在人工智能移动,AmI来了

人工智能已经收到了大量的关注,但一个新的术语称为环境情报(AmI)是新兴的一个基石物联网。

这个词是一个相对不知名的,但并非所有的新。AmI可以追溯到16年几年互联网看到后首次广泛商业adoption-when智能电子的概念首先成为一个收集环境,响应敏感和我们的欲望,需求和需求。它需要无处不在的传感器嵌入到我们的世界的每一个角落和缝隙,人口密集,设备和系统有能力强大的功能纳米-生物信息和通信技术(NBIC)。

AmI有其真正开始于1998年在荷兰皇家飞利浦。个人组成的一个财团,包括以利Zelkha和Brian Epstein帕洛阿尔托的公司(和西蒙·博雷尔,谁创造了这个名字“环境情报”),将其描述为“一个世界,家庭将会有一个分布式智能网络设备为我们提供信息,通讯和娱乐。”

飞利浦氧气加入了联盟,1999年,一个国际财团的工业合作伙伴在麻省理工学院的背景下氧项目,旨在为21世纪的计算机开发技术。2000年,计划是建立一个可行性和可用性设施,致力于环境智能。这HomeLab 2002年4月正式开放。

而智能家居是最初的愿景,AmI有“离开家”更无处不在的定位,由于互联网灰尘(见有关的故事)。AmI已经演变成人们的愿景与技术无处不在。计算是一个无缝的环境,先进的网络技术,如互联网尘埃和智能接口。它是意识到人类存在的特殊性和个性,负责需求,能够智能地应对口语或示意的迹象。它甚至可以从事智能对话(尽管这将需要一段时间发展到现实的水平)。

”更重要的一个方面的智能环境和物联网连接,”伊恩·莫里斯说,主要应用工程师射频连接解决方案NXP半导体。“有很多的解决方案开发,将连接物联网设备,在家里和外面。”

互联网尘埃
因为传感器和电路技术这么长一段路,接口设备的物联网已经成为小(约1毫米²。和权力为他们可以提供一些平台、电池、太阳能、甚至直接连接,能量收获。这意味着他们可以安装几乎任何产品,任何应用程序。

“有一些非常有趣的事情在这些领域的低功耗,无处不在的物联网传感器,”莫里斯说。“有三个关键技术。第一个是连接,IP、低功耗无线网络,无线个域网,射频识别,或类似的。第二个是安全,特别是如果这些东西洒得到处都是。第三就是力量,这是所有这一切的关键。”

合理的期待,很快一切都可以创建与某种程度的嵌入式智能——这套,货币,家电,汽车,油漆墙壁和地板上的地毯,甚至一些事情不能(空气、水)。希望网络微小的传感器和致动器,有人称为“智能尘埃”将多产。然而,在所有的关键技术有问题就讨论,需要解决之前发生了普遍性。

AmI的区别
使AmI与众不同的是,它将提供个性化服务,主要通过大数据,到目前为止我们看到的任何灾难都相形见绌。AmI将与智能对象包围我们,理解我们,至少在某种程度上,因为灰尘和其他对象将不断提要信息“云”的分析和调整我们的特定的环境和情况。它还能够预先评估我们想要做什么,从而提供一个平稳发展我们要采取的行动。

有一些伟大的愿景为AmI。一些可能有点伸展,但其他人当然可以设想。例如,计算和通信我们现在有将物联网上的传感器和设备的连接。下一个级别,这个网络将能够识别,和应对不同的个人和实体的存在在一个无缝的,不显眼的和透明的方式通过一个连续循环的操作(参见图1),与传感开始和结束。

图1所示。从输入的数据流的结果

传感器可以连接到对象的数量是无限的。此外,传感器可以移动——自由浮动或可拆卸。传感器的例子:

环境和无线

• 运动(橱柜和抽屉,人、动物、浴装置)
• 大气(火、烟、一氧化碳、光)
• 设备和管道
• 锁(温度、声音检测距离)

这套

• 健康
• 锻炼
• 服装
• 位置
• 虚拟

这甚至不了冰山一角,但可以得到多少其他类别和子类别可以感觉到。

的元素
传感。第一个元素需要的不仅仅是传感器和传感器。与AmI网络必须能够应对真实世界的刺激。敏捷的代理组件必须集成智能感知和反应,而不是简单地选择从一系列场景数据库的理论算法(不会现实的尘埃,与有限的资源或微型传感器)。

一旦数据捕获、智能分析应用。这样做是在一个集中的系统的另一个如果传感器本身仅用于捕获、存储和转发数据。如果系统是分布式的,传感器将某种类型的机载处理能力,将预处理的数据无论学位设计到系统中。

网络在很大程度上取决于应用程序的类型。移动尘埃网络,例如用于监控森林大火可能会报告中央车站。固定网络,如天气传感器可能会有一些当地的综合处理能力。

在任何网络无处不在,数据集通常由多个卷的多维数据。因为系统不能100%可靠,系统必须能够辨别,智能,从嘈杂的传感器之间不必要的数据或错误的数据,或某种类型的推理。或可能有缺失的数据从一个有缺陷的传感器。例如,如果一个传感器失败的数据集,或它的某些部分可能是不完整的。它甚至可以包含多维时间或空间信息。

这就是大数据分析技术是有用的。大量的传感器从不同来源收集数据,和它的一部分可能是错误的或失踪。合成它产生准确的和理性的结果需要新的方法和模型大数据(见文章),现在正在开发大数据下的伞。然而,今天,大多数传感器数据融合完成卡尔曼滤波器和概率方法。

的这是一个例子MavHome智能家居项目。单独收集运动和照明信息导致平均每天10310个事件。在这个项目中,数据挖掘预处理程序识别常见序列模式在这些数据,然后使用模式来构建一个居民行为的层次模型。

然而走近,必须实时响应性评估算法,自适应,并应用多种类型的推理的能力,包括识别、用户建模、活动分析、决策、和时空推理。

建模。AmI集成的特性之一是能够区分通用计算算法和特定的那些能够适应或学习用户。这样的“学习”系统确实存在和相当擅长这么做。即便如此,这些系统的问题是,任何数量的效率。他们需要一个深井的硬件和软件资源。,在许多情况下,并将工作在某种程度上在AmI。敏捷系统设想在AmI将需要能够做到这一点,高效、准确地在一个小的形式因素,完善和适应能力本身。

生成的数据量通过传感器可以挑战建模算法。添加音频和视觉数据到模型中增加一个数量级的数据量,至少,但也增加了另一个维度的感知数据。例如,视频数据可以用来找到intertransaction(顺序)数据在观察到的行为或行动,这是有用的在一个智能环境中识别和预测的条件。

在AmI最有前途的应用之一是识别社会互动,尤其是社交网络技术的扩散。这有广泛的影响,从预测群体行为对公司会议环境。

预测和识别。这些可以说是在AmI环境中推理的两大要素。预测是通过认证,是智慧,进而可用于识别,最终,预测。理论上,足够的重复这个循环会增加网络内的情报接近人类的能力。

例如,在理论AmI模型,如神经网络的网络使用预测和识别来控制家庭环境中,,通过预测位置,路线,和活动的居民,根据以往的识别和其他元素,以及。许多预测算法被开发出来,可以预测活动单一,以及一些多个居民情况。这些算法相对擅长预测居民地点,甚至一些居民的行动。AmI网络可以以一个合理的程度的准确性,预测居民的需要,甚至协助,或自动执行行动。

决策。AmI平台的一部分是人工智能和模糊逻辑。神经网络是一个关键因素在决策过程。可以实现时态推理与基于规则的算法来执行任意数量的功能;从识别安全隐患分析医疗数据和调整药物,和饮食计划基于可穿戴传感器数据,环境舒适的设置。

时间和空间组件。元素的支持。这些都是人工智能的重要元素。有一个大集合的算法开发和磨练来处理各种领域的空间,时间和时空推理。这种算法是网络的另一个元素,允许AmI在AmI的理解活动的应用程序。

任何智能系统依赖和显式或隐式的参考点和感兴趣的事件发生时。对于任何网络能够决定行动,先发制人或实时的意识的目标是什么,是至关重要的。这就是空间和时间进入方程。例如,假设一个情况发展,有人留下了炉子燃烧器和炉子周围的温度上升。在这种情况下,时间和温度必须有相关评估情况,相对于热量的上升速度与时间、地点,甚至空气质量。网络必须明白这个条件是不同的,说,热了,这可能产生类似的条件如果放在火炉附近有一个加热管。

结论
当然更多的元素AmI,但空间和时间限制可以讨论这种类型的论文中。

的一个问题,阻碍了大规模开发在神经网络等领域,人工智能和AmI所需的巨大的处理能力开发这样的“情报。“然而,技术将改变所有的当前状态。半导体技术终于越过阈值的能力,性能,尺寸和集成。接下来的几个迭代的摩尔定律将看到巨大成就在技术支持AI, AmI,互联网和智能灰尘,大数据,与它的互连。

经过几十年的承诺,电子情报最终将成为一个现实的所有好的和坏的。