【IoT新知】人工智能和机器学习如何融合物联网无线设计
扫描二维码
随时随地手机看文章
什么是人工智能(AI)?人工智能(AI)是一个试图模拟人类行为的系统,更具体地说是一个电气和/或机械实体,它模拟对输入的响应,类似于人类的行为。这方面最好的具体例子是语音识别,系统需要理解口语术语、缩写、代词以及标准单词,以便像与最好的朋友交谈一样做出反应。人工智能的关键是从传感器或传感器组合中获取输入,并根据目标确定适当的响应。例如,家庭安全系统的目标是保护家庭。它必须确定振动和声音传感器的输入是否与破碎窗户的输入匹配,如果匹配,则触发警报并通知当局。它试图匹配的行为,如果你在沙发上,窗户被打碎你会听到它,认出它,并运行拨打紧急服务。 什么是机器学习(ML)?机器学习(ML)是系统在重复使用后自我改进的能力。这样做的目的是,它可以利用收集到的数据来提高自身的能力和改进。ML是创建人工智能的副产品,因为研究人员需要一种方法来改进他们对输入的响应,而无需经常手动更新系统,而不是让系统自行更新和变得更好。ML通常是一种计算机算法,用于开发语音识别等解决方案。 人工神经网络人工神经网络(Artificial Neural Networks, ANN)是机器学习的一种实现,尽管它是一种具有许多层次的非常高级的实现。与ML不同,它在单个流中接受输入并做出决策,ANN有几个节点,每个节点都根据数据做出贡献。更改一个节点的行为也会影响其他节点。这创造了一个更复杂的结构,与人脑非常相似。 无线物联网中的人工智能和机器学习物联网最令人期待的发展之一是人工智能和机器学习的融合。通过使物联网设备具有可培训性、可操作性以及从环境中提取信息和学习的能力,这些设备将变得更具情境意识,并最终实现许多创新应用价值。 物联网系统有许多层,可以在其中实现AI/ML。每一层都可以做出不同的决策,并提供不同的价值主张。底部的数据量最少,通常只有区域管辖权。当你往上走的时候,会有更多的数据需要计算,决策会变得更大,对系统的影响也会更大。离顶端越近,数据到达顶端所需的时间就越长,决策传递和网络最终用户看到反应所需的时间也就越长。例如,您不希望语音识别总是一路到云端,几秒钟后才能恢复,您希望在本地计算语音识别,以便获得快速响应,从而获得良好的用户体验。 人工智能和机器学习引入物联网无线设计中的优势包括:
- 显著节约成本
- 减少带宽使用
- 更快的设计时程
- 更小尺寸的设计和更低的功率操作
- 更强的数据隐私和安全性
扫描以下二维码,关注Silicon Labs社交媒体平台