사물 인터넷 (IoT), 머신러닝 (ML), 인공 지능 (AI) 이 서로 연결되거나 겹치는 방식에는 여러 가지가 있습니다.IoT에는 기계 학습과 인공 지능을 활용하는 장치가 포함될 수 있습니다.AI는 스마트 특성을 모방한 기계 애플리케이션으로 자주 설명됩니다.ML은 기계가 액세스할 수 있는 데이터로부터 학습할 수 있도록 하는 AI의 하위 집합입니다.
몇 가지 주요 정의
기본 AI는 매우 좁은 용도로만 사용할 수 있고 특정 애플리케이션에서 탁월한 성능을 발휘할 수 있지만, 가장 단순한 형태의 AI는 여전히 규칙 기반 지침을 위해 프로그래머에게 전적으로 의존하고 있습니다.규칙 기반 AI는 “X가 발생하면 Y를 해야 한다”는 것을 알고 있습니다.“X”가 아닌 다른 일이 발생하면 AI는 손실을 입게 되며 상황에 적응하거나 학습할 수 없습니다.
머신 러닝 AI는 인간과 비슷한 방식으로 학습해야 하는 애플리케이션입니다.데이터를 받아들이고 이해한 내용을 추론하고 학습한 내용을 기반으로 향후 결정을 내리고 향후 조치를 취합니다.
IoT 디바이스는 상호 연결된 센서 클라우드에서 작동하며, 대부분의 경우 규칙 기반 시스템에서 AI로 구동됩니다.스마트 온도 조절기는 스마트폰 위치와 활동 센서를 기반으로 일정을 학습할 수 있습니다.그런 다음 해당 요소에 따라 일정을 조정할 수 있습니다.보안 카메라나 카메라 초인종이 있는 경우 움직임을 감지하면 녹화가 시작됩니다.이러한 IoT 장치는 특정 트리거를 기반으로 작동합니다.
IIOT를 잊지 말자
IoT는 확실히 가정에만 있는 것이 아닙니다.IIoT (산업용 사물 인터넷) 라고 불리는 다양한 산업에서 가장 큰 영향을 미칠 수 있습니다.기업들은 토양 상태 및 수분 수준 (온도, 습도, 일사량 등) 을 모니터링하는 농업용 IIoT 센서를 개발하고 있습니다.
항공사는 IIoT 센서를 사용하여 항공기 전체의 연료 효율을 추적하고 항공기의 유지 관리 요구 사항을 더 잘 이해하고 있습니다.제조업체는 EAM 공장 소프트웨어에 연결된 IIoT 센서를 사용하여 기계 성능을 추적하고 고장이 발생하기 전에 자동으로 유지보수 일정을 잡아 수리 비용을 줄이고 가동 시간을 개선하고 있습니다.
복잡성 극복
IoT와 IIoT 디바이스와 센서의 복잡성은 가정용 저가 보안 카메라부터 복잡한 기계 및 구조적 무결성을 모니터링하기 위한 첨단 산업용 센서에 이르기까지 매우 다양할 수 있습니다.
비교적 기본적인 장치에도 일종의 AI가 있을 수 있지만, 예상치 못한 상황에 직면할 수 있고 올바른 통화를 해야 하는 고급 시스템에는 일정 수준의 기계 학습이 도움이 될 수 있습니다.
장애로부터 학습하고 향후 관련 경고 신호를 식별 및 보고할 수 있는 IIoT 네트워크는 사람이 설정한 특정 매개변수만 찾는 프로그래밍된 규칙 기반 시스템보다 훨씬 더 많은 잠재력을 가지고 있습니다.
IIoT가 차량과 항공기 또는 수십만 에이커 규모의 농작물에 적용될 때 특히 그렇습니다.모든 데이터에서 수집할 수 있는 정보의 양은 다음과 같이 분석하고 분류하는 것이 더 나을 수 있습니다. 정보가 수집되는 엣지의 머신 러닝 AI 분석 속도를 늦추기 위해 모든 정보를 수집하여 (상당한 대역폭 요구 사항 포함) 사람에게 보내는 대신
우리에게 간단한 것은 기계가 학습하기 어렵다
사무실 건물에서 우편물을 배포하는 것과 같이 비교적 간단한 작업을 생각해 보십시오.대부분의 작업, 심지어 기본 작업도 여러 개의 작은 작업으로 나눌 수 있습니다. 전체 작업을 성공적으로 완료하려면 각 작업을 완벽하게 완료해야 합니다.
우편물 배급을 담당하는 로봇은 우편실로 가서 우편물을 받고, 문을 통과하고, 엘리베이터를 타고, 칸막이 사이의 통로를 따라 내려가고, 칸막이에 자리를 잡고, 물건을 넘어뜨리거나 소포에 있는 물건을 부수지 않고 책상 위에 우편물을 놓고, 다시 칸막이 밖으로 나와야 하고, 라벨을 기반으로 다음 칸막이를 식별하는 등의 작업을 해야 합니다. 길을 막을 수 있는 예상치 못한 장애물을 헤쳐나갈 수 있습니다.
머신 러닝에는 다양한 분야가 있습니다.강화 학습 또는 심층 강화 학습을 통해 기계는 시행착오를 통해 학습할 수 있습니다.그들은 부적절한 입력으로 결정을 내리고 결과를 기반으로 학습합니다.
IIOT, AI 및 ML의 다음 단계는 무엇일까요
시뮬레이션을 사용하여 개별 신경망별 작업을 가르치는 다중 전문가 학습 아키텍처 (MELA) 와 같은 새로운 AI 머신 러닝 전략도 있습니다.
사이언스 로보틱스의 최근 연구 논문은 적응형 다리 이동에 대한 다중 전문가 학습에서는 연구원들이 MELA를 사용하여 네 발 달린 로봇을 개발한 방법에 대해 자세히 설명합니다. 이 네 발 달린 로봇은 기계 학습을 통해 모두 기계 학습을 통해 트로트, 좌회전, 우회전, 추락 후 회복, 전복 등과 같은 작업을 수행하도록 훈련되었습니다. 중앙 게이팅 네트워크가 전문가 네트워크와 함께 훈련되어 이러한 시스템 작업을 전체적으로 작동하는 전체로 통합했습니다.
AI의 한 측면인 머신 러닝은 아직 초기 단계입니다.IoT 또는 IIoT 센서가 새로운 기능과 실제 기능을 지속적으로 개선하고 개발할 때 이러한 복잡한 시스템의 눈, 귀 및 감각 입력 역할을 하는 응용 분야가 있습니다.
지금 연락하여 자세히 알아보십시오. AI 및 HPC 인프라 프로젝트 목표 달성을 지원하는 방법우리 팀은 고성능, 고가용성 엔터프라이즈 솔루션을 설계, 구축, 배포하고 관리하여 고객이 획기적인 혁신을 달성할 수 있도록 지원합니다.
