什么是物联网？

物联网是一个由设备而不是人组成的网络。物联网应用程序通常由感知现实世界条件的设备构建，然后触发动作以以某种方式做出响应。通常，响应包括影响现实世界的步骤。一个简单的例子是传感器，当激活时，它会打开一些灯，但许多物联网应用需要更复杂的规则来链接触发器和控制元素以实时管理流程。

表示 IoT 中的触发器和操作或命令的消息流经通常称为控制循环的内容。IoT 应用程序中接收触发器并启动操作的部分是该循环的中心点，也是 IoT 规则所在的位置。

控制回路只是物联网应用中总信息流的一部分，即接收有关真实过程条件的信息并生成真实世界响应的部分。大多数物联网应用程序还生成一些业务交易。例如，在仓库入口处读取装运清单可能会为驾驶员打开大门 - 控制循环决策 - 并生成一个事务以将清单上表示的货物接收到库存中 - 业务交易。在控制环路中做出的决策必须满足应用程序延迟要求，这通常称为控制环路的长度。

通常，控制环路只需要简单的处理即可闭合环路并创建对事件的真实响应。输入密码打开大门就是一个例子。在其他情况下，决定所需的处理更为复杂。当处理必须应用更多决策因素时，做出这些决策所需的时间可能会影响控制环路的长度以及物联网提供预期功能的能力。例如，让工人在允许卡车进入货场之前扫描清单的半分钟延迟可能会减少货场容量。物联网可以读取清单上的二维码，并更快地做出必要的决策，从而加快货物的流动速度。

人工智能传感器可以创建堆积如山的数据，其中大部分在过程控制方面具有直接价值，在业务分析和优化方面具有价值。人工智能可以用于这两个任务，正确使用人工智能可以提高效率和准确性。但并非所有人工智能都是一样的，也不是所有类型都适用于给定的控制或分析任务。图 1 说明了 IoT 应用程序的元素及其与其他业务应用程序的关系。

什么是人工智能？

人工智能是一类解释条件并做出决策的应用程序，例如人们对感官的反应方式，而无需直接的人工干预。目前使用的人工智能有四种广泛的形式，从简单和几乎机械到复杂和几乎人类：

简单或基于规则的 AI 是具有将触发事件与操作相关联的规则或策略的软件。这些规则是经过编程的，所以有些人可能不认为这是人工智能的一种形式。然而，许多人工智能平台都依赖于这种策略。

机器学习 （ML） 是 AI 的一种形式，其中应用程序学习行为而不是对其进行编程。学习可以采取监控实时系统的形式，将人类对事件的反应联系起来，然后在发生相同条件时通过分析过去的行为或让专家提供数据来重复它们。推理或神经网络使用人工智能来构建一个引擎，该引擎旨在模仿简单的生物大脑，并根据引擎推断的条件进行推理，从而产生对触发器的反应。如今，这项技术最常应用于图像分析和复杂分析。

由 ChatGPT 推广的生成式人工智能通过检查数百万个在线文档来构建知识库，然后根据这些知识和工程师提供的一组规则回答通俗易懂的查询。知识库的广度和管理查询的规则的复杂性可以使这种形式的人工智能看起来像人类，它代表了该领域许多参与者的最新技术。

所有这些形式的人工智能都是为了代表人类智能而设计的，但是当你按照上面的顺序通过这四种智能时，它们代表甚至接近人类智能的能力会更强。还可以根据AI系统向智能发展的方式对其进行分类，如图2所示。大多数人工智能专家会说，人工智能艺术的当前状态，以及上面列出的所有当前人工智能形式，属于最左边的两种类型，人工智能实验的目标是向右推进。

物联网和人工智能如何相互支持？

在物联网中，真实世界的事件被发出信号并进行处理，以创建适当的响应。简单来说，任何使用软件生成对触发事件响应的物联网应用程序至少是人工智能的一种基本形式，而人工智能对物联网至关重要。物联网用户和开发人员的问题不是是否使用AI，而是AI可以走多远。这取决于物联网支持的实际系统的复杂性和可变性。

简单的、基于规则的人工智能会说，“如果按下触发开关，打开灯A”，更复杂的进化可能会说，“如果按下触发开关，而且它是黑暗的，打开灯A。这不仅表示事件（触发开关）识别，还表示状态（黑暗）识别。程序员使用状态/事件表来描述如何在多个状态下解释一系列事件，但这仅在可以轻松识别的状态数量有限时才有效。

推理 AI 机制、ML 和生成 AI 的应用需要知识来源以及规则集。通常，物联网中的控制回路应用除了ML之外几乎没有其他用途，原因很简单，执行更复杂的分析所需的时间超出了所需的响应时间范围。

相当简单的AI工具可以增强控制回路。参考卡车到达仓库并存储货物的例子，简单的人工智能可以为驾驶员提供一种输入代码以通过安全门的方法。这将消除雇用工人进入大门的成本。也可以读取车辆本身的条形码或RFID标签，并允许在不输入代码的情况下访问。这将允许卡车继续行驶，因为它的进入权得到了验证，进一步加快了这一过程。分析提单可以在指导卡车方面提供更大的好处，对卸载和/或装载车辆所需的资源和时间的人工智能分析也可能有利于更有效地移动货物。

如果必须分析更多条件来确定对 IoT 事件的响应，则该过程超出了简单 AI 应用程序的功能范围。如果“天黑”的状态被一种叫做“我需要更多的光”的状态所取代，并且物联网系统不是对特定的触发开关做出反应，而是对一个人试图执行的任务做出反应，那么简单的人工智能是不够的。

在这种情况下，机器学习形式的人工智能可能会监控一卡车货物到达仓库的情况。随着时间的推移，它可以了解驾驶员和工人何时需要更多的光线，并在不需要人员采取行动的情况下激活开关。或者，专家可以执行预期的任务，并在适合更多光线时教授软件。然后，AI和ML软件将消除程序员构建每个物联网应用程序的需要。

在人工智能的推理形式中，物联网应用程序试图收集尽可能多的信息，模仿一个人的感知。然后，它应用推理规则，例如“人们不能在光照水平低于x的地方工作”，并根据感知的条件和这些规则的应用，决定打开灯。这种级别的 AI 和控制回路应用中的生成 AI 面临的挑战是它们可能引入的延迟。通常，最好尝试将分析步骤与控制回路步骤分开。

基于推理的人工智能需要更复杂的软件来收集条件并定义推理规则，但它可以在不经过编程的情况下响应更广泛的条件。相同级别的推理处理可以确定是否应该分配额外的工人卸货，因为货物急需，工作落后于计划，或者仅仅是因为有工人可用。所有这些都可以改善货物的流动以及我们仓库示例中卡车司机和仓库人员的整体效率，并可能为其他特派团带来类似的好处。

超越控制回路的人工智能

大多数控制回路元素只需要简单的规则，开发可能更像编程而不是人工智能工程。检查历史数据以做出决策的物联网应用更有可能与规划相关，而不是与实时过程控制相关，对于这些应用，更复杂的人工智能工具，包括推理引擎和生成人工智能，可能是合适的。

虽然有很多关于生成式人工智能价值的文章，但大多数是基于使用利用互联网知识库的工具，而不是私人用户收集的数据。由于后者最有可能在物联网应用中有价值，因此当前的生成式人工智能故事可能无法评估这些工具在物联网中是否有价值。事实上，可能很难区分与本地创建的知识库一起使用的生成 AI 工具与已经在分析中普遍使用的 ML 或推理 AI 工具。潜在用户应该牢记这一点，并确保他们不会对市场炒作做出更多的反应，而不是对采用生成式人工智能进行物联网任务的真正好处做出更多的反应。

结论

物联网是关于使用计算机工具来自动化现实世界的过程，并且像所有自动化任务一样，它有望减少对人类直接参与的需求。虽然物联网旨在减少人类的工作，但它并没有消除对人类判断和决策的需求。这就是人工智能可以介入并显着改善物联网系统的地方，前提是人工智能工具的功能比简单的物联网编程和控制器有所进步，并且人工智能的使用不会在控制回路中引入可能损害实时控制的延迟。

随着人工智能的改进，这意味着它更接近于模仿人类的能力，它可以对物联网应用做出的贡献将大大扩展。由于该领域发展迅速，物联网用户应密切关注人工智能的发展，并关注新的机会和共生关系。

文章作者：Tom Nolle

原文标题：AI and IoT: How do the internet of things and AI work together?

原文链接：https://www.techtarget.com/iotagenda/tip/AI-and-IoT-How-do-the-internet-of-things-and-AI-work-together

发表时间：2023年6月