想要構建基于人工智能的物聯(lián)網(wǎng)的專業(yè)人士和數(shù)據(jù)科學家不必自己解決這些問題。事實上，他們必須與其他專家合作以確保他們的項目成功，否則他們會冒著遺漏關鍵因素的風險。

 

在一本名為《Artificial Intelligence for IoT Cookbook》的著作中，該書作者和企業(yè)架構師Michael Roshak討論了如何為物聯(lián)網(wǎng)的部署采用人工智能，以及解決常見問題的技術和詳細說明。在為物聯(lián)網(wǎng)和人工智能建立基本設置之后，Roshak深入研究了計算機視覺和自然語言處理等高級技能。文中探討了物聯(lián)網(wǎng)人工智能設計的困難、企業(yè)必須了解的有關過程的注意事項，以及人工智能和物聯(lián)網(wǎng)給企業(yè)帶來的好處。

 

在以下訪談中，Roshak解釋了在將人工智能技術應用在物聯(lián)網(wǎng)設備時給企業(yè)帶來的問題。他還建議，專業(yè)人士與行業(yè)專家一起設計機器學習應用程序的最佳方法。

 

 

Roshak：這本書講述了人工智能在物聯(lián)網(wǎng)的應用，還討論了各種數(shù)據(jù)類型以及如何確定物聯(lián)網(wǎng)的投資回報率。

 

該書介紹了人工智能類型，但并沒有深入探討機器學習和TensorFlow，主要講述的是基礎知識。例如，當提出一個新系統(tǒng)時(例如TensorFlow)，會通過一些線性回歸并解釋它是什么。這本書談論的是物聯(lián)網(wǎng)領域通常沒有提到的話題，是為開發(fā)人員和人工智能新手而設計的。

 

 

Roshak：這確實與材料成本和投資回報有關。例如一個典型的微控制器的價格可能低于1美元，而微處理器(如Raspberry Pi)的價格為35美元或45美元，但在成本和功能上存在很大差異。企業(yè)如今面臨一些困難，例如在存在限制的情況下，如何將所有部分組合在一起以使其成為有效的解決方案?

 

有的企業(yè)已經(jīng)建立解決方案，但并不起作用。例如醫(yī)療設備生產商試圖每天在SQL服務器數(shù)據(jù)庫上增加10GB的數(shù)據(jù)。所有設備都具有相同的SQL服務器密鑰，但在應用時卻陷入了困境。他們難以完成這樣的工作。他們說，“我們希望重返內部部署數(shù)據(jù)中心——這是我們定制的專有人工智能處理器所在的地方。”他們建立的物聯(lián)網(wǎng)解決方案無法盈利，我們和他們一起進行了研究和探討。如果他們使用能夠在設備本身而不是在云中處理數(shù)據(jù)，并且只使用云平臺來存儲元數(shù)據(jù)，那將是一個完全實用的解決方案。他們沒有那樣做。他們必須明白，有一些方法可以在邊緣實施。但是這也取決于收入模式。

 

 

Roshak：最令人興奮的部分是現(xiàn)在有很多新的做事方式，這些方式在一年前并不存在。例如STM公司現(xiàn)在采用了很多嵌入式設備，這使得采用人工智能變得非常容易。芯片供應商現(xiàn)在正在使非常困難的事情變得容易，這是去年才出現(xiàn)的新事物。

 

 

Roshak：人們必須了解自己的數(shù)據(jù)，這會影響需要什么類型的算法和什么類型的處理。例如，地震儀讀取速度非常快，需要設備本身處理數(shù)據(jù)，并且地震儀的所有數(shù)據(jù)不可能傳輸?shù)皆破脚_處理，這會花費更多的時間和費用。

 

其中一件要討論的事情是部署傳感器，傳感器可能會有很多問題。一旦這些設備生產出來就不能改變。如果傳感器無法獲取正確的數(shù)據(jù)，或者缺少進行轉換所需的傳感器，就難以更好地使用物聯(lián)網(wǎng)設備。

 

如今有很多企業(yè)的人工智能團隊與硬件團隊是完全分開的，人工智能團隊是業(yè)務團隊的一部分，硬件團隊是物聯(lián)網(wǎng)和IT團隊的一部分。因此，企業(yè)需要讓這些團隊開展緊密合作，這對于使物聯(lián)網(wǎng)系統(tǒng)成功應用至關重要。

 

此外，希望芯片供應商以及云計算供應商參與這個過程，而在開始之前做好必要的準備是非常重要的。

 

版權聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責任的權利。