物聯(lián)網(wǎng) (IoT) 在我們生活的各個(gè)領(lǐng)域造成了廣泛的破壞。物聯(lián)網(wǎng)的發(fā)展不受獨(dú)特技術(shù)領(lǐng)域進(jìn)步的影響；相反，一系列新興技術(shù)和創(chuàng)新趨勢(shì)匯聚在一起，創(chuàng)造了對(duì)無(wú)處不在世界的統(tǒng)一體驗(yàn)。邊緣計(jì)算、5G/6G 革命和云計(jì)算的出現(xiàn)引入了一套架構(gòu)模式，以最大限度地減少延遲、網(wǎng)絡(luò)帶寬要求，并允許系統(tǒng)擴(kuò)展超出限制。在“新常態(tài)”的世界中，商業(yè)和社會(huì)轉(zhuǎn)型帶來(lái)的無(wú)限機(jī)遇將物聯(lián)網(wǎng)應(yīng)用融入我們的日常生活，數(shù)十億個(gè)傳感器相互無(wú)縫交互。
暴露無(wú)孔不入的渠道和部署智能自動(dòng)化的快速擴(kuò)張為 21 世紀(jì)數(shù)字化轉(zhuǎn)型的未來(lái)帶來(lái)了嚴(yán)峻挑戰(zhàn)。AI 和 ML 有前途的應(yīng)用大多在集中式云生態(tài)系統(tǒng)中執(zhí)行，遠(yuǎn)離行動(dòng)點(diǎn)。這種情報(bào)并非旨在從作戰(zhàn)環(huán)境中獲得態(tài)勢(shì)感知。利用捕獲和分析時(shí)間數(shù)據(jù)以及在運(yùn)營(yíng)周期的活動(dòng)窗口內(nèi)及時(shí)解釋感官事件的好處正在成為獲得戰(zhàn)略優(yōu)勢(shì)和解決網(wǎng)絡(luò)安全問題的關(guān)鍵當(dāng)務(wù)之急。隨著傳感器和應(yīng)用程序的多樣性呈指數(shù)增長(zhǎng)。
在工業(yè)自動(dòng)化的背景下，以邊緣為中心的設(shè)計(jì)應(yīng)用并不新鮮。基于目的的控制系統(tǒng)旨在記錄異常和邏輯驅(qū)動(dòng)的切換功能以管理企業(yè)資產(chǎn)。邊緣架構(gòu)的現(xiàn)代設(shè)計(jì)需要自主操作，并支持直觀的工作流程，而人工干預(yù)有限或無(wú)需人工干預(yù)。圍繞自動(dòng)駕駛汽車、機(jī)器人手術(shù)、遠(yuǎn)程患者監(jiān)控、智能家庭能源自動(dòng)化、智能電網(wǎng)監(jiān)控、智慧城市基礎(chǔ)設(shè)施等的炒作，都是依靠邊緣節(jié)點(diǎn)來(lái)模仿專家的思維和像人類一樣有意識(shí)的行為。通常的 AI/ML 模型通過處理大量歷史數(shù)據(jù)的大規(guī)模計(jì)算來(lái)增強(qiáng)可操作的洞察力。
計(jì)算密集型迭代訓(xùn)練隨著時(shí)間的推移提高了模型性能。此類功能通常部署為離線流程，以執(zhí)行更深入的分析并提取預(yù)測(cè)/規(guī)范趨勢(shì)。在邊緣智能的當(dāng)前和未來(lái)實(shí)施范圍內(nèi)，我們見證了三個(gè)需要解決的關(guān)鍵問題或變化：
預(yù)定義規(guī)則/定制驗(yàn)證的限制可以通過可擴(kuò)展且直觀的 AI/ML 模型來(lái)解決，該模型能夠從離散的感官反饋/事件中提取可操作的見解。但是，此類功能與遠(yuǎn)程云基礎(chǔ)設(shè)施建立了強(qiáng)耦合。
無(wú)法通過實(shí)時(shí)聚合入站數(shù)據(jù)和事件來(lái)開發(fā)需要自適應(yīng)知識(shí)豐富能力的態(tài)勢(shì)感知。這種上下文感知對(duì)于擴(kuò)展自主操作、抑制災(zāi)難性故障以及在對(duì)云的依賴最小化的情況下開發(fā)邊緣到邊緣協(xié)作至關(guān)重要。
通過推斷第 2 點(diǎn)，邊緣運(yùn)行時(shí)系統(tǒng)應(yīng)通過縮短響應(yīng)時(shí)間或采取預(yù)防措施，最大限度地減少分布式物聯(lián)網(wǎng)資產(chǎn)對(duì)網(wǎng)絡(luò)安全威脅的暴露。此外，應(yīng)在行動(dòng)點(diǎn)識(shí)別侵入式請(qǐng)求/命令和勒索軟件攻擊的模式。
因此，新興的物聯(lián)網(wǎng)系統(tǒng)打算繼承一種新的智能，可以在事件生命周期的最短窗口內(nèi)感知、決定和處理物理事件。認(rèn)知人工智能與分布式物聯(lián)網(wǎng)系統(tǒng)的融合有望提供一站式解決方案，以解決智能邊緣原生平臺(tái)的戰(zhàn)略需求，并實(shí)現(xiàn)下一代物聯(lián)網(wǎng)系統(tǒng)的工業(yè) 4.0 基準(zhǔn)。
認(rèn)知模型旨在復(fù)制人類行為和推理模式，以理解預(yù)測(cè)性和規(guī)范性趨勢(shì)。認(rèn)知 AI 模型的基于語(yǔ)義的學(xué)習(xí)對(duì)歷史數(shù)據(jù)的依賴性最小，并且隨著時(shí)間的推移具有內(nèi)在的增量知識(shí)開發(fā)能力。這樣的運(yùn)行時(shí)非常適合邊緣節(jié)點(diǎn)上的任何直觀操作，這些操作受限于有限的處理和持久性能力。隨著時(shí)間的推移重新訓(xùn)練模型，無(wú)法實(shí)現(xiàn)獲得運(yùn)營(yíng)成熟度和響應(yīng)自動(dòng)化的系統(tǒng)化過程。認(rèn)知成熟度的提高應(yīng)通過逐步獲取信息和進(jìn)行時(shí)間點(diǎn)分析來(lái)實(shí)現(xiàn)。
此外，發(fā)展認(rèn)知智能、感知和神經(jīng)運(yùn)動(dòng)能力的過程主要是通過無(wú)監(jiān)督學(xué)習(xí)的自適應(yīng)過程來(lái)完成的。通過認(rèn)知 AI 圍繞自我學(xué)習(xí)、權(quán)衡上下文和分析沖突證據(jù)的能力提高了物聯(lián)網(wǎng)系統(tǒng)智能邊緣運(yùn)行時(shí)的運(yùn)營(yíng)智能、可擴(kuò)展性和可擴(kuò)展性。
移動(dòng)邊緣計(jì)算和 Cloudlets 的進(jìn)步趨勢(shì)正在將基于邊緣的智能傳播到連接和更受控制的企業(yè)系統(tǒng)中。然而，在普遍的網(wǎng)絡(luò)物理生態(tài)系統(tǒng)的多樣性中，離散邊緣節(jié)點(diǎn)的自主性將需要在最少監(jiān)督的情況下獲得運(yùn)營(yíng)智能。
認(rèn)知計(jì)算智能的新興創(chuàng)新揭示了引入當(dāng)代基于軟計(jì)算的算法、架構(gòu)重新思考和下一代物聯(lián)網(wǎng)系統(tǒng)的漸進(jìn)式系統(tǒng)設(shè)計(jì)的巨大潛力。認(rèn)知物聯(lián)網(wǎng)系統(tǒng)粉碎了軟件和硬件子系統(tǒng)的孤島和相互依賴之間的強(qiáng)烈劃分。邊緣原生 AI 組件的靈活性足以識(shí)別物理環(huán)境的變化并實(shí)時(shí)動(dòng)態(tài)調(diào)整分析結(jié)果。因此，人機(jī)或機(jī)器與機(jī)器之間的交互變得更加動(dòng)態(tài)、可互操作并且與任何操作的時(shí)間和范圍相關(guān)。
結(jié)論
隨著我們將注意力轉(zhuǎn)移到新范式，認(rèn)知邊緣運(yùn)行時(shí)的實(shí)時(shí)模式識(shí)別和異常檢測(cè)功能顯著降低了分布式物聯(lián)網(wǎng)應(yīng)用程序和網(wǎng)絡(luò)的脆弱性。這種保護(hù)性智能可以補(bǔ)充不太安全的現(xiàn)有自動(dòng)化，也可以成為未來(lái)實(shí)施的一部分。因此，認(rèn)知人工智能與邊緣計(jì)算的融合將通過克服新興的面向邊緣的設(shè)計(jì)模式的固有局限性，繼續(xù)顛覆物聯(lián)網(wǎng)系統(tǒng)的創(chuàng)新。由于嵌入式設(shè)備上計(jì)算和存儲(chǔ)能力的快速發(fā)展，兩種新興技術(shù)趨勢(shì)之間的聯(lián)系將繼續(xù)加強(qiáng)。
