này mở rộng cùng tốc độ – mở ra một loạt vấn đề cho các doanh nghiệp muốn tham gia IoT; hoặc mở rộng đội tàu IoT hiện tại của họ.

Sự phát triển của các công nghệ mạng mới sẽ đòi hỏi một cách xử lý dữ liệu mới từ nhiều nguồn lớn; và việc liên lạc giữa nhiều hệ thống (ngay cả trong một doanh nghiệp) sẽ sớm trở nên quá phức tạp để có thể dễ dàng quản lý. Do đó, môi trường viễn thông có thể là nơi thử nghiệm lý tưởng cho trí tuệ nhân tạo; với lượng dữ liệu khổng lồ mà AI có thể sử dụng.

Bằng cách xây dựng trên hai công nghệ này; có thể tạo ra mạng lưới của các thiết bị IoT tự học (Hub Azura). Với quyền truy cập thời gian thực vào một kho dữ liệu khổng lồ như vậy; AI sau đó có thể được áp dụng cho bất kỳ môi trường quan trọng nào trong nhiệm vụ; với sự tự tin rằng nó đã được thử nghiệm trong môi trường có kiểm soát.

Kết nối thông minh

AI đã được các công ty viễn thông sử dụng để giúp bảo đảm lưu lượng và duy trì cơ sở hạ tầng – AT & T; phân tích cảnh quay bằng máy bay không người lái bằng cách sử dụng AI để giúp dự đoán (và phòng ngừa) khi các tòa tháp cần được sửa chữa; nhưng cho đến nay AI vẫn chưa được sử dụng để cải thiện giao tiếp giữa các máy. Bản thân các mô-đun kết nối hoặc cảm biến không đủ thông minh để xử lý các chương trình AI; nhưng những tiến bộ trong tính toán cạnh có nghĩa là các cổng giữa thiết bị; và đám mây ngày càng thông minh hơn và nhỏ hơn.

Việc trang bị một cổng cạnh với AI sau đó sẽ cung cấp quyền truy cập vào một lượng siêu dữ liệu gần như không giới hạn; chẳng hạn như hành vi và nhận dạng thiết bị; cho phép một số tương tác tốn thời gian nhất được tự động hóa. Các quy trình như lựa chọn mạng; phát hiện ngừng hoạt động và trải phổ (trong các công nghệ LPWAN) đều có thể được hưởng lợi từ các kỹ thuật Machine Learning; vấn đề duy nhất là có bao nhiêu dữ liệu có sẵn tại địa phương mà AI có thể học.

Sử dụng thông minh

Do đó; các MVNO (Nhà khai thác mạng ảo di động) đang ở vị trí đặc quyền; với cơ sở hạ tầng mạng phức tạp để quản lý; không có cơ sở hạ tầng độc quyền và lịch sử chọn đường dẫn dữ liệu tốt nhất cho khách hàng của họ. Có nhiều kỹ thuật chuyển mạng khác nhau; và một số công nghệ mới hơn sẽ thực sự mang đến cho AI thứ gì đó để đắm mình vào đó.

SIM đa mạng đang được sử dụng trên toàn thế giới; nhưng các doanh nghiệp bắt đầu chú ý đến các phương thức chuyển đổi mạng tiên tiến hơn để phù hợp với nhu cầu của họ. Kết nối Multi-IMSI (Nhận dạng thuê bao di động quốc tế) cho phép SIM truy cập cơ sở hạ tầng mạng hoàn toàn khác nhau, do đó dữ liệu không được chuyển qua một điểm lỗi duy nhất và SIM có thể kết nối ngay cả khi bị cúp ở tầng nhà điều hành cao nhất.

Chìa khóa công nghệ 

Công nghệ Multi-IMSI cũng có thể được lập trình trên một ’khe cắm của tiêu chuẩn eUICC. SIM eUICC có cấu hình SIM riêng biệt và có thể quay lại cấu hình ‘bootstrap; cần thiết để thêm mạng qua mạng (OTA). Với bootstrap đa IMSI; người dùng có cấu hình fail failover; không bị ràng buộc với một nhà khai thác – đặc biệt quan trọng đối với các SIM eUICC nhúng phải được cung cấp tại điểm sản xuất; bất kể thiết bị sẽ được sử dụng ở đâu.

Khả năng phục hồi tối đa là lý tưởng cho các ứng dụng quan trọng; từ xa và chuyển vùng; nhưng những ứng dụng khác cần linh hoạt hơn nữa. Chipset lai Sigfox; được công bố vào cuối năm 2017; kết nối công nghệ LPWAN; NB-IoT và LTE-M. Điều này có nghĩa là một thiết bị có thể truyền thông tin cơ bản trên băng tần cực hẹp Sigfox; và chuyển sang mạng di động để gửi các gói dữ liệu lớn hơn; chẳng hạn như các thiết bị được tổng hợp bởi một cổng cạnh thông minh. Nhận biết các gói dữ liệu này và phân bổ chúng vào băng tần mạng phù hợp có thể là một thử nghiệm tuyệt vời cho AI; và có thể cho chúng ta thấy một mạng thực sự thông minh có thể trông như thế nào.

Hiểu biết về AI

AI vẫn chưa tiến tới một mức độ mà chúng ta có thể sử dụng nó một cách an toàn để giúp chúng ta trong các tình huống nhạy cảm; như chẩn đoán bệnh nhân; chuyển án trước tòa hoặc lái xe cho chúng ta. Nhưng điều này không có nghĩa là AI không có khả năng; ngược lại, bằng cách bắt chước mạng lưới thần kinh trong não người; các kỹ thuật học sâu có thể đưa ra quyết định một cách độc lập; vấn đề là nếu chúng ta sử dụng học sâu không giám sát; chúng ta không biết các chương trình này như thế nào đạt được quyết định của họ.

Do môi trường viễn thông có cấu trúc chặt chẽ (ngay cả khi các cấu trúc này cực kỳ phức tạp) và mọi phần của hành vi dữ liệu được đo lường và có sẵn cho các nhà khai thác hoặc MVNO, họ có thể sử dụng các kỹ thuật học máy được giám sát để cải thiện mạng và chuyển sang học sâu khi sẵn sàng .

Khả năng tự học công nghệ mới

Chúng ta có thể hy vọng rằng AI sẽ đi theo xu hướng tương tự như công nghệ IoT, trở nên sẵn có hơn, rẻ hơn và thông minh hơn khi nhiều người chấp nhận nó, có nghĩa là một mạng tự học có thể thực sự khả thi – và AI có thể sớm đủ khả năng để làm việc với ứng dụng quan trọng hơn.

Liệu điều này có làm giảm bớt nỗi sợ hãi của mọi người về việc AI chiếm lĩnh thế giới hay không, nhưng khi môi trường kinh doanh trở nên cạnh tranh hơn, khi công nghệ giảm giá và hàng tỷ thiết bị mới được kết nối với hệ sinh thái IoT; chúng ta sẽ cần một cái gì đó để giúp chúng ta hiểu được ý nghĩa của tất cả.

Trả lời

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

0
GIỎ HÀNG
  • Không có sản phẩm trong giỏ hàng