物聯(lián)網(wǎng)和人工智能是科技界最熱門的兩個話題，這也是企業(yè)技術(shù)人員必須了解它們的原因。這兩項(xiàng)技術(shù)可以高度共生，但最大的機(jī)遇可能在于將它們結(jié)合起來使用，因此，規(guī)劃如何讓它們相互支持，使企業(yè)用戶受益至關(guān)重要。

　　什么是物聯(lián)網(wǎng)?

　　物聯(lián)網(wǎng)是由設(shè)備而非人組成的網(wǎng)絡(luò)。物聯(lián)網(wǎng)應(yīng)用通常由感知現(xiàn)實(shí)世界狀況并觸發(fā)操作以某種方式做出響應(yīng)的設(shè)備構(gòu)建而成。通常，響應(yīng)包含影響現(xiàn)實(shí)世界的步驟。

　　一個簡單的例子是傳感器，當(dāng)它被激活時會打開一些燈;然而，許多物聯(lián)網(wǎng)應(yīng)用需要更復(fù)雜的規(guī)則來鏈接觸發(fā)器和控制元素，以實(shí)時管理流程。

　　在物聯(lián)網(wǎng)中，代表觸發(fā)器、操作或命令的消息流經(jīng)通常稱為控制循環(huán)的部分。物聯(lián)網(wǎng)應(yīng)用中接收觸發(fā)器并啟動操作的部分是該循環(huán)的中心點(diǎn)，也是物聯(lián)網(wǎng)規(guī)則所在的位置?？刂蒲h(huán)只是物聯(lián)網(wǎng)應(yīng)用中總信息流的一部分——該部分接收有關(guān)現(xiàn)實(shí)世界過程條件的信息并生成現(xiàn)實(shí)世界的響應(yīng)。

　　大多數(shù)物聯(lián)網(wǎng)應(yīng)用也會生成一些業(yè)務(wù)交易。例如，在倉庫入口處讀取裝運(yùn)清單可能會為駕駛員打開大門(這是一個控制環(huán)路決策)，并生成一個將清單上顯示的貨物收入庫存的交易(這是一個業(yè)務(wù)交易)。

　　控制環(huán)路中做出的決策必須滿足應(yīng)用延遲要求，這通常被稱為控制環(huán)路的長度。

　　控制環(huán)路通常需要簡單的處理來閉合環(huán)路并對事件做出實(shí)際響應(yīng)。輸入代碼打開大門就是一個例子。在其他情況下，決策所需的處理過程會更加復(fù)雜。

　　當(dāng)處理過程必須應(yīng)用更多決策因素時，做出這些決策所需的時間會影響控制環(huán)路的長度以及物聯(lián)網(wǎng)提供預(yù)期功能的能力。

　　例如，在卡車進(jìn)入貨場之前，工作人員掃描清單的延遲半分鐘可能會降低貨場的容量。物聯(lián)網(wǎng)可以讀取清單上的二維碼，并更快地做出必要的決策，從而加快貨物的運(yùn)輸速度。

　　人工智能傳感器可以生成海量數(shù)據(jù)，其中許多數(shù)據(jù)在過程控制中具有直接價值，在業(yè)務(wù)分析和優(yōu)化方面也具有價值。人工智能可以用于這兩種任務(wù)，并且正確使用人工智能可以提高效率和準(zhǔn)確性。但并非所有人工智能都相同，并且并非所有類型的人工智能都適用于特定的控制或分析任務(wù)。

　　什么是人工智能?

　　人工智能是指一類無需人工直接干預(yù)，就能解讀條件并做出決策的應(yīng)用程序，就像人類如何響應(yīng)自身感官一樣。

　　目前，人工智能主要有五種形式，從簡單到近乎機(jī)械的人工智能，再到復(fù)雜到近乎人性化的人工智能：

　　1.簡單或基于規(guī)則的人工智能。這類軟件包含規(guī)則或策略，將觸發(fā)事件與操作關(guān)聯(lián)起來。這些規(guī)則是經(jīng)過編程的，因此有些人可能不認(rèn)為這是一種人工智能。然而，許多人工智能平臺都依賴于這種策略。

　　2.機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)是一種人工智能，應(yīng)用程序通過學(xué)習(xí)行為而非編程實(shí)現(xiàn)行為。學(xué)習(xí)的形式可以是監(jiān)控實(shí)時系統(tǒng)，將人類的反應(yīng)與事件聯(lián)系起來，然后在相同情況發(fā)生時通過分析過去的行為或由專家提供數(shù)據(jù)來重復(fù)這些行為。應(yīng)用程序?qū)＜液蜋C(jī)器學(xué)習(xí)專家也可以共同教授機(jī)器學(xué)習(xí)。目前普遍趨勢是將機(jī)器學(xué)習(xí)規(guī)則集轉(zhuǎn)化為硬件和半導(dǎo)體實(shí)現(xiàn)。

　　3.推理或神經(jīng)網(wǎng)絡(luò)。這些網(wǎng)絡(luò)使用人工智能構(gòu)建一個旨在模擬簡單生物大腦的引擎。引擎根據(jù)對條件的推斷進(jìn)行推理，生成對觸發(fā)器的響應(yīng)。與機(jī)器學(xué)習(xí) (ML) 類似，這項(xiàng)技術(shù)越來越多地應(yīng)用于硬件或芯片系統(tǒng)中的圖像分析和復(fù)雜分析。

　　4.語言模型和代理人工智能。作為神經(jīng)技術(shù)與機(jī)器學(xué)習(xí)的混合體，語言模型和代理人工智能通過分析信息構(gòu)建數(shù)據(jù)集。語言模型通過檢查事物進(jìn)行學(xué)習(xí)，而模型的大小限制了其學(xué)習(xí)和執(zhí)行的復(fù)雜性。生成式人工智能(見下文)是大型語言模型 (LLM) 技術(shù)的一種應(yīng)用，大多數(shù)代理人工智能系統(tǒng)都基于大型或小型語言模型。

　　5.生成式人工智能。由 ChatGPT 推廣的 GenAI 通過檢查數(shù)百萬個在線文檔來構(gòu)建知識庫，然后根據(jù)這些知識和工程師提供的一組規(guī)則回答通俗易懂的查詢。知識庫的廣度和查詢規(guī)則的復(fù)雜性使得這種形式的人工智能看起來像人類，它代表了該領(lǐng)域許多參與者的最新水平。然而，生成式人工智能需要龐大的數(shù)據(jù)中心來運(yùn)行，并需要訓(xùn)練互聯(lián)網(wǎng)規(guī)模的在線文檔。

　　所有這些形式的人工智能都旨在替代人類智能，但隨著按上述順序逐步推進(jìn)，它們表征甚至接近人類智能的能力也會增強(qiáng)。我們也可以根據(jù)人工智能系統(tǒng)向智能發(fā)展的方式對其進(jìn)行分類，如圖 2 所示。大多數(shù)人工智能專家認(rèn)為，當(dāng)前的人工智能技術(shù)水平屬于反應(yīng)型和有限記憶型，而人工智能實(shí)驗(yàn)的目標(biāo)是向自我意識系統(tǒng)邁進(jìn)。大多數(shù)企業(yè)表示，他們的目標(biāo)是中等人工智能類別、有限記憶型和心智理論型。

　　物聯(lián)網(wǎng)和人工智能如何相互支持?

　　在物聯(lián)網(wǎng)中，現(xiàn)實(shí)世界事件會被發(fā)出信號并進(jìn)行處理，以創(chuàng)建適當(dāng)?shù)捻憫?yīng)。簡單來說，任何使用軟件對觸發(fā)事件生成響應(yīng)的物聯(lián)網(wǎng)應(yīng)用至少是人工智能的一種基本形式，因此人工智能對物聯(lián)網(wǎng)至關(guān)重要。

　　對于物聯(lián)網(wǎng)用戶和開發(fā)者來說，問題不在于是否使用人工智能，而在于人工智能在多大程度上可以支持物聯(lián)網(wǎng)應(yīng)用。這取決于物聯(lián)網(wǎng)支持的現(xiàn)實(shí)世界系統(tǒng)的復(fù)雜性和多變性，以及正在考慮的具體人工智能類型。

　　為了回答這個問題，我們將探討三種最常見且前景較大的人工智能任務(wù)：增強(qiáng)控制回路處理、支持更復(fù)雜的現(xiàn)實(shí)世界活動，以及將物聯(lián)網(wǎng)從傳統(tǒng)的控制回路擴(kuò)展到業(yè)務(wù)管理。

　　簡單的人工智能規(guī)則增強(qiáng)物聯(lián)網(wǎng)優(yōu)勢

　　物聯(lián)網(wǎng)控制應(yīng)用程序會根據(jù)傳感器或其他物聯(lián)網(wǎng)設(shè)備創(chuàng)建的物聯(lián)網(wǎng)事件創(chuàng)建操作。簡單的、基于規(guī)則的物聯(lián)網(wǎng)會說：“如果按下觸發(fā)開關(guān)，則打開燈A”，而更復(fù)雜的演進(jìn)可能會說：“如果按下觸發(fā)開關(guān)，并且天黑了，則打開燈A”。第二種形式代表事件(觸發(fā)開關(guān))識別和狀態(tài)(天黑)識別。程序員使用狀態(tài)/事件表來描述如何在多種狀態(tài)下解釋一系列事件，但這僅在易于識別的狀態(tài)數(shù)量有限的情況下才有效。

　　人工智能可以通過多種方式為基于規(guī)則的物聯(lián)網(wǎng)應(yīng)用增值：

　　1.人工智能可以使用多種信息源來確定狀態(tài)，例如某個空間當(dāng)前是否有人占用、是否陰天以至于正常陽光無法提供照明、是周末還是節(jié)假日等等。這種精細(xì)化操作可以提升應(yīng)用的實(shí)用性。

　　2.人工智能可以根據(jù)物聯(lián)網(wǎng)識別的多種條件采取行動。例如，它可以讀取車輛上的二維碼、條形碼或RFID標(biāo)簽，并分析駕駛員的面部和/或語音，以決定是否打開倉庫卡車的出入口。它還可以評估特定的送貨或提貨是否存在任何異常，并提醒相關(guān)人員進(jìn)行干預(yù)。

　　3.人工智能對音頻和視頻信息的分析可用于從現(xiàn)實(shí)世界的傳感數(shù)據(jù)中生成物聯(lián)網(wǎng)事件。運(yùn)動和人體檢測已經(jīng)是視頻分析應(yīng)用的常見示例，語音識別和說話人關(guān)聯(lián)也可以通過個性化操作為基于規(guī)則的物聯(lián)網(wǎng)增值。

　　4.人工智能可以檢查大量物聯(lián)網(wǎng)傳感器的狀態(tài)，并確定這些傳感器的組合是否代表先前被識別為故障或風(fēng)險的狀況，并采取適當(dāng)?shù)拇胧＿@已經(jīng)在公共事業(yè)和交通運(yùn)輸垂直領(lǐng)域得以實(shí)現(xiàn)，因?yàn)檫@些領(lǐng)域的整體系統(tǒng)健康狀況基于太多變量，難以進(jìn)行人工分析。

　　5.人工智能可以將設(shè)施的狀態(tài)與環(huán)境條件和業(yè)務(wù)活動相結(jié)合。例如，它可以控制照明和暖通空調(diào)系統(tǒng) (HVAC)，不僅響應(yīng)當(dāng)前狀況，還可以響應(yīng)需要特殊響應(yīng)的事件。例如，一組車輛到達(dá)倉庫時，可能會將設(shè)施與外部空氣接觸，因此需要不同的暖通空調(diào)設(shè)置。同樣，裝卸車輛所需的照明可能與無需裝卸的車輛不同。

　　所有這些操作都可以使用新的物聯(lián)網(wǎng)編程來實(shí)現(xiàn)，但一個專門設(shè)計并可根據(jù)需要進(jìn)行修改的人工智能模型(現(xiàn)在通常稱為基礎(chǔ)模型)可以處理更高級別的復(fù)雜性，而無需進(jìn)行程序開發(fā)。

　　大多數(shù)基于規(guī)則的人工智能應(yīng)用都基于簡單模型，包括推理人工智能和機(jī)器學(xué)習(xí)。這些應(yīng)用具有自主性，因?yàn)樗鼈儾恍枰斯けO(jiān)督，也不需要以協(xié)助或建議人類的方式運(yùn)行。它們僅限于處理連接物聯(lián)網(wǎng)事件和待觸發(fā)操作的控制回路。物聯(lián)網(wǎng)中更先進(jìn)、更復(fù)雜的人工智能任務(wù)也正在涌現(xiàn)。

　　物聯(lián)網(wǎng)應(yīng)用中的人工智能助手和代理

　　人工智能的語言模型形式目前處于人工智能應(yīng)用的前沿，也是人工智能在物聯(lián)網(wǎng)中的特定用例。大型和小型語言模型 (SLM) 幾乎可以像專家或?qū)T一樣工作，生成藝術(shù)作品、音樂、視頻、報告甚至編程代碼。廣義的語言模型 (LLM) 超出了企業(yè)通常自行部署的范圍，因此需要云托管。這引起了企業(yè)基于數(shù)據(jù)主權(quán)和安全方面的抵制。

　　LLM的主要應(yīng)用以及SLM日益增長的應(yīng)用是使用聊天機(jī)器人取代呼叫中心代理執(zhí)行客戶支持和產(chǎn)品購買協(xié)助任務(wù)。人們越來越有興趣整合來自電信或公用事業(yè)基礎(chǔ)設(shè)施系統(tǒng)的物聯(lián)網(wǎng)數(shù)據(jù)，以支持這些垂直領(lǐng)域的任務(wù)。

　　使用SLM、預(yù)訓(xùn)練的基礎(chǔ)模型和方案將用戶數(shù)據(jù)引入檢索增強(qiáng)生成，可以顯著降低模型托管和訓(xùn)練成本，從而使自托管變得切實(shí)可行。這引發(fā)了人們對代理人工智能 (Agentic AI) 的興趣，因?yàn)槠髽I(yè)保留了數(shù)據(jù)控制權(quán)，而自托管的代理人工智能可以部署在工業(yè)流程中，使其成為支持此類物聯(lián)網(wǎng) (IoT) 的可行方法。代理人工智能還允許將多個簡單規(guī)則的物聯(lián)網(wǎng)應(yīng)用程序整合到一個更高級別的人工智能實(shí)體下，從而支持復(fù)雜的現(xiàn)實(shí)世界活動。

　　代理人工智能在物聯(lián)網(wǎng)中的應(yīng)用包括：

　　1.智能設(shè)施，甚至智慧城市，在這些智能設(shè)施中，經(jīng)過精心設(shè)計的人工智能代理集合相互關(guān)聯(lián)，共同控制整個環(huán)境。

　　2.自動駕駛汽車，例如用于貨物和人員運(yùn)輸系統(tǒng)的自動駕駛汽車，以及越來越多地用于控制無人機(jī)和無人機(jī)群的自動駕駛汽車;一些業(yè)內(nèi)人士甚至提出使用代理人工智能來增強(qiáng)空中交通管制。

　　3.軍事應(yīng)用，用于陸海空戰(zhàn)爭和后勤——同樣，也包括無人機(jī)和無人機(jī)群的指揮。

　　4.工業(yè)自動化，適用于所有形式的制造業(yè)。

　　5.醫(yī)療保健，用于患者監(jiān)護(hù)、診斷性血液檢測結(jié)果讀取和影像學(xué)檢查。

　　6.人工智能增強(qiáng)型公用事業(yè)和網(wǎng)絡(luò)運(yùn)營系統(tǒng)，可以為人類專家提供診斷信息，并在出現(xiàn)問題時提出補(bǔ)救措施建議。

　　超越控制環(huán)路的物聯(lián)網(wǎng)

　　大多數(shù)企業(yè)物聯(lián)網(wǎng)應(yīng)用，包括卡車抵達(dá)倉庫的示例，都具有超越訪問授權(quán)控制環(huán)路的維度。例如，可以考慮以下問題：

　　卡車是否正在裝載或卸載?

　　是否晚點(diǎn)了?

　　是否還有其他任務(wù)需要安排或重新安排?

　　這些問題無需實(shí)時解答，但必須得到解答才能完成與卡車到達(dá)相關(guān)的一系列業(yè)務(wù)流程——這些流程目前由傳統(tǒng)核心業(yè)務(wù)交易應(yīng)用程序支持。

　　公有云提供商提供的 API 可以將 AI 模型鏈接到數(shù)據(jù)庫或傳統(tǒng)應(yīng)用程序工作流。許多 AI 工具還提供協(xié)調(diào)多個相關(guān)任務(wù)的能力，其中一些任務(wù)可以通過 AI 實(shí)現(xiàn)。所有這些都有助于物聯(lián)網(wǎng)更好地融入業(yè)務(wù)流程，打造一個近乎智能的企業(yè)，就像集成物聯(lián)網(wǎng)模型打造智慧城市一樣。通過利用來自所有實(shí)際活動的數(shù)據(jù)來構(gòu)建企業(yè)狀態(tài)愿景，可以顯著提高業(yè)務(wù)運(yùn)營效率。

　　物聯(lián)網(wǎng)應(yīng)用中的人工智能挑戰(zhàn)

　　企業(yè)普遍對 AI 和物聯(lián)網(wǎng)持樂觀態(tài)度，但以下三個問題可能會阻礙應(yīng)用的發(fā)展：

　　1.人工智能模型，尤其是 LLM 模型，容易因訓(xùn)練數(shù)據(jù)被誤解而產(chǎn)生幻覺。此外，無意中使用 AI 生成的數(shù)據(jù)來訓(xùn)練 AI 模型可能會造成數(shù)據(jù)污染。這些錯誤阻礙了 AI 在真正自主的應(yīng)用中的應(yīng)用，但即使是人工監(jiān)督也無法完全發(fā)現(xiàn)這些問題。

　　2.對于大多數(shù)實(shí)際的AIoT應(yīng)用來說，使用公司特定數(shù)據(jù)訓(xùn)練AI至關(guān)重要，但這些數(shù)據(jù)通常受到嚴(yán)格的安全和治理限制，因此需要自行托管。構(gòu)建運(yùn)行AI模型的基礎(chǔ)設(shè)施成本高昂，并且需要就業(yè)市場上不易獲得的技能。

　　3.人工智能處理(尤其是語言模型)可能需要時間，從而產(chǎn)生控制回路延遲，威脅應(yīng)用程序管理實(shí)時流程的能力。這在工業(yè)物聯(lián)網(wǎng)中尤其如此。在延遲至關(guān)重要的情況下，機(jī)器學(xué)習(xí)和SLM可能是首選。

　　結(jié)論

　　盡管物聯(lián)網(wǎng)旨在提高生產(chǎn)力并減少人工工作，但它并不能消除對人類判斷和決策的需求。這正是AI可以介入并改進(jìn)物聯(lián)網(wǎng)系統(tǒng)的地方，前提是AI的能力要高于基于規(guī)則的物聯(lián)網(wǎng)編程和控制器，并且AI的使用不會在控制回路中引入延遲，從而影響實(shí)時控制。

　　人工智能發(fā)展如此迅速，以至于很難有效地對新產(chǎn)品和新功能進(jìn)行分類。這使得長期的AI項(xiàng)目規(guī)劃變得復(fù)雜，因?yàn)锳I的變化可能會顯著影響產(chǎn)品選擇，甚至商業(yè)案例。企業(yè)AI專家建議采用模塊化方法，先解決物聯(lián)網(wǎng)應(yīng)用的元素(例如控制回路)，然后再進(jìn)行擴(kuò)展以整合更多信息。