Існує прогрес у зрілості рішень навколо інтернету речей, від підключеного, розумного і, зрештою, до автономного.
Пов’язані речі
По мірі розширення зв’язку все більше зв’язувалось – з Інтернетом та одне з одним. Зв’язок дозволяє їм повідомляти про свій стан або отримувати інформацію, забезпечуючи видимість та створюючи більш пов’язаний світ.
Підключення дозволяє передавати дані з датчиків або входів пристроїв у програмні рішення, відкриваючи нові програми та інновації.
Розумні речі
Наступна фаза зрілості настає із впровадженням розширеної обчислювальної потужності, вбудованої в речі, або за допомогою програм “ботів”, які можна викликати з підключаючих пристроїв, що дає можливість додаткам IoT із вбудованою бізнес-логікою та інтерактивністю. Це світ “Розумних речей”.
Розумні речі також дозволяють додатки, які можуть мати “ситуаційну обізнаність”, такі як врахування місця, погоди та інших факторів.
Автономні речі
У міру розширення обчислювальної потужності та мережевого зв’язку ми бачимо нові можливості для автономної поведінки. Однак є ще один необхідний компонент для справді автономних можливостей – машинне навчання. Машинне навчання дозволяє створювати складні алгоритми для керування поведінкою, яка не вимагає заздалегідь визначеної бізнес-логіки.
Дані є ключем до прогресу в зрілості iot
Дані мають важливе значення для вирішення проблем на кожному рівні зрілості, а також для просування рішень вперед у зрілості.
Пов’язані речі вимагають обробки даних IoT для видимості, щоб забезпечити управління активами, віддалений моніторинг та агрегування даних з тисяч пристроїв, а також збагачення цих даних іншими джерелами для забезпечення всебічних програм аналітики. Іншим фактором, що обумовлює зростання даних від пов’язаних речей, є частота дискретизації, оскільки існує значна кількість часових рядів. Якщо вам потрібно зберегти ці дані для довгих вікон, це може сприяти значному зростанню. Відкиньте його або запишіть лише дельти, і, можливо, ви втратите важливі джерела майбутньої інформації.
Без їх даних речі просто не пов’язані.
Розумні речі вимагають ще більше даних для керування інтерактивністю, для управління більш складним ландшафтом розгорнутих пристроїв та для зв’язку даних IoT з даними про підприємство, клієнтів та ситуаційні дані, щоб забезпечити контекст, необхідний для повного розуміння, та керувати більш досконалою вбудованою логікою. Але розумні речі також потребують цих даних майже в реальному часі, тому тепер нам також доводиться мати справу з більшою швидкістю передачі даних і більшою обчислювальною здатністю для їх обробки. Крім того, коли ви починаєте додавати передбачувані випадки використання, використовуючи дані про часові ряди, вам буде потрібно зберігати повні дані про часові ряди та достатньо довгі вікна, щоб дозволити врахувати сезонність чи інші періоди, пов’язані з вашими моделями.
Підсумок: дані допомагають зробити речі розумнішими.
Автономні речі вимагають вдосконалених алгоритмів, розроблених за допомогою машинного навчання. Дані використовуються для створення цих алгоритмів, які керують автономними можливостями, і вам більше потрібні дані для навчання моделей, оцінки та тестування. Це також вимагає великого різноманіття даних, оскільки ви намагаєтеся наслідувати та схожі на людину можливості прийняття рішень, включаючи обробку зображень, відео, звуку та мови. На перспективу, за підрахунками, один мозок людини зберігає і обробляє 10 терабайт .. Щоб наслідувати це, потрібно мати дані не з одного пристрою, а з сотень або тисяч.
Вам також потрібно збагатити це контекстними та ситуаційними даними. Дані датчиків повинні поєднуватися з даними про клієнтів, товари та підприємства, погоду та місцезнаходження, а також історичний контекст. Крім того, часто закономірності з’являються лише з часом і можуть стосуватися дня тижня, часу доби чи часу року. Ці закономірності можна знайти лише тоді, коли у вас є повні набори даних, на яких потрібно базуватись більше даних, щоб тривалий час зберігати більше даних.
Нарешті, глибоке навчання на всіх цих даних вимагає справді величезного обсягу пам’яті та обчислювальних потужностей для створення та постійного вдосконалення алгоритмів, необхідних для побудови автономних пристроїв та систем.
Дані є вихідною матеріалом для “Заводу алгоритмів”, що працює на основі машинного навчання.
Я закінчу цитатою одного з моїх улюблених вигаданих персонажів шерлока холмса:
“дані, дані, дані, я не можу робити цеглу без глини!”
Перехресні публікації з блогу, який я розмістив на Cloudera Vision минулого тижня:
Спочатку ця публікація була опублікована за адресою https://www.linkedin.com/pulse/big-data-critical-progressing-from-connected-smart-john-desjardins/.
John DesJardins люб’язно дозволив нам перекласти і опублікувати цю статтю.
Temy.co - Software Development Partner 