هوش مصنوعی و اینترنت اشیاء؛ دو روی یک سکه

کاراکتر هال (HAL) را به خاطر دارید؟ او همان کامپیوتر خبیث در فیلم سال 1968 استنلی کوبریک، 2001: ادیسه فضایی، بود که کنترل سیستم‌های سفینه فضایی را به دست گرفت. برای بسیاری از ما، این اولین نما از تعامل هوش مصنوعی و اینترنت اشیاء (Internet of Things) بود، که البته ترسناک هم بود. امروزه، افراد زیادی، از ایلان ماسک گرفته تا یووال هراری، هنوز هم از این تصویر می‌ترسند. آیا ما در حال خلق هوشمندی‌ای هستیم که کنترل دنیا را از دست ما خواهد گرفت؟

فارغ از اینکه در آینده چه روی دهد، واقعیت حال حاضر ربطی به غلبه بر دنیا یا ریشه‌کن‌کردن نژاد انسان ندارد. واقعیت جاری کسب‌وکار و تجارت است. هوش مصنوعی و اینترنت اشیاء دو روی یک سکه‌اند و در کنار هم باعث بهبود فرآیندهای کاری و بهره‌وری می‌شوند.

IoT یک زیرساخت شبکه‌ای جهانی، مقاوم ، استانداردمحور  است که هزاران هزار شیء متصل به شبکه  (Connectedدارد (نظیر حسگرها، ابزارهای اندازه‌گیری، عمل‌گرها (Actuator)، خودروها، اتوبوس‌ها، ربات‌ها، ابزار، ساختمان‌ها، و حتی سطل‌های زباله). برخلاف تجهیزات متصلی که در اولین موج اینترنت ساخته شدند، هدف اصلی IoT تولید داده (عمدتاً از نوع ساختارنیافته) است. همچنین داده‌های به‌کاررفته در IoT، برخلاف نسل اول برنامه‌های مبتنی بر فناوری ابری، اغلب به‌صورت لحظه‌ای جمع‌آوری و منتقل می‌شوند. یک خودروی متصل را تصور کنید که در سال 2 پتابایت (هر پتابایت معادل 1میلیون گیگابایت است) داده تولید می‌کند، یا یک دکل نفتی که مقدار تولید داده در آن تا 4 ترابایت در روز می‌رسد.

سطوح متفاوت روند تکاملی استفاده از داده‌های اینترنت اشیاء

روند تکاملی استفاده از داده‌های حاصل از IoT را می‌توان در چهار سطح متفاوت بررسی کرد. در ابتدایی‌ترین سطح، داده‌های تولیدشده توسط IoT برای اعلان هشدارهای ساده استفاده می‌شوند. به این شکل که مثلاً یک خط‌مشی از ابر به درگاهی در دکل نفت فرستاده می‌شود تا همه بسته‌های داده‌ایِ تولیدشده توسط حسگرهای دما را بررسی کرده و اگر دما از آستانه‌ای مشخص فراتر رفته باشد، فوراً پیام هشدار ارسال کند. درصورتی‌که، هشداری صادر شود، کارکنان حاضر در محل یا حتی کارکنان دورکار این هشدار را بررسی می‌کنند. برای چنین سیستمی نیاز به هوش مصنوعی نیست.

اما هرچه IoT پیچیده‌تر می‌شود، احتمالاً ده‌ها حسگر برای نظارت بر جنبه‌های مختلف عملیات (دما، فشار، لرزش، سرعت مته، و …) استفاده می‌شود که در نتیجه سطح بالاتری از تجزیه‌وتحلیل داده لازم می‌شود. دومین سطح کاربری اینترنت اشیاء مربوط به رویکرد کلاسیک کلان‌داده‌ها (Big Data) است. اینجا داده‌های جمع‌آوری‌شده برای تجزیه‌وتحلیل و گزارش‌گیری از سابقه عملکرد و سایر رویه‌ها به ابر فرستاده می‌شوند.

اشیای متحرک یا از دور (Remote) (به‌ویژه وقتی لازم است داده‌ها لحظه‌ای تجزیه‌وتحلیل شوند یا پهنای باند شبکه محدود است)، این طور هستند که مدل کلان‌داده مذکور به مدل سوم تکامل می‌یابند، که رایانش مه  (Fog Computing) یا ابر توزیع‌شده (Distributed Cloud) نام دارد. در این مدل، پردازش داده‌ و برخی از کارکردهای کلاسیک دیگر ابر به لبه (Edge)، یعنی تا حد امکان نزدیک به منابع داده، گسترش یافتند.

ورود هوش مصنوعی

هوش مصنوعی در سطح چهارم دخیل می‌شود و با ارائه خدماتی همچون تعمیر و نگهداری پیش‌بین (Predictive Maintenance) ارزش سیستم IoT را چندین برابر می‌کند. سیستم هوش مصنوعی می‌تواند با تجزیه‌وتحلیل لحظه‌ای داده‌های دکل نفت و تجمیع سابقه عملکرد در هزاران دکل، الگوهایی را که منجر به خرابی می‌شوند بیاموزد.

بدین‌ترتیب، هوش مصنوعی می‌تواند پیش‌بینی کند که اگر قطعه‌ای تعمیر نشود، بعد از سه ماه، از کار می‌افتد و سپس اقداماتی برای تعمیر آن (قبل از خرابی) پیشنهاد می‌دهد. افزون‌براین، سیستم هوش مصنوعی می‌تواند با پیشنهاد موازنه میان عملکرد و طول عمر تجهیزات، توصیه‌هایی برای نحوه استفاده از تجهیزات ارائه کند تا عمر مفیدشان بیشینه شود.

با گذشت زمان و بیشتر در دسترس قرارگرفتن دیتاست‌ها و الگوها، یادگیری ماشین، سیستم تجریه‌وتحلیل را «هوشمندتر» می‌کند. همه‌چیز به داده‌های موجود بستگی دارد، بدین معنی که هرچه داده‌های بیشتری درباره عملکرد دستگاه، خرابی و نگهداری آن به سیستم بدهید، پیش‌بینی‌های تحلیلی دقیق‌تری از آن دریافت می‌کنید.

یکی از همکاری‌های هوش مصنوعی و اینترنت اشیاء اینجاست. بدون سیستم‌های تحلیلی مجهز به هوش مصنوعی، دستگاه‌های IoT و داده‌هایی که تولید می‌کنند ارزش چندانی نخواهد داشت. سیستم‌های هوش مصنوعی نیز بدون تزریق داده‌های فراوان حاصل از IoT به مشکل برمی‌خورند. اما با تلفیق AI و IoT، یعنی با استفاده از کوهی از داده‌ها در کنار هوشمندی در حال رشدی که از آنها استفاده می‌کند، به ترکیب قدرتمند و بی‌رقیبی در صنایع در حال تحول دست خواهیم یافت.

چند مثال

• اتومبیل‌های خودرانی (Self-driving) که تا جای ممکن، درون آنها، حسگر، دوربین و پردازشگر تعبیه شده و در هر 5 کیلومتر حجم عظیمی از داده تولید می‌کنند. این اتومبیل‌ها می‌توانند به کمک هوش مصنوعی سرعت بهینه، فاصله بین وسایل نقلیه و مسافت ترمز را با توجه به ترافیک، آب‌وهوا و شرایط جاده مشخص کنند، بدین‌ترتیب، اتومبیل‌ها در هر سفر هوشمندتر می‌شوند.
• سیستم تحلیل‌گر فروش (Retail Analytics) از داده‌های به‌دست‌آمده از حسگرها و دوربین‌ها استفاده می‌کند تا با یافتن الگوی جابه‌جایی‌های مشتریان در فروشگاه، زمان رسیدن آنها به صف صندوق را پیش‌بینی کند. پس، این سیستم می‌تواند سطوح خدماتی پویایی برای پایین نگه‌داشتن زمان پرداخت پیشنهاد کند و از این طریق بهره‌وری زمان صندوق‌داران را بهبود ببخشد.
• ربات‌ها یا هواپیماهای بدون سرنشین متصل با استفاده از هوش مصنوعی می‌توانند به محیط‌های خطرناک، مثل معدن، وارد شوند و در بررسی و تشخیص مشکل تجهیزات و تصمیم‌گیری درباره نحوه تعمیر آنها به ما کمک کنند.
• کوبوت‌ها (Cobot)، یا ربات‌های مشارکتی (Collaborative Robot)، برای انجام ایمن کارها در کنار انسان‌ها (مثل حمل بارهای سنگین، کمک به انسان‌ها در خط مونتاژ، یا انجام بخشی از امور تکراری) طراحی شده‌اند. انسان‌هایی که همکار این ربات‌ها هستند صرفاً با حرکت‌دادن آنها طبق الگوی مطلوب می‌توانند آنها را برنامه‌ریزی کنند.
• چت‌ربات‌ها (Chatbot)، که غالباً از قابلیت‌های زبان طبیعی بهره‌مند هستند، کاربرد فزاینده‌ای در زمینه‌هایی از جمله خدمات مشتریان و تجهیزات، یا حتی ارائه راهکارهایی برای مسائل فنی و تجاری دارند.

سخن نهایی

بیش از یک دهه از فعالیت من در حوزه IoT می‌گذرد و، هیچ‌وقت، به اندازه اوایل دهه 1990، هیجان مشارکت در خلق صنعتی جدید را حس نکرده‌ام. آن زمان صنعت مبتنی بر شبکه و اینترنت منفجر شد. همان‌طور که، اینترنت، پایه و بنیاد تجارت الکترونیک، اپ‌های تلفن‌های همراه و شبکه‌های اجتماعی بود، حالا IoT مبنای قابلیت‌های جدید، از جمله، واقعیت مجازی و موارد استفاده دیگری از هوش مصنوعی محسوب می‌شود که تنها در داستان‌های علمی تخیلی تصورش می‌رفت. ممکن است آنچه به‌دست‌آمده دقیقاً هال نباشد، اما به‌هرحال هیجان‌انگیز است.