دامنه

اينترنت اشيا ، همراه با هوش مصنوعي ، تحولي در آينده بشريت خواهد بود. در اين مطلب ما بيان مي كنيم. دوره انقلابي بعدي جهان در حال حاضر است. دوره اي كه به اندازه رنسانس و انقلاب صنعتي قابل توجه خواهد بود. هوش مصنوعي و IoT دو چشم انداز از اين دست هستند كه مردم معتقدند جهان را به چيزي مدرن مي كند كه در چند دهه آينده ذهن ما را به باد خواهد داد. اين دو ركن در آينده دامنه عظيمي خواهند داشت. با اينكه اين دو فناوري نوظهور نيستند اما در حال تغيير آينده جهان هستند.

اينترنت اشيا چيست ؟

IoT شبكه اشيا فيزيكي را توصيف مي كند – “اشيا” – كه به منظور اتصال و تبادل داده با ساير دستگاه ها و سيستم ها از طريق اينترنت ، با حسگرها ، نرم افزار و ساير فناوري ها تعبيه شده است. تعريف Iot به دليل همگرايي فناوري هاي متعدد ، تجزيه و تحليل هاي بي درنگ ، يادگيري ماشين ، حسگرهاي كالا و سيستم هاي جاسازي شده تكامل يافته است. زمينه ه سنتي سيستم هاي جاسازي شده ، شبكه هاي حسگر بي سيم ، سيستم هاي كنترل ، اتوماسيون (از جمله اتوماسيون خانگي و ساختمان) و ساير موارد همگي به امكان دسترسي در اينترنت كمك مي كنند. در بازار مصرف ، فناوري IoT مترادف با محصولات مربوط به مفهوم “خانه هوشمند” است ، از جمله دستگاه ها و لوازم خانگي (مانند وسايل روشنايي ، ترموستات ، سيستم هاي امنيتي خانه و دوربين ها و ساير لوازم خانگي) كه از يك يا اكوسيستم هاي رايج تر ، و از طريق دستگاه هاي مرتبط با آن اكوسيستم مانند تلفن هاي هوشمند و بلندگوهاي هوشمند قابل كنترل است. هوش مصنوعي به انداره كهكشان راه شيري گسترده است. هوش مصنوعي (AI) يك زمينه گسترده با بسياري از زير مجموعه ها مانند پردازش زبان طبيعي (NLP) ، شبكه هاي عصبي مصنوعي ، بينايي كامپيوتر ، يادگيري ماشين ، يادگيري عميق ، رباتيك و غيره است.

َAIOT چيست؟

تركيبي از هوش مصنوعي همراه با اينترنت اشيا، شاخه جديدي از مطالعه ، جالب و منحصر به فرد را تشكيل مي دهد كه اينترنت مصنوعي اشيا يا به اختصار AIOT ناميده مي شود. IoT فعال شده با هوش مصنوعي قادر به ايجاد ماشين هاي هوشمندي است كه مي تواند رفتار هوشمند را شبيه سازي كند و در عين حال توانايي تصميم گيري را با  دخالت كم يا بدون دخالت انسان پشتيباني كند. با ادغام هوش مصنوعي در دستگاه هاي IoT  مانند raspberry pi و Nvidia Jetson Nano , و بسياري از دستگاه هاي مشابه قادر به ايجاد برخي از شاهكارها هستند كه بسيار سودآور و براي كل جامعه مفيد خواهد بود. برخي از مثالهاي دستيارهاي مجازي مانند الكسا ، سيري يا Google AI ، سطح بالاي عقل و امكانات اين فناوري را در آينده نشان مي دهند.

همانطور كه در اين مقاله به آن پرداخته شده است ، هوش مصنوعي همراه با اينترنت اشيا بسيار قدرتمند است و ما مي توانيم با ايده هاي نوآورانه پروژه هاي منحصر به فردي را توسعه و ايجاد كنيم. دامنه IoT و AI فوق العاده است و اين فناوري ها قدرت تغيير چشم انداز آينده را دارند. تأثير AIoT در سالهاي آينده فرا تر از ذهن خواهد بود و اختراعات جديدي كه در آينده  مي شود بسيار هيجان انگيز خواهند بود.

محققان از سراسر آزمايشگاه ملي ارگون وزارت انرژي ايالات متحده (DOE) با استفاده از تكنيك هوش مصنوعي (AI) به نام يادگيري ماشين ، از ابر رايانه هاي آرگون براي هضم الگوهاي ترافيك از داده هاي تقريباً يك ساله گرفته شده از 11160 حسگر در امتداد سيستم بزرگراه بزرگ كاليفرنيا استفاده كرد. سپس از اين اطلاعات براي آموزش مدلي براي پيش بيني ترافيك با سرعت بالا استفاده شد – مطمئناً سريعتر از ترافيك لوس آنجلس در عرض ميلي ثانيه ، مدل مي تواند ساعت گذشته اطلاعات را بررسي كرده و ساعت بعدي ترافيك را با دقت زيادي پيش بيني كند.

هوش مصنوعي چگونه به كنترل و حل ترافيك لس آنجلس كمك مي كند ؟

كار با اعضاي بخش رياضيات و علوم كامپيوتر آرگون (MCS) و تسهيلات رايانه اي رهبري آرگون (ALCF) ، در يك  دفتر كاربري علمي وزارت علوم DOE ، تيم نتايج خارق العاده اي در پيش بيني ترافيك بدست آورد و اخيراً نتايج را در سابقه تحقيقات حمل و نقل ،مجله هيئت تحقيقات حمل و نقل منتشر كرد. پراسانا بالاپراكش ، دانشمند كامپيوتر در MCS با انتصاب مشترك در ALCF ، گفت: “هوش مصنوعي و قابليت هاي فوق رايانه اي كه در اين كار استفاده شده است ، به ما امكان مي دهد تا مشكلات واقعاً بزرگي را حل كنيم.” “مقياس اين پروژه زياد است و اين مقدار داده براي مقابله با آن به يك منبع محاسباتي به همان اندازه بزرگ نياز دارد.” دانشمندان با استفاده از منابع محاسباتي كلاس جهاني ALCF تعداد ساعات رايانه مورد نياز براي آموزش مدل را به شدت كاهش دادند. به عنوان مثال ، براي آموزش مدل پيش بيني ترافيك در يك هفته ممكن است يك رايانه روميزي برتر از يك هفته طول بكشد ، مي توان همين روند را در مدت سه ساعت روي يك ابر رايانه انجام داد. استفاده از قدرت يادگيري عميق مبتني بر نمودار – شكل پيچيده اي از يادگيري ماشيني كه مي تواند تصميم گيري كند و تقريباً به طور خودكار پيش بيني هاي يك مدل را بهبود بخشد – مدل آنها از داده هاي تاريخي براي پيش بيني الگوهاي ترافيك استفاده مي كند ، در حالي كه سرعت و جريان را به طور همزمان پيش بيني مي كند. اين مهم است زيرا جريان هاي ترافيكي در هر منطقه در هر زمان به سرعت و جريان ترافيك در نزديكي بستگي دارد. اريك راسك ، مهندس اصلي تحقيقات قبلي در مركز تحقيقات حمل و نقل آرگون و يكي از دانشمندان درگير در اين مطالعه گفت: “رويكردهاي پيش بيني ترافيك براي توسعه استراتژي هاي سازگار براي حمل و نقل بسيار مهم است. “الگوهاي ترافيكي دامنه وابستگي هاي مكاني و زماني پيچيده اي دارند كه پيش بيني دقيق در شبكه هاي بزرگراهي را به عنوان يك كار چالش برانگيز در نظر مي گيرند.”

با ويرا سگال كارو همراه باشيد