边缘的人工智能可以为物联网安全问题提供解决方案
文章：Richard Quinnell
AIT似乎在这里留下来，下一个发展逐步 - 与加工一样 - 将成为关键市场的专业设备。
人工智能(AI)和物联网的技术趋势已经开始融合，这一趋势被业界称为物联网人工智能(AIoT)。人工智能从云端移动到边缘，为阻碍物联网在关键市场更广泛应用的带宽和安全问题提供了解决方案。如果技术发展的历史是未来的可靠指南，那么这种融合在未来几年内至少还将经历两个阶段。
物联网最近引起了人们极大的兴趣，但对于许多应用来说，出现了两个重大问题。一个是安全;从物联网设备流过网络的数据以及对设备本身的控制在很大程度上依赖于抵御网络攻击的足够安全。由于威胁不断演变，变得越来越严重，安全问题需要物联网开发人员不断提高警惕并加以缓解。与此同时，由于自身系统和数据的安全性存在不确定性，许多潜在用户一直没有大举投入物联网技术的使用。
限制物联网采用的第二个问题是将数据发送到云端进行处理所需的带宽。随着安装的设备数量的增加和涉及的数据量的增加，物联网部署正在成为带宽资源和数据收集所涉及的成本的约束。随着人工智能成为从所有数据中提取价值的一个越来越重要的元素，这变得更加令人担忧。
AI在数据处理中的重要性大大增加，因为传统的数据处理技术变得越来越繁琐。开发和编码有效算法从数据量中提取有用信息需要时间和应用程序专业知识，许多潜在的用户缺乏。它还可以导致易于维护和修改的脆弱软件，因为需要改变。AI，特别是机器学习（ML），允许处理器根据培训开发其自己的算法，以达到所需的结果，而不是根据专家分析和软件开发来实现所需的结果。此外，通过额外的训练，可以容易地适应新要求的AI算法。
最近AI走向边缘的趋势是将这两种技术结合在一起。从物联网数据中提取信息目前主要发生在云端，但如果大部分或全部信息可以在本地提取，带宽和安全问题就不那么重要了。随着AI在物联网设备中运行，几乎不需要通过网络发送大量原始数据;只需要传达简洁的结论。由于通信流量少，网络安全性更容易增强和维护。本地人工智能甚至可以通过检查进入的交通是否有被篡改的迹象来帮助提高设备的安全性。
图1工业机械的预测维护是一个应用程序，即AI和IOT的合并将看到增加的进化。（来源：Morguefile.com - Kevin Connors）
Aiot看起来遵循类似于20世纪80年代的微处理器的方式的开发路径。处理开始作为单独的设备处理不同的任务：通用处理器，内存，串行接口外设，并行接口外设等。这些最终将设备任务集成到单片机中，然后进化到针对特定应用的专业微控制器。Aiot期待遵循同一个路径。
目前，AIoT设计使用的是带有通用AI加速和AI中间件的处理器。使用AI加速的处理器也开始亮相。如果历史将重复，则AIT的下一阶段将成为针对特定应用程序量身定制的AI增强处理器的演变。
为了使一个定制设备在经济上可行，它需要解决一系列与主题相关的应用程序的共同需求。这样的应用已经开始变得可见。一个这样的主题是预测性维护。人工智能和工业机械上的物联网传感器正在帮助用户识别振动和当前消费的异常模式，这些都是设备故障的前兆。将AI置于传感器设备的本地的好处包括减少数据带宽和延迟，以及将设备响应与其网络连接隔离开来的能力。一种专门的预测性维护AIoT设备将服务于一个巨大的市场。
第二个主题是语音控制。Siri和Alexa等语音助手的普及具有备注消费者以各种设备要求语音控制能力。专用语音控制AIT设备将有助于解决带宽和延迟问题，并帮助确保在不稳定的连接期间的功能。这种设备的潜在用途的数量是惊人的。
有专门的AIT设备还有其他潜在的主题来解决。工业安全和建筑管理的环境感官是一个。化学过程控制是另一个。汽车系统自治是第三个。识别特定目标的相机是第四个。毫无疑问，更多意外。
AIoT似乎将继续存在下去，而下一步的发展——与加工技术一样——将是为关键市场发展专门的设备。除此之外，该行业很有可能发展出可配置的AI加速器，可以根据其应用量身定制，从而使AIoT的好处能够有效地惠及更多、更小的市场。
仍有许多技术挑战仍然需要克服。设备尺寸和功耗始终在边缘发出问题，并且AI需要更多地解决它们。开发工具可以在使用AI时更简化应用程序开发工作。和开发人员需要了解有关AI的更多信息，作为应用程序开发的替代方法。但如果历史是任何指导，那么这些挑战将会很快克服。
本文最初发布edn.。
丰富的Quinnell.退休工程师兼作家，曾任EDN总编辑。
相关文章：