معماری اینترنت اشیا با استفاده از تکنولوژی‌های هوش مصنوعی و رایانش لبه

معماری اینترنت اشیا با استفاده از تکنولوژی‌های هوش مصنوعی و رایانش لبه

با گسترش تجهیزات IoT، حجم داده‌ها بیش از حد افزایش می‌یابد. داده‌های حساس دستگاه‌های IoT با هم جمع می‌شوند و در ابر ذخیره می‌شوند اما با توجه به تأخیر بین مراکز داده و کاربران نهایی، این ترتیب و ترکیب غیرقابل اعتماد می‌شود.

با گسترش تجهیزات IoT، حجم داده‌ها بیش از حد افزایش می‌یابد. داده‌های حساس دستگاه‌های IoT با هم جمع می‌شوند و در ابر ذخیره می‌شوند اما با توجه به تأخیر بین مراکز داده و کاربران نهایی، این ترتیب و ترکیب غیرقابل اعتماد می‌شود. هنگام رسیدگی به نیازهای عملیاتی، سازمانها می‌توانند برای پردازش اطلاعات خود به سرورهای از راه دور متکی باشند. بنابراین، برقراری امنیت اطلاعات در ابر داده‌ها یک مسئله مهم است که بسیاری از شرکت‌ها به دنبال آن هستند. یعنی آنها برای اطمینان از تصمیم‌گیری در زمان واقعی باید داده‌ها را بصورت محلی پردازش کنند، در اصل پردازش سریعتری در ابر داده‌ها باید صورت پذیرد.

هوش مصنوعی (AI) و رایانش لبه (Edge): یک الگوی نوظهور برای کاربردهای IoT

نسل بعدی کارمندان انتظار کشیدن را دوست ندارند. آنها می‌خواهند دستگاه‌ها زودتر از موعد تصمیم بگیرند اما نیاز به پردازش داده‌ها با حداقل تأخیر تنها مسئله نیست. در مورد وسایل نقلیه هوشمند و همچنین بسیاری از کاربردهای پزشکی و صنعتی، نیاز به سیستم‌های IoT برای تصمیم‌گیری خودکار در سریعترین زمان ممکن یک ضرورت است.

فناوری رایانش Edge با این انتظارات مطابقت دارد. این فناوری با جمع‌آوری داده‌های یکپارچه از دستگاه‌های IoT و ذخیره‌سازی، تجزیه‌وتحلیل مرتبط با فرامین را قادر می‌سازد. علاوه بر این از تصمیم‌گیری در زمان واقعی به صورت محلی پشتیبانی می‌کند.

هوش مصنوعی نیز از یک معماری فشرده استفاده می‌کند اما یک روش محاسباتی قدرتمند را ارائه می‌دهد که برای هدایت تصمیم‌گیری محلی با اطلاعات محلی کارآمد است. هرچه یک دستگاه Edge باهوش‌تر باشد، گران‌تر است اما در عین حال می‌تواند مقادیر عظیمی از داده‌ها را به صورت محلی پردازش و ذخیره کند و نیاز به انجام این کار را در جای دیگر کاهش می‌دهد.

بنابراین رایانش Edge برای شرکتهای بین‌المللی کاربرد دارد. طبق پیش‌بینی‌های Tractica، محموله‌های دستگاه‌های هوش مصنوعی Edge از 161.4 میلیون دستگاه در سال 2018 به 2.6 میلیارد واحد تا سال 2025 افزایش می‌یابند.

از جمله دستگاه‌های Edge با قابلیت هوش مصنوعی می‌توان به هدست‌ها، سنسورهای هوشمند اتومبیل، ربات‌های مصرفی و تجاری، هواپیماهای بدون سرنشین و دوربین‌های امنیتی اشاره کرد. همچنین رایانش Edge می‌تواند شامل قدرت پردازش رایانه‌های شخصی و رایانه‌های لوحی، تلفن‌های همراه و بلندگوهای هوشمند نسل بعدی شود. در حال حاضر، شرکت‌های بزرگی نظیر مایکروسافت، گوگل، آمازون و دیگران سرمایه‌گذاری‌های زیادی برای آزمایش راهکارهای رایانش Edge با قابلیت هوش مصنوعی (AI) انجام داده‌اند.

چرا مدل‌های مبتنی بر AI را در دستگاه‌های Edge قرار می‌دهیم؟

دلایل مختلفی برای استفاده از یک مدل محاسبات هوش مصنوعی در سیستم‌های Edge وجود دارد:

1. ارائه پاسخ همزمان و بدون تأخیر:

با پردازش Edge، دیگر نیازی به انتقال داده‌ها به ابر برای پردازش نیست. ازاین‌رو مسئله تأخیر وجود ندارد. این واقعیت تصمیم‌گیری در زمان واقعی یک شرکت را تسریع می‌کند. برای برخی از برنامه‌های کاربردی نظیر نظارت بر هواپیما، تصویربرداری پزشکی، رانندگی هوشمند و سایر موارد، واکنش در زمان واقعی بسیار مهم است زیرا تصمیمات مبتنی بر هوش مصنوعی با توجه به عملکرد زمان واقعی دستگاه‌های IoT گرفته می‌شوند.

2. این عملیات اطمینان بیشتری می‌بخشد:

رایانش لبه کاربران امکان ذخیره، پردازش و استخراج اطلاعات از داده‌های محلی را می‌دهد. تصميمات سريع در مورد فرايندها، عمليات، بهداشت و نظارت دستگاه و ساير متغيرها را می‌توان بدون مسئله اتصال به صورت يكپارچه اتخاذ کرد. با داشتن اطلاعات از زمان واقعی رایانش لبه، AI می‌تواند با جلوگیری از خرابی ناگهانی دستگاه، فرایندهای مداوم را تضمین کند. علاوه بر این پارامترهایی که شناسایی لازم را برای نگهداری پیش‌بینی می‌کنند در IoT ادغام می‌شوند.

3. با افزایش مدیریت ریسک، امنیت بیشتری تضمین می‌شود:

با اجتناب از تهدیدات امنیتی ابر، رایانش Edge داده‌های حساس را در اکوسیستم محلی IT نگه می‌دارند. علاوه بر این یک راهکار به همراه هوش مصنوعی می‌تواند ناهنجاری‌های موجود در شبکهEdge را تشخیص دهد. اگر مهاجمان سایبری سعی کنند با هدف قرار دادن دستگاه‌های IoT به شبکه دسترسی پیدا کنند، مدافعان می‌توانند به سرعت آنها را سرکوب کنند. تجزیه‌وتحلیل ریسک مبتنی بر هوش مصنوعی، تمام نقاط احتمالی ورود مهاجمان سایبری را مشخص می‌کند و به صورت فعال برنامه‌هایی را برای کاهش مشکلات امنیتی ایجاد می‌کند.

کلام آخر

پیش از این برنامه‌های قدرتمند هوش مصنوعی نیاز به یک مرکز داده گسترده و گران‌قیمت داشتند تا بتواند عملکردی مناسبی داشته باشد اما یک دستگاه رایانش Edge با قابلیت هوش مصنوعی می‌تواند عملاً در هر نقطه وجود داشته باشد. این واقعیت به این معنی نیست که رایانش لبه جایگزینی برای محاسبات ابری خواهد بود. بااینکه دنیای دیجیتال به هم پیوسته‌تر می‌شود ، هوش در زمان واقعی به لبه تغییر می‌کند. غیرقابل انکار است که هوش مصنوعی فرصت‌های بی‌پایانی را ارائه می‌دهد که می‌تواند به مؤسسات کمک کند تا کارایی بیشتری داشته باشند و بهره‌وری را افزایش دهند.