物聯(lián)網(wǎng) (IoT) 在我們生活的各個領域造成了廣泛的破壞。物聯(lián)網(wǎng)的發(fā)展不受獨特技術領域進步的影響；相反，一系列新興技術和創(chuàng)新趨勢匯聚在一起，創(chuàng)造了對無處不在世界的統(tǒng)一體驗。邊緣計算、5G/6G 革命和云計算的出現(xiàn)引入了一套架構(gòu)模式，以最大限度地減少延遲、網(wǎng)絡帶寬要求，并允許系統(tǒng)擴展超出限制。在“新常態(tài)”的世界中，商業(yè)和社會轉(zhuǎn)型帶來的無限機遇將物聯(lián)網(wǎng)應用融入我們的日常生活，數(shù)十億個傳感器相互無縫交互。
暴露無孔不入的渠道和部署智能自動化的快速擴張為 21 世紀數(shù)字化轉(zhuǎn)型的未來帶來了嚴峻挑戰(zhàn)。AI 和 ML 有前途的應用大多在集中式云生態(tài)系統(tǒng)中執(zhí)行，遠離行動點。這種情報并非旨在從作戰(zhàn)環(huán)境中獲得態(tài)勢感知。利用捕獲和分析時間數(shù)據(jù)以及在運營周期的活動窗口內(nèi)及時解釋感官事件的好處正在成為獲得戰(zhàn)略優(yōu)勢和解決網(wǎng)絡安全問題的關鍵當務之急。隨著傳感器和應用程序的多樣性呈指數(shù)增長。
在工業(yè)自動化的背景下，以邊緣為中心的設計應用并不新鮮。基于目的的控制系統(tǒng)旨在記錄異常和邏輯驅(qū)動的切換功能以管理企業(yè)資產(chǎn)。邊緣架構(gòu)的現(xiàn)代設計需要自主操作，并支持直觀的工作流程，而人工干預有限或無需人工干預。圍繞自動駕駛汽車、機器人手術、遠程患者監(jiān)控、智能家庭能源自動化、智能電網(wǎng)監(jiān)控、智慧城市基礎設施等的炒作，都是依靠邊緣節(jié)點來模仿專家的思維和像人類一樣有意識的行為。通常的 AI/ML 模型通過處理大量歷史數(shù)據(jù)的大規(guī)模計算來增強可操作的洞察力。
計算密集型迭代訓練隨著時間的推移提高了模型性能。此類功能通常部署為離線流程，以執(zhí)行更深入的分析并提取預測/規(guī)范趨勢。在邊緣智能的當前和未來實施范圍內(nèi)，我們見證了三個需要解決的關鍵問題或變化：
預定義規(guī)則/定制驗證的限制可以通過可擴展且直觀的 AI/ML 模型來解決，該模型能夠從離散的感官反饋/事件中提取可操作的見解。但是，此類功能與遠程云基礎設施建立了強耦合。
無法通過實時聚合入站數(shù)據(jù)和事件來開發(fā)需要自適應知識豐富能力的態(tài)勢感知。這種上下文感知對于擴展自主操作、抑制災難性故障以及在對云的依賴最小化的情況下開發(fā)邊緣到邊緣協(xié)作至關重要。
通過推斷第 2 點，邊緣運行時系統(tǒng)應通過縮短響應時間或采取預防措施，最大限度地減少分布式物聯(lián)網(wǎng)資產(chǎn)對網(wǎng)絡安全威脅的暴露。此外，應在行動點識別侵入式請求/命令和勒索軟件攻擊的模式。
因此，新興的物聯(lián)網(wǎng)系統(tǒng)打算繼承一種新的智能，可以在事件生命周期的最短窗口內(nèi)感知、決定和處理物理事件。認知人工智能與分布式物聯(lián)網(wǎng)系統(tǒng)的融合有望提供一站式解決方案，以解決智能邊緣原生平臺的戰(zhàn)略需求，并實現(xiàn)下一代物聯(lián)網(wǎng)系統(tǒng)的工業(yè) 4.0 基準。
認知模型旨在復制人類行為和推理模式，以理解預測性和規(guī)范性趨勢。認知 AI 模型的基于語義的學習對歷史數(shù)據(jù)的依賴性最小，并且隨著時間的推移具有內(nèi)在的增量知識開發(fā)能力。這樣的運行時非常適合邊緣節(jié)點上的任何直觀操作，這些操作受限于有限的處理和持久性能力。隨著時間的推移重新訓練模型，無法實現(xiàn)獲得運營成熟度和響應自動化的系統(tǒng)化過程。認知成熟度的提高應通過逐步獲取信息和進行時間點分析來實現(xiàn)。
此外，發(fā)展認知智能、感知和神經(jīng)運動能力的過程主要是通過無監(jiān)督學習的自適應過程來完成的。通過認知 AI 圍繞自我學習、權(quán)衡上下文和分析沖突證據(jù)的能力提高了物聯(lián)網(wǎng)系統(tǒng)智能邊緣運行時的運營智能、可擴展性和可擴展性。
移動邊緣計算和 Cloudlets 的進步趨勢正在將基于邊緣的智能傳播到連接和更受控制的企業(yè)系統(tǒng)中。然而，在普遍的網(wǎng)絡物理生態(tài)系統(tǒng)的多樣性中，離散邊緣節(jié)點的自主性將需要在最少監(jiān)督的情況下獲得運營智能。
認知計算智能的新興創(chuàng)新揭示了引入當代基于軟計算的算法、架構(gòu)重新思考和下一代物聯(lián)網(wǎng)系統(tǒng)的漸進式系統(tǒng)設計的巨大潛力。認知物聯(lián)網(wǎng)系統(tǒng)粉碎了軟件和硬件子系統(tǒng)的孤島和相互依賴之間的強烈劃分。邊緣原生 AI 組件的靈活性足以識別物理環(huán)境的變化并實時動態(tài)調(diào)整分析結(jié)果。因此，人機或機器與機器之間的交互變得更加動態(tài)、可互操作并且與任何操作的時間和范圍相關。
結(jié)論
隨著我們將注意力轉(zhuǎn)移到新范式，認知邊緣運行時的實時模式識別和異常檢測功能顯著降低了分布式物聯(lián)網(wǎng)應用程序和網(wǎng)絡的脆弱性。這種保護性智能可以補充不太安全的現(xiàn)有自動化，也可以成為未來實施的一部分。因此，認知人工智能與邊緣計算的融合將通過克服新興的面向邊緣的設計模式的固有局限性，繼續(xù)顛覆物聯(lián)網(wǎng)系統(tǒng)的創(chuàng)新。由于嵌入式設備上計算和存儲能力的快速發(fā)展，兩種新興技術趨勢之間的聯(lián)系將繼續(xù)加強。
