Derinlemesine analiz Hızla patlayan AIoT pazarının gelişim yolu nedir?
Yapay zeka ve Nesnelerin İnterneti entegrasyonu alanı son yıllarda çok sıcaktı, ister sermaye piyasası ister kitlesel girişimcilik olsun, hepsi bu alana büyük bir heyecan gösterdi.
2017'den beri, "AIoT" terimi sık sık kaydırıldı ve Nesnelerin İnterneti endüstrisinde sıcak bir kelime haline geldi. "AIoT", yapay zeka teknolojisi ile Nesnelerin İnternetinin pratik uygulamalarda entegrasyonunu ifade eden "AI + IoT" anlamına gelir. Şu anda, giderek daha fazla insan AI ve IoT'yi birleştiriyor.Büyük geleneksel endüstrilerin akıllıca yükseltilmesi için en iyi kanal olan AIoT, Nesnelerin İnternetinin gelişiminde kaçınılmaz bir trend haline geldi.
IoT teknolojisine dayalı pazarda, insanlarla bağlantı kurmak için gittikçe daha fazla senaryo var (akıllı ev, otonom sürüş, akıllı tıbbi tedavi, akıllı ofis gibi). İnsanlarla temas halinde olduğu sürece, kaçınılmaz olarak insan-bilgisayar etkileşiminin ihtiyaçlarını içerecektir. İnsan-bilgisayar etkileşimi, belirli bir görevi belirli bir etkileşimli şekilde tamamlamak için belirli bir diyalog dilini kullanan kişi ve bilgisayar arasındaki bilgi etkileşimi sürecini ifade eder. İnsan-bilgisayar etkileşiminin kapsamı, ışık anahtarlarından uçaklardaki gösterge panolarına veya enerji santrallerindeki kontrol odalarına kadar çok geniştir. Akıllı terminal cihazlarının patlamasıyla kullanıcılar, AIoT insan-bilgisayar etkileşimi pazarını kademeli olarak harekete geçiren insanlar ve makineler arasındaki etkileşim için yeni gereksinimler ortaya koydu.
AIoT geliştirme yolu
Örnek olarak akıllı ev pazarını ele alan veriler, Çin'in akıllı ev pazarının 2018'de 180 milyar yuan'a, akıllı ev pazarının 2020'de 357.6 milyar yuan'a ulaşacağını gösteriyor. Analistler, küresel akıllı ev pazarının 2021'de 500 milyar yuan'ı aşacağını tahmin ediyor. Hızla patlayan AIoT pazarında, insan-bilgisayar etkileşimi için talepler ve beklentiler şüphesiz beklenmektedir.
İnsan hayatının dijitalleşme süreci yaklaşık otuz yıldır devam ediyor.Bu yıllarda analog çağdan PC İnternet çağına ve ardından mobil internet çağına evrimi yaşadık, şu anda Nesnelerin İnterneti çağına geçiş sürecindeyiz. Etkileşim açısından, makinelerin insanları giderek daha fazla "uyumlu" hale getirdiğini görebiliriz: PC çağında klavye ve fareden dokunmatik ekrana, NFC ve mobil çağdaki çeşitli MEMS sensörlerine ve Nesnelerin İnterneti çağında patlama yaşanıyor. Etkileşimli ses / görüntü ve diğer etkileşimli yöntemlerin kullanımının önündeki engel giderek azalmakta ve bu da giderek daha fazla kullanıcının dahil olmasına yol açmaktadır. Aynı zamanda, başka bir derin değişime dikkat etmemiz gerekiyor, yani etkileşim yöntemlerinin evrimi nedeniyle (önemli nedenlerden en az biri), PC çağında iş malzemeleri ve eğlence gibi çok sayıda yeni veri boyutu sürekli olarak oluşturuluyor ve dijitalleştiriliyor. Akıllı telefonlar çağında programlar, kullanıcı alışkanlıkları, konum, kredi ve para birimi ve Nesnelerin İnterneti çağındaki çeşitli olası yeni veriler.
Nesnelerin İnterneti çağında, ontoloji etkileşimi doğrultusunda etkileşimli yöntemler gelişmektedir. Sözde "ontolojik etkileşim", insan vücudundan başlayarak ses, görme, hareket, dokunma ve hatta tat gibi insanlar arasındaki etkileşimin temel yolunu ifade eder. Örneğin, ev aletlerinin sesle veya klimanın soğuması gerekip gerekmediğini belirlemek için kızılötesi kullanılarak kontrol edilmesi ve sıcaklığı kontrol etmek için ses ve kızılötesi birleştirilmesi (odada kimse algılanmadığında, TV programında "soğutma" den bahsedilse bile, klima da Tepki vermeyin).
Yeni veriler, AI'nın beslenmesidir ve çok sayıda yeni veri boyutu AIoT için sonsuz olasılıklar yaratmaktadır.
AIoT'nin gelişim yolu perspektifinden bakıldığında, endüstri profesyonelleri şu anda genellikle üç aşamalı bağımsız zeka, birbirine bağlı zeka ve aktif zeka yaşayacağına inanıyor.
Bağımsız zeka Akıllı cihazın kullanıcının bir etkileşim talebini başlatmasını beklediği ve bu süreçte cihaz ile cihaz arasında karşılıklı bir temas olmadığı anlamına gelir. Bu durumda, bağımsız sistemin, kullanıcının ses, jestler vb. Gibi çeşitli talimatlarını doğru bir şekilde algılaması, tanıması ve anlaması ve doğru kararları, uygulamaları ve geri bildirimi alması gerekir. AIoT endüstrisi bu aşamada. Örnek olarak ev aletleri sektörünü ele alalım. Geçmişte, ev aletleri özellikli bir telefon çağıydı. Tıpkı önceki cep telefonu düğmeleri gibi, sıcaklığı düşürmenize ve yiyecekleri soğutmanıza yardımcı oluyor; şimdi ev aletleri bağımsız bir zeka, yani ses veya cep telefonları elde etti. APP'nin uzaktan kumandası sıcaklığı ayarlayabilir ve fanı açabilir.
Birbirine bağlanamayan akıllı öğeler, insanların ihtiyaçlarını karşılamaktan çok uzak, veri ve hizmet adalarıdır. Akıllı sahne deneyiminin sürekli yükseltilmesini ve optimizasyonunu sağlamak için, kırılması gereken ilk şey, tek ürün zekasının ada etkisidir. ve Bağlı akıllı sahne , Esasen birbirine bağlı ürünlerden oluşan bir matris anlamına gelir ve bu nedenle, "tek beyin (bulut veya merkezi kontrol), çoklu terminaller (algılayıcılar)" modeli kaçınılmaz hale gelir. Örneğin, kullanıcı yatak odasındaki klimaya oturma odasındaki perdeleri kapatmasını söylediğinde ve oturma odasındaki klima ve akıllı hoparlör merkezi kumandası birbirine bağlandığında, birbirleriyle tartışabilir ve kararlar verebilir ve ardından oturma odasındaki perdeleri hoparlör tarafından kapatma eylemini gerçekleştirebilir; veya Kullanıcı gece yatak odasındaki klimaya "uyku modu" dediğinde sadece klima otomatik olarak uykuya uygun sıcaklığa ayarlanmıyor, oturma odasındaki TV, hoparlörler, perdeler ve ışıklar da otomatik olarak kapatılıyor. Bu, bulut beyninin birden fazla sensörün birbirine bağlı zekası ile işbirliği yaptığı tipik bir senaryodur.
Aktif zeka Akıllı sistemin kullanıcı davranış tercihleri, kullanıcı portreleri, ortam vb. Çeşitli bilgilere göre kendi kendine öğrenme, kendi kendine uyarlama ve kendini geliştirme yetenekleri ile her an aramaya hazır olduğu ve kullanıcıların talepte bulunmasını beklemeden proaktif olarak kullanıcılara uygun hizmetler sunabileceği anlamına gelir. Kişisel bir sekreter. Böyle bir manzara hayal edin, sabah ışık değiştikçe perdeler otomatik olarak yavaşça açılır, ses kutusu dinlendirici uyandırma müziği ile gelir, temiz hava sistemi ve klima çalışmaya başlar. Yıkamaya başladığınızda, yıkama istasyonunun önündeki kişisel asistan sizin için otomatik olarak günün hava durumu ve giyinme önerilerini yayınlayacaktır. Yıkandıktan sonra kahvaltı ve kahve hazır. Evden çıktığınızda evdeki elektrikli cihazlar otomatik olarak kesilir ve eve gittiğinizde tekrar açılır.
AIoT'nin gerçekleştirilmesi, uç bilgi işlem yeteneklerine talepler getirir
Uç bilişim, nesnelerin veya verilerin kaynağına yakın ağın ucundaki ağ, bilgi işlem, depolama ve uygulamaların temel yeteneklerini bütünleştiren ve çevik bağlantı, gerçek zamanlı iş, veri optimizasyonu, uygulama zekası gibi sektör dijitalleşmesinin ihtiyaçlarını karşılamak için yakınlarda uç akıllı hizmetler sağlayan açık bir platform anlamına gelir. Güvenlik ve gizlilik koruması için temel gereksinimler. Endüstride çok canlı bir benzetme var: Edge computing, basit uyaranları kendi başına işleyebilen ve karakteristik bilgileri bulut beynine geri besleyebilen insan vücudunun sinir uçları gibidir. AIoT'nin uygulanmasıyla, her şeyin akıllı bağlantısı senaryosunda cihazlar ve cihazlar birbirine bağlanacak ve yeni bir veri etkileşimi ve paylaşımı ekolojisi oluşturacak. Bu süreçte, terminalin yalnızca daha verimli bilgi işlem gücüne sahip olması gerekmiyor, çoğu senaryoda, aynı zamanda yerel otonom karar ve yanıt yeteneklerine de sahip olması gerekiyor. Örnek olarak akıllı bir konuşmacı alın. Yalnızca yerel uyanmayı destekleme yeteneğine değil, aynı zamanda uzaktaki gürültüyü azaltma yeteneğine de ihtiyaç duyar. Gerçek zamanlı ve veri kullanılabilirliği nedeniyle, bu hesaplama buluttan ziyade cihaz tarafında yapılmalıdır.
AIoT insan-bilgisayar etkileşimi için en önemli iniş senaryosu olan akıllı ev endüstrisi, girmesi için gittikçe daha fazla şirket çekiyor. Bunların arasında sadece Apple, Google, Amazon vb. Teknoloji devleri değil, Haier ve Samsung gibi geleneksel ev aletleri üreticileri de var.Elbette Xiaomi ve JD.com gibi internet başlangıçları da var. Birbirine bağlı zeka kavramına dayanarak, gelecekteki AIoT çağında, her cihazın belirli bir algılama (ön işleme gibi), çıkarım ve karar verme işlevlerine sahip olması gerekir. Bu nedenle, her bir cihaz tarafının, buluta, yani yukarıda bahsedilen uç hesaplamaya dayanmayan belirli bağımsız bilgi işlem yeteneklerine sahip olması gerekir.
Akıllı ev senaryosunda, terminal cihazlarla doğal ses aracılığıyla etkileşim, artık endüstrinin ana akım haline geldi. Ev ortamının özelliğinden dolayı, ev terminali ekipmanının doğru kullanıcı komutlarını (aile üyelerinin konuşmalar sırasında yanlışlıkla söylediği geçersiz anahtar kelimeler yerine) ve ses kaynakları ve ses baskıları gibi bilgileri doğru bir şekilde ayırt etmesi ve çıkarması gerekir. Bu nedenle, akıllı ev alanı Ses etkileşimi ayrıca, özellikle aşağıdaki yönlerden, uç bilgi işlem için daha yüksek gereksinimleri ortaya koymaktadır:
Gürültü azaltma hakkında konuşun ve uyanın
Ev ortamındaki ses alanı, TV sesi, çok kişili diyalog, oynayan çocuklar, mekansal yankılanma (mutfak pişirme, çamaşır makinesi ve diğer ekipmanların çalışma sesi) gibi karmaşıktır. Kullanıcı ile cihaz arasındaki normal etkileşime kolayca müdahale eden bu sesler muhtemelen aynıdır. Gerçek kullanıcıların seslerini daha belirgin hale getirmek için çeşitli girişimlerin işlenmesini ve bastırılmasını gerektiren zaman vardır. Bu süreçte, cihaz yardımcı kararlar vermek için daha fazla bilgiye ihtiyaç duyar. Ev sahnesinde ses etkileşiminin gerekli bir işlevi, çok kanallı eşzamanlı ses kaydı için mikrofon dizisini kullanmaktır.Akustik uzay sahnesinin analizi sayesinde, sesin uzamsal konumlandırması daha doğru olur ve ses kalitesi büyük ölçüde iyileştirilir. Diğer bir önemli işlev, gerçek kullanıcıyı ses izi bilgileriyle ayırt etmeye yardımcı olmaktır, böylece sesi birden çok kişinin müdahalesinden daha net bir şekilde ayırt edilebilir. Tüm bunların cihaz tarafında uygulanması gerekir ve daha fazla bilgi işlem gücü gerektirir.
Yerel tanınma
Ev alanında insan-bilgisayar etkileşiminin yerel olarak tanınması, özellikle iki yönü yansıtan uç hesaplamadan ayrılamaz:
Yüksek frekanslı kelimeler. Gerçek istatistiklere göre, kullanıcılar belirli senaryolarda sınırlı sayıda sık kullanılan anahtar kelime talimatına sahiptir. Örneğin, otomobil ürünleri için kullanıcılar "önceki / sonraki şarkıyı" en sık kullanabilir ve klima ürünleri en sık "açma / kapama" komutlarını kullanabilir. Bu sık kullanılan kelimelere yüksek frekanslı kelimeler denir. . Yüksek frekanslı kelimelerin işlenmesi için, kullanıcılara en iyi deneyimi sunmak için bulutun gecikmesine güvenmeksizin yerel olarak işlenebilir.
Ağ hızı. Akıllı ev ürünleri, özellikle ev aletleri sürecinde, ağ hızı bir sorundur. Kullanıcıların İnternet'e bağlanmadan sesli yapay zekanın gücünü algılamasına ve kullanıcıları geliştirmesine nasıl izin verileceği de günümüzde uç bilgi işlemin önemli bir rolüdür.
Yerel / bulut verimliliği dengesi
Ev mobilyası alanında doğal dil etkileşim sürecinde, tüm hesaplamalar buluta yerleştirildiğinde, akustik hesaplama kısmı bulut bilişim üzerinde çok fazla baskı oluşturacak, bir yandan bulut platformunun maliyetinde önemli bir artışa neden olurken diğer yandan hesaplamada gecikmelere neden olacaktır. Kullanıcı deneyimine zarar verin. Doğal ses etkileşimi iki kısma ayrılır: akustik ve doğal dil anlama (NLP) Başka bir boyuttan, "işten bağımsız" (konuşmadan metne / akustik hesaplama) ve "işle ilgili" (NLP) olarak kabul edilebilir. İşle ilgili kısımların şüphesiz bulutta çözülmesi gerekiyor.Örneğin, kullanıcıların hava durumunu sorması ve müzik dinlemesi gerekiyor.Daha sonra cihazın kullanıcının cümlelerini anlaması ve hava durumu bilgisinin alınması İnternet üzerinden tamamlanmalıdır. Bununla birlikte, kullanıcının "klimayı çalıştır, sıcaklığı artır, vb." Talimatı verilmesi gibi sesten metne dönüştürme işlemi için, hesaplamaların bir kısmı veya hatta çoğu yerel olarak yapılabilir. Bu durumda, yerelden buluta yüklenen veriler artık sıkıştırılmış sesin kendisi değil, daha akıcı bir ara sonuç veya hatta metnin kendisi olacaktır.Veriler akıcı hale getirilir, bulut bilişim daha basittir ve yanıt daha iyidir. Hız için.
Çok modlu talep
Sözde multimodal etkileşim, çoklu ontoloji etkileşim araçlarının kombinasyonundan sonraki etkileşimi, örneğin metin, ses, vizyon, eylem, çevre vb. Gibi çoklu duyuların entegrasyonunu ifade eder. İnsan, multimodal etkileşimin tipik bir örneğidir İnsandan insana iletişim sürecinde ifadeler, jestler, sarılmalar, dokunma ve hatta kokular, bilgi alışverişi sürecinde yeri doldurulamaz bir rol oynar. Açıktır ki, akıllı evlerin insan-bilgisayar etkileşimi sadece bir ses modundan daha fazlasıdır, ancak paralel olarak çok modlu etkileşim gerektirir. Örneğin, akıllı bir konuşmacı bir kişinin evde olmadığını görürse, TV'de yanlış yerleştirilen uyandırma kelimesine cevap vermesine gerek kalmaz ve hatta kendini uyutabilir; bir robot, sahibinin onu izlediğini hissederse, Ev sahibini proaktif olarak selamlayacak ve yardıma ihtiyacınız olup olmadığını soracaktır. Çok modlu işleme, şüphesiz ortak analiz ve birden fazla sensör verisinin hesaplanmasını gerektirir.Bu veriler sadece tek boyutlu ses verilerini değil, aynı zamanda kamera görüntüleri ve termal görüntüler gibi iki boyutlu verileri de içerir. Bu verilerin işlenmesi, uç hesaplama için güçlü bir talep ortaya koyan yerel yapay zeka yeteneğini gerektirmez.
AIoT tarafından getirilen AI çip talebi
AI algoritması, cihaz tarafındaki çipin paralel hesaplama yeteneği ve bellek bant genişliği için daha yüksek gereksinimler ortaya koymaktadır.Geleneksel GPU tabanlı çip, terminal üzerinde çıkarım algoritmaları uygulayabilse de, yüksek güç tüketimi ve düşük maliyetli performans dezavantajları göz ardı edilemez. AIoT bağlamında, IoT cihazları AI yetenekleri ile donatılmıştır.Bir yandan düşük güç tüketimi ve düşük maliyet sağlarken AI işlemlerini (uç hesaplama) tamamlayabilirken, diğer yandan IoT cihazları sürekli değişen formları ve parçalanmış talepleri olan cep telefonlarından farklıdır. AI bilgi işlem gücüne olan talep aynı olmadığından, cihaz formları arasında evrensel bir çip mimarisi sağlamak zordur. Bu nedenle, yalnızca IoT senaryosundan başlayarak ve özelleştirilmiş bir çip mimarisi tasarlamak, yapay zeka hesaplama gücü ve cihazlar arası formların ihtiyaçlarını karşılarken güç tüketimini ve maliyeti azaltırken performansı büyük ölçüde artırabilir.
