Melihat ke cakrawala untuk perubahan laut "pintar" di IoT
Kita semua telah dibanjiri dengan hipe seputar "hal-hal pintar" Internet of Things dan kedatangan yang akan datang dari penguasa robot kita, jadi kita cenderung meminimalkan keajaiban menakjubkan dari metamorfosis komputasi responsif dan cerdas yang ada pada kita.
Selama bertahun-tahun, komunitas IoT telah mengatakan bahwa jika kita benar-benar ingin "sesuatu" bernilai, mereka tidak boleh bodoh. Gelombang pertama membuat semuanya terhubung, dan kami telah membuat kemajuan di sana. Langkah selanjutnya adalah benar-benar membuat "sesuatu" lebih pintar.
Ada berbagai solusi komersial yang tidak benar-benar memenuhi janji untuk mengotomatisasi cara kita menuju kehidupan yang lebih produktif. Dan kekhawatiran tentang mengamankan barang-barang kami yang terhubung dengan benar masih sangat membebani. Tapi benar-benar ada lompatan transformatif dalam kemampuan komputasi dan fungsionalitas yang dapat dicapai. Kasus penggunaan yang mematikan untuk IoT sudah di depan mata, tetapi sebelum mendefinisikan apa itu dan menjelaskan bagaimana hal itu akan terwujud, saya pikir penting untuk mengidentifikasi secara luas bagaimana kita sampai di sini.
“Trinitas”
Dampak dari pergerakan open source dalam mendorong lompatan eksponensial dalam kemajuan teknologi tidak dapat diminimalkan. Algoritme dan infrastruktur komputasi yang mendorong hal-hal "pintar" — IoT, Kecerdasan Buatan, dan kemampuan pembelajaran mesin — telah ada selama beberapa dekade. Siapa pun di NSA dapat memberi tahu Anda sebanyak itu.
Perbedaannya sekarang adalah aksesibilitas ke massa. Teknologi-teknologi ini pernah dijaga ketat, tertutup dari dunia yang lebih luas, dan hanya tersedia di dalam lembaga-lembaga tangguh yang memiliki sumber daya yang besar baik dalam hal personel maupun daya komputasi. Open source mengubah semua itu. Hal-hal baru tidak lagi harus dibangun dari nol, sehingga meningkatkan siklus inovasi. Akses luas ke basis pengetahuan dan perangkat lunak memungkinkan siapa pun yang cenderung membangun di atas bahu raksasa dan memanfaatkan kebijaksanaan orang banyak.
Ledakan kreatif yang dipicu oleh open source membantu memunculkan cloud, yang merupakan gerakan kedua yang bertanggung jawab untuk mengantarkan era baru komputasi kita. Dibebaskan dari keterbatasan fisik dan biaya tumpukan server individu dan penyimpanan di tempat, era "aplikasi untuk segalanya" muncul dan kapasitas untuk pengumpulan dan konsumsi data besar sesuai permintaan dilepaskan. Setelah kami dapat mengukur kekuatan komputasi yang tidak dibatasi oleh geografi, teknologi kami menjadi mobile dan impian perangkat yang lebih kecil dan semakin kuat yang memperdagangkan informasi dalam jumlah besar menjadi kenyataan.
Big data memberikan sumber kehidupan bagi komputasi modern. Tapi data tidak melakukannya apa pun dan, dengan sendirinya, tidak memiliki nilai. Ini membawa kita ke gerakan ketiga dalam revolusi "pintar":analitik. Jenis komputasi augmented yang ditemui orang dalam kehidupan sehari-hari sekarang — pengenalan suara, pengenalan gambar, mobil yang dapat mengemudi sendiri, dan mobil yang membantu pengemudi — didirikan dalam konsep yang muncul dari analitik dan mengejar model analitik prediktif, yang sangat populer hanya beberapa tahun yang lalu.
Realisasi yang mengecewakan dengan analitik prediktif adalah, untuk melatih model yang efektif, Anda memerlukan sejumlah besar data dan sejumlah ilmuwan data untuk terus membangun dan memelihara serta meningkatkan model data. Kami sekali lagi menghadapi hambatan akses dan kendala sumber daya.
Jadi kita sampai pada saat ini, di mana segala sesuatunya bergeser ke arah yang baru. Perbedaannya sekarang adalah kita tidak perlu merekrut sepasukan ilmuwan data untuk membangun model; kami telah mengajarkan program kami untuk menghilangkan beberapa penghalang jalan tersebut untuk mereka sendiri.
Kecerdasan bawaan
Sistem kami yang digerakkan oleh AI, terutama sistem Deep Learning, sekarang dapat diumpankan ke jutaan set pelatihan, dilatih dalam hitungan hari/jam, dan terus dilatih ulang saat lebih banyak data tersedia. Alat open source dan komputasi awan masih penting dan berkembang, dan kami masih memproses banyak data untuk melakukan analisis secepat kilat, tetapi program kami sekarang menggabungkan AI sebagai mesin untuk menjadikan diri mereka "lebih pintar".
Keahlian dari bidang komputasi yang sangat berbeda telah menyatu untuk mengilhami program dengan kemampuan yang tidak terbayangkan sebelumnya. Paradoksnya adalah ketika cloud menjadi semakin kuat dan lebih murah, strategi IoT yang cerdas adalah memindahkan sebagian besar pemrosesan entri baris pertama dari cloud dan ke edge. Ini melayani dua tujuan:untuk mengaktifkan keputusan di perangkat tanpa memerlukan intervensi cloud dan untuk memberikan pola tepi dan analitik ke cloud untuk analitik tahap kedua yang cepat. Mesin AI kecil sekarang dapat melakukan analisis hampir secara real time pada perangkat edge dan "sesuatu" yang tidak lebih besar dari korek api. Dan karena titik-titik kekuatan komputasi ini semakin menjadi hal yang biasa di objek biasa — router dan gateway cerdas, kendaraan otonom, perangkat pemantauan medis waktu nyata — fungsionalitas potensialnya berkembang secara eksponensial.
Kecerdasan buatan di ujung tanduk
Pada hari-hari awal IoT (alias M2M), fokusnya adalah mendapatkan data ke cloud jika memungkinkan. FTP file log setiap malam adalah kemarahan. Saat General Electric hadir dengan “internet industri”, semua orang mulai membicarakan konektivitas data langsung secara real-time. Itu adalah lompatan besar dari FTP, tetapi orang-orang memperlakukan perangkat edge hanya sebagai "hal" yang mentransfer data ke cloud untuk analitik. Kami sekarang berada di tengah-tengah penggemar terbalik eksponensial dari pemikiran itu. Persyaratan real-time mendefinisikan ulang paradigma. Cloud kini beralih ke peran dukungan IoT dan analitik tingkat kedua, dan pemrosesan semakin didorong ke luar.
Misalnya, kami telah bekerja sama dengan perusahaan yang mengembangkan perangkat pemantauan medis generasi berikutnya. Awalnya, kami berasumsi dengan perangkat sekecil itu, kami akan mengirim data mentah dari perangkat ke cloud untuk dianalisis. Tapi bukan itu yang diinginkan, juga bukan itu yang terjadi. Perusahaan menginginkan analitik di monitor. Mereka ingin analitik dan deteksi pola terjadi langsung di perangkat, untuk mengambil tindakan pada perangkat, dan hanya data "cerdas" (bukan mentah) yang dikirim ke cloud. Modelnya berbeda secara dramatis dari operasi M2M industri standar — di mana semuanya akan terhubung, dan kumpulan data yang masuk dari semua sumber akan dikumpulkan dan diproses pada beberapa waktu yang ditentukan di beberapa repositori pusat.
Seluruh tujuan menghubungkan sekarang adalah untuk mendapatkan hasil presisi seketika pada titik masuk untuk jawaban langsung. Bahkan latensi rendah yang terlibat dalam pemrosesan cloud "tradisional" dengan ratusan ribu jika tidak jutaan dan miliaran perangkat tidak seefisien analisis tepi waktu nyata seperti menggunakan arsitektur baru ini. Dalam beberapa kasus, Anda dapat mencapai pengurangan data 1.000x hanya dengan mengirimkan analitik dan pola vs. data mentah ke cloud.
Kami tidak lagi berurusan dengan perangkat koleksi bodoh; kita membutuhkan mereka untuk melakukan lebih dari sekedar kurator. Mereka harus cerdas secara artifisial (dan alami) — mampu melakukan pengenalan pola dan analitik di mesin kecil mereka. Mereka mendorong hasil tersebut ke cloud untuk penggunaan lain. Saat ideal ini berkembang biak, demikian juga aplikasi yang mungkin.
Seperti yang diwujudkan dengan sempurna dalam contoh mobil otonom, model analitik dual edge/cloud ini menghasilkan hasil yang presisi dan real-time yang dapat terus-menerus dan otomatis disempurnakan terhadap kumpulan data yang terus bertambah, sehingga menghasilkan informasi yang berharga dan dapat digunakan serta mendorong tindakan produktif. Bahkan setahun yang lalu, saya akan menelepon B.S. pada gagasan ini untuk integrasi IoT dan AI yang meluas — tetapi komputasi tepi dan AI telah benar-benar keluar dari lab dan masuk ke dunia kita. Ini akan menghasilkan hasil yang belum pernah kita lihat sebelumnya.
Kasus penggunaan pembunuh untuk IoT dimanifestasikan melalui perangkat edge yang benar-benar cerdas — dalam solusi yang dibuat khusus untuk masalah atau tugas tertentu, kemudian saling berhubungan dan tunduk pada pola yang melampaui aplikasi awalnya. Karena semakin cerdas, "hal-hal" yang diaktifkan AI dimasukkan ke dalam kehidupan kita sehari-hari dan beroperasi di tepi jaringan antar-komunikasi kita, kita akan melihat hal-hal bergerak lebih dari sekadar terhubung dan menjadi kecerdasan yang secara aktif mewujudkan. Hal-hal yang cerdas memang.
Artikel ini dibuat dalam kemitraan dengan Greenwave Systems.
Penulis adalah Wakil Presiden dan Arsitek Sistem Rekayasa di Greenwave Systems, di mana ia memandu pengembangan pada analisis visual berbasis edge dan lingkungan penemuan pola real-time AXON Predict. Dia memiliki pengalaman lebih dari 25 tahun dalam menjalankan sistem perusahaan dan solusi analitik visual tingkat lanjut.
