Las 3 etapas del desarrollo de AIoT

Las 3 etapas del desarrollo de AIoT

Si bien AIoT se ha convertido en la salida para el desarrollo tecnológico de la industria, su desarrollo experimentará tres etapas: inteligencia autónoma, inteligencia interconectada e inteligencia activa.

En la primera etapa, la etapa inteligente autónoma, el sistema autónomo debe detectar, reconocer y comprender con precisión diversas instrucciones del usuario, como voz, gestos, etc., y tomar decisiones, ejecuciones y comentarios correctos. En este proceso, no existe una conexión mutua entre los equipos.

La segunda etapa de la etapa de inteligencia interconectada utiliza computación centralizada en la nube o en el borde para controlar múltiples terminales (perceptrones) para formar una matriz de productos interconectados, rompiendo el efecto isla de la inteligencia independiente y actualizando y optimizando continuamente los escenarios de experiencia inteligente. Cuando el usuario dice "modo de suspensión" al aire acondicionado del dormitorio por la noche, el televisor, los parlantes, las cortinas y las luces de la sala de estar se apagan automáticamente.

En la tercera etapa, la etapa de inteligencia activa, el sistema inteligente aprende por sí mismo y proporciona de manera proactiva servicios adecuados para los usuarios en función de diversos datos, como las preferencias de comportamiento del usuario, los retratos del usuario y el entorno. Por ejemplo, cuando la luz cambia por la mañana, las cortinas se abren lentamente de forma automática, la caja de sonido suena con una agradable música para despertarse y el aire acondicionado se ajusta para adaptarse a la temperatura durante el día.

El desarrollo de AIoT aún enfrenta muchos desafíos, incluidos cuatro aspectos: potencia informática, algoritmos, compatibilidad de plataformas y seguridad.

El primero es la capacidad de procesamiento. La capacidad de procesamiento de los ordenadores comunes es limitada y, a menudo, se necesitan semanas o meses para entrenar un modelo que la utilice. El uso intensivo y frecuente de recursos informáticos de alta velocidad se enfrenta a presiones de costes;

El segundo es el algoritmo. El entrenamiento de la IA requiere mucho tiempo. En la actualidad, se necesitan varias semanas para entrenar solo algunos reconocimientos simples. Ante la riqueza de los escenarios de aplicación futuros, es necesario mejorarlo a nivel de algoritmo. Además, el algoritmo básico es muy complejo y los desarrolladores de empresas que lo aplican no tienen las capacidades suficientes.

El tercer aspecto es la compatibilidad de las plataformas. Los productos de Internet de las cosas están fragmentados y existe una falta de coordinación entre los ecosistemas de las distintas empresas de IA. La potencia informática local, las capacidades de conexión a la red y la incompatibilidad entre plataformas requieren la implementación de algoritmos en el marco de una gran cantidad de cosas. Existen muchos problemas con la implementación a gran escala en dispositivos en red;

El cuarto es la seguridad. La exactitud de la toma de decisiones de la inteligencia artificial se ve afectada por la precisión de los datos del IoT. La estructura de análisis de la IA aún carece de interpretabilidad. El AIoT aún corre el riesgo de ser atacado y convertirse en un IoT zombi.