物聯(lián)網(wǎng)和人工智能是科技界最熱門(mén)的兩個(gè)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(lái)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(gè)簡(jiǎn)單的例子是傳感器，當(dāng)它被激活時(shí)會(huì)打開(kāi)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(lái)鏈接觸發(fā)器和控制元素，以實(shí)時(shí)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(dòng)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(guò)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(huì)生成一些業(yè)務(wù)交易。例如，在倉(cāng)庫(kù)入口處讀取裝運(yùn)清單可能會(huì)為駕駛員打開(kāi)大門(mén)(這是一個(gè)控制環(huán)路決策)，并生成一個(gè)將清單上顯示的貨物收入庫(kù)存的交易(這是一個(gè)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(zhǎng)度。

　　控制環(huán)路通常需要簡(jiǎn)單的處理來(lái)閉合環(huán)路并對(duì)事件做出實(shí)際響應(yīng)。輸入代碼打開(kāi)大門(mén)就是一個(gè)例子。在其他情況下，決策所需的處理過(guò)程會(huì)更加復(fù)雜。

　　當(dāng)處理過(guò)程必須應(yīng)用更多決策因素時(shí)，做出這些決策所需的時(shí)間會(huì)影響控制環(huán)路的長(zhǎng)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(chǎng)之前，工作人員掃描清單的延遲半分鐘可能會(huì)降低貨場(chǎng)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(guò)程控制中具有直接價(jià)值，在業(yè)務(wù)分析和優(yōu)化方面也具有價(jià)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(wú)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(jiǎn)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(jiǎn)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(lái)。這些規(guī)則是經(jīng)過(guò)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(tái)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(guò)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(shí)系統(tǒng)，將人類的反應(yīng)與事件聯(lián)系起來(lái)，然后在相同情況發(fā)生時(shí)通過(guò)分析過(guò)去的行為或由專家提供數(shù)據(jù)來(lái)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(shì)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(gè)旨在模擬簡(jiǎn)單生物大腦的引擎。引擎根據(jù)對(duì)條件的推斷進(jìn)行推理，生成對(duì)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(lái)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(yǔ)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(yǔ)言模型和代理人工智能通過(guò)分析信息構(gòu)建數(shù)據(jù)集。語(yǔ)言模型通過(guò)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(jiàn)下文)是大型語(yǔ)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(yǔ)言模型。

　　5.生成式人工智能。由 ChatGPT 推廣的 GenAI 通過(guò)檢查數(shù)百萬(wàn)個(gè)在線文檔來(lái)構(gòu)建知識(shí)庫(kù)，然后根據(jù)這些知識(shí)和工程師提供的一組規(guī)則回答通俗易懂的查詢。知識(shí)庫(kù)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(lái)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(lái)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(huì)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(duì)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(shí)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(huì)被發(fā)出信號(hào)并進(jìn)行處理，以創(chuàng)建適當(dāng)?shù)捻憫?yīng)。簡(jiǎn)單來(lái)說(shuō)，任何使用軟件對(duì)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(duì)物聯(lián)網(wǎng)至關(guān)重要。

　　對(duì)于物聯(lián)網(wǎng)用戶和開(kāi)發(fā)者來(lái)說(shuō)，問(wèn)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(gè)問(wèn)題，我們將探討三種最常見(jiàn)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(dòng)，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(jiǎn)單的人工智能規(guī)則增強(qiáng)物聯(lián)網(wǎng)優(yōu)勢(shì)

　　物聯(lián)網(wǎng)控制應(yīng)用程序會(huì)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(jiǎn)單的、基于規(guī)則的物聯(lián)網(wǎng)會(huì)說(shuō)：“如果按下觸發(fā)開(kāi)關(guān)，則打開(kāi)燈A”，而更復(fù)雜的演進(jìn)可能會(huì)說(shuō)：“如果按下觸發(fā)開(kāi)關(guān)，并且天黑了，則打開(kāi)燈A”。第二種形式代表事件(觸發(fā)開(kāi)關(guān))識(shí)別和狀態(tài)(天黑)識(shí)別。程序員使用狀態(tài)/事件表來(lái)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(shí)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(guò)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(lái)確定狀態(tài)，例如某個(gè)空間當(dāng)前是否有人占用、是否陰天以至于正常陽(yáng)光無(wú)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(shí)別的多種條件采取行動(dòng)。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(yǔ)音，以決定是否打開(kāi)倉(cāng)庫(kù)卡車的出入口。它還可以評(píng)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(duì)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(dòng)和人體檢測(cè)已經(jīng)是視頻分析應(yīng)用的常見(jiàn)示例，語(yǔ)音識(shí)別和說(shuō)話人關(guān)聯(lián)也可以通過(guò)個(gè)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(shí)別為故障或風(fēng)險(xiǎn)的狀況，并采取適當(dāng)?shù)拇胧?。這已經(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(dòng)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(cāng)庫(kù)時(shí)，可能會(huì)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(wú)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(lái)實(shí)現(xiàn)，但一個(gè)專門(mén)設(shè)計(jì)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(jí)別的復(fù)雜性，而無(wú)需進(jìn)行程序開(kāi)發(fā)。

　　大多數(shù)基于規(guī)則的人工智能應(yīng)用都基于簡(jiǎn)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(yǔ)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(yǔ)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(lè)、視頻、報(bào)告甚至編程代碼。廣義的語(yǔ)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(zhǎng)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(gòu)買協(xié)助任務(wù)。人們?cè)絹?lái)越有興趣整合來(lái)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(duì)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(gè)簡(jiǎn)單規(guī)則的物聯(lián)網(wǎng)應(yīng)用程序整合到一個(gè)更高級(jí)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(dòng)。

　　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(guò)精心設(shè)計(jì)的人工智能代理集合相互關(guān)聯(lián)，共同控制整個(gè)環(huán)境。

　　2.自動(dòng)駕駛汽車，例如用于貨物和人員運(yùn)輸系統(tǒng)的自動(dòng)駕駛汽車，以及越來(lái)越多地用于控制無(wú)人機(jī)和無(wú)人機(jī)群的自動(dòng)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(lái)增強(qiáng)空中交通管制。

　　3.軍事應(yīng)用，用于陸?？諔?zhàn)爭(zhēng)和后勤——同樣，也包括無(wú)人機(jī)和無(wú)人機(jī)群的指揮。

　　4.工業(yè)自動(dòng)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(cè)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(yíng)系統(tǒng)，可以為人類專家提供診斷信息，并在出現(xiàn)問(wèn)題時(shí)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(cāng)庫(kù)的示例，都具有超越訪問(wèn)授權(quán)控制環(huán)路的維度。例如，可以考慮以下問(wèn)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(wèn)題無(wú)需實(shí)時(shí)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(kù)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(gè)相關(guān)任務(wù)的能力，其中一些任務(wù)可以通過(guò) 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(gè)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(guò)利用來(lái)自所有實(shí)際活動(dòng)的數(shù)據(jù)來(lái)構(gòu)建企業(yè)狀態(tài)愿景，可以顯著提高業(yè)務(wù)運(yùn)營(yíng)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(duì) AI 和物聯(lián)網(wǎng)持樂(lè)觀態(tài)度，但以下三個(gè)問(wèn)題可能會(huì)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(jué)。此外，無(wú)意中使用 AI 生成的數(shù)據(jù)來(lái)訓(xùn)練 AI 模型可能會(huì)造成數(shù)據(jù)污染。這些錯(cuò)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(wú)法完全發(fā)現(xiàn)這些問(wèn)題。

　　2.對(duì)于大多數(shù)實(shí)際的AIoT應(yīng)用來(lái)說(shuō)，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(chǎng)上不易獲得的技能。

　　3.人工智能處理(尤其是語(yǔ)言模型)可能需要時(shí)間，從而產(chǎn)生控制回路延遲，威脅應(yīng)用程序管理實(shí)時(shí)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(duì)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(huì)在控制回路中引入延遲，從而影響實(shí)時(shí)控制。

　　人工智能發(fā)展如此迅速，以至于很難有效地對(duì)新產(chǎn)品和新功能進(jìn)行分類。這使得長(zhǎng)期的AI項(xiàng)目規(guī)劃變得復(fù)雜，因?yàn)锳I的變化可能會(huì)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。