Почему будущее автоматизации за вычислениями в датчиках?

Будущее интеллектуальных машин основывается на новейших инновациях — встроенных технологиях (embedded systems), позволяющих распознавать и обрабатывать данные в реальном времени для более динамичного принятия решений.

Автоматизация, которая раньше была строго запрограммирована и структурирована, эволюционировала таким образом, что машины теперь в режиме реального времени понимают, что происходит в их среде, и могут реагировать на нее разумно, безопасно, надежно и автономно. Технологией, которая позволяет это, является машинное обучение — подмножество искусственного интеллекта — и это превращает машины, которые когда-то были «поварами», в «шеф-поваров». Но давайте будем объективны – они не достаточно хорошие шеф-повара.

По мере развития технологии обработки сигналов и добавления новых возможностей машинного обучения, мы открыли двери для достижений в обнаружении занятости транспортных средств, интуитивного взаимодействия человека с машиной и многого другого без необходимости каждый раз полагаться на облачную обработку.

Например, пограничный интеллект в вашем будущем автомобиле сможет ощутить объект поблизости и классифицировать его как пешехода. Машина извлекает уроки из этого опыта в режиме реального времени и оценивает данные, такие как время отклика между обнаружением объекта и реакции автомобиля, для улучшения этих функций с течением времени.

А когда вы припарковали его в гараже тем же вечером, он подключится к облаку и поделится этими знаниями со всем подключенным автопарком.

Перенос обработки данных с датчиков непосредственно в автомобиль может значительно снизить нагрузку на беспроводные сети и повысить производительность систем

Теперь перенесите эту технологию в поле, где сеялки запрограммированы сеять семена примерно каждые 2.5 см. Так как почва может быть непостоянной, семена иногда не очень хороши — возможно, их нужно сажать глубже или разносить дальше друг от друга. Встроенный интеллект позволяет сеялке анализировать почву на предмет влажности, питательных веществ и других данных до посева семян. Он может предсказать, сколько семян успешно созреет, и данные могут быть загружены в облако, чтобы фермеры могли прогнозировать урожайность.

Обработка данных непосредственно на сельскохозяйственном оборудовании сможет повысить урожайность

Или представьте себе свой будущий опыт покупок: в магазинах, которые находятся на переднем крае автоматизации розничной торговли, покупатели сканируют свой телефон, когда входят. Комбинация камер и встроенных датчиков объединяет товары, помещенные их в корзину, автоматически выставляя счет покупателям, когда они уходят из магазина.

В настоящее время это требует отправки потоков данных из потенциально сотен тысяч хранилищ в облако для обработки с помощью алгоритмов машинного обучения. Это огромный объем данных, которые могут представлять серьезные проблемы. С помощью датчиков и процессоров TI mmWave — высокоинтеллектуальных датчиков, которые объединяют точное принятие решений и обработку в режиме реального времени на одном кристалле — эти данные можно обрабатывать в самом магазине, чтобы уменьшить нагрузку.

Со временем граница между узлом и облаком начнет становиться очень интересной.Как быстро технологии смогут определять приоритеты, какие из множеств данных отправлять в облако быстрее, многократно и последовательно, чтобы обратно получать полезную информацию — будет следующей проблемой, которую необходимо будет решать.

Поскольку мы находимся на переднем крае решений для автоматизации, наши повседневные машины будут продолжать делать нашу жизнь более удобной, эффективной и безопасной.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *