هوش مصنوعی اشیا یا هوش مصنوعی چیزها (Artificial Intelligence of Things) یک تکنولوژی نوظهور است که هوش مصنوعی و اینترنت اشیا را با یکدیگر ترکیب می کند تا تصمیم گیری و تحلیل را در دستگاه های اینترنت اشیا ممکن سازد.

• اینترنت اشیا شبکه ایی از اشیا فیزیکی را فراهم می کند که مجهز به سنسورها، نرم افزار و تکنولوژی های دیگر هستند و داده های خود با سایر سیستم ها و دستگاه ها بر روی اینترنت را مبادله می کنند.
• هوش مصنوعی امکان تحلیل و تصمیم گیری خودکار را فراهم می کند.

دادهای جمع آوری شده توسط دستگاه های اینترنت اشیا کاربردی نیستند مگر اینکه به صورت معنا داری تحلیل و تفسیر شوند.

به طور خلاصه اینترنت اشیا مبتنی بر ابر (cloud-based IoT) دارای پنج قابلیت کلیدی زیر می باشد:

• جمع آوری (Collect): داده زیادی از دستگاه ها و سنسورها در یک مکان مرکزی جمع آوری می شود.
• ذخیره (Store): داده در یک سیستم ذخیره سازی مقیاس پذیر مانند دریاچه داده (data lakes) ذخیره می شود.
• پردازش (Process): پلت فرم های داده های حجیم (Big Data) برای پردازش و تحلیل دیتاست ها استفاده می شوند.
• تحلیل (Analyze): بینش های به دست آمده از سیستم داده های حجیم، برای ارائه یک تحلیل از طریق بصری سازی (Visualization)، مورد استفاده قرار می گیرند.
• کنترل (Control): اپراتوهای دستگاه ها و مهندسان حوزه، دستگاه ها را بر اساس پیشنهاداتی از سیستم داده های حجیم، کنترل می کنند.

با ترکیب هوش مصنوعی و اینترنت اشیا، یک توانایی مهم به این سیستم اضافه می شود: عمل کردن (Act)

هوش مصنوعی با عمل بر روی الگوها (Patterns) و همبستگی (correlations) داده ها، از بصری سازی فراتر می رود و اقدام مناسب بر اساس داده ها انجام می گیرد. هوش مصنوعی به جای نمایش صرف حقایق (facts) به افراد، به طور خودکار عملی انجام می دهد و تبدیل به مغز سیستم می شود.

به طور مثال، دوربینی که به عنوان یک سنسور عکس عمل می کند را در نظر بگیرید. دوربین هر فریم را به دستگاه اینترنت اشیا می فرستد تا وجود شی خاصی را بررسی کند. با به کارگیری هوش مصنوعی در دوربین، تنها فریم هایی که در آن شی خاص ردیابی می شود، ارسال می شوند. در این حالت سرعت پردازش بسیار بالا می رود زیرا نیازی نیست پردازنده همه فریم ها را پردازش کند.

با به کارگیری هوش مصنوعی در اینترنت اشیا، این دستگاه ها می توانند تصمیم گیری عملیاتی بلادرنگ، تصمیمات بهبود یافته مستمر، کاهش هزینه های انتقال داده را ارتقا دهد. در ادامه به توضیح بیشتر هر کدام از این موارد می پردازیم.

• تصمیم گیری عملیاتی بلادرنگ (Real-time operational decision-making): دستگاه های اینترنت اشیا داده های زیادی جمع آوری می کنند. تکنولوژی AIoT امکان تصمیم گیری بلادرنگ را برای این دستگاه ها فراهم می کند. به عنوان یک مثال ساده یک سیستم دوربین امنیتی که مجهز به آلارم است را در نظر بگیرید. یک دوربین اینترنت اشیا معمولی، داده ودیویی را به مرکزی ارسال می کند تا پرسنل امنیتی آنها را تماشا کنند. یک دوربین AIoT می تواند متجاوزان را شناسایی کند، به طور خودکار زنگ هشدار نویز را فعال کند تا متجاوزان را منصرف شوند و به تیم امنیتی نیز اطلاع دهد. بنابراین تکنولوژی AIoT تصمیم گیری را از پرسنل امنیتی انسانی به دستگاه های اینترنت اشیا منتقل می کند و باعث صرفه جویی در نیروی انسانی و افزایش رضایت می شود. زیرا یک سیستم خودکار بهتر از نیروهای امنیتی است که ممکن است در مقابل صفحه تصویر به خواب بروند.
• تصمیمات بهبود یافته مستمر (Continually improved decisions): دستگاه هایی مانند تجهیزات خانه هوشمند، اولویت های شخصی که می توانند برای بهبود مدل های یادگیری ماشین استفاده شوند را جمع آوری می کنند. با روش هایی مانند یادگیری فدرال (federated learning)، دستگاههای AIoT می توانند اولویت های کاربر را یاد بگیرد و تصمیم های خود را بهبود دهند.
• کاهش هزینه های انتقال داده: وجود سیستم های هوش مصنوعی در موقعیت مرکزی منجر به انتقال داده زیادی بین دستگاه های لبه (edge devices) و سرورهای مرکزی می شود. سیستم های AIoT تحلیل داده ها را به دستگاه های لبه منتقل می کند و انتقال داده را به کمترین حد ممکن می رساند.

کاربردها و مثال هایی از AIoT:

• شهرهای هوشمند (Smart cities): فناوری هوشمند مانند حسگرها و چراغ ها برای جمع آوری داده هایی استفاده می شوند که برای کمک به بهبود کارایی عملیاتی، رشد اقتصادی و بهبود کیفیت ساکنان طراحی شده اند.
• خرده فروشی (Smart retail): خرده فروشان برای تشخیص چهره خریداران و ردیابی اینکه آنها کالاهای خود را قبل از خروج فروشگاه اسکن کرده اند، استفاده می کنند.
• سازمان ها و صنعت (Enterprise and industrial): کارخانه ها از تراشه های هوشمند برای ردیابی تجهیزاتی که به خوبی کار نمی کنند یا قسمت هایی که نیاز به تعویض دارند، استفاده می کنند.
• رسانه های اجتماعی و منابع انسانی (Social media and human resources): ابزارهای AIoT را می توان با رسانه های اجتماعی یا پلت فرم های مرتبط با منابع انسانی ادغام کرد تا تصمیمات هوش مصنوعی به عنوان سرویسی در خدمت متحصصان منابع انسانی باشد.
• وسایل نقلیه خودران (Autonomous vehicle): وسایل نقلیه خودران متکی بر چندین دوربین و سنسور برای جمع آوری داده درباره وسیله مجاور، نظارت بر شرایط رانندگی و جستجوی عابران پیاده هستند.
• ربات های تحویل خودکار (Autonomous delivery robots): سنسورها، داده های مربوط به محیط اطراف ربات جمع آوری می کنند و از هوش مصنوعی برای تصمیم گیری مبتنی بر پیمایش (traversal-based decisions) استفاده می کنند.
• مراقبت های بهداشتی (Healthcare): دستگاه های پزشکی و پوشیدنی ها (wearables) به جمع آوری و نظارت داده های سلامت از قبیل ضربان قلب می پردازند.