物联网与人工智能的协同机制

物联网与人工智能的协同机制

物联网与人工智能是当前科技领域最具潜力的两项技术，也是企业技术团队必须深入了解的关键方向。这两项技术之间存在高度的互补性，而它们的结合所带来的最大价值，往往体现在协同应用中。因此，制定合理的整合策略，以实现对用户和业务的双重支持，成为当前技术规划的重要课题。

物联网本质上是由设备构成的网络，而非由人主导。这类系统通常依赖于感知现实世界状态的设备，并根据这些信息触发相应的操作。这些操作往往会对现实世界产生直接影响。

一个典型的例子是传感器，当检测到特定条件时，它会自动开启灯光。然而，许多物联网应用需要更复杂的逻辑来连接触发器与执行器，以实现对流程的实时管理。

在物联网系统中，消息流通常通过一个被称为“控制循环”的机制进行传递。控制循环是物联网应用的核心部分，负责接收现实世界中的输入信息，并生成相应的输出响应。这一过程不仅包括对环境的感知，也包括对现实世界的干预。

大多数物联网应用还会生成业务相关的数据。例如，在仓库入口读取运输单据时，系统可能会自动开启大门（这是控制循环的一部分），同时生成一个将货物信息录入库存的业务记录（属于业务交易）。

控制循环中的决策必须满足特定的延迟要求，这通常被称为“控制循环的长度”。在许多情况下，控制循环需要快速响应，以确保系统能够及时处理事件。

例如，在货物进入仓库前，如果扫描运输单据的延迟达到半分钟，就可能影响仓库的吞吐能力。而物联网系统可以通过自动识别二维码，快速完成决策，从而提升物流效率。

人工智能传感器能够生成大量数据，这些数据不仅对流程控制有直接价值，也对业务分析和优化具有重要意义。人工智能可以用于处理这些数据，并在适当的应用场景中提升效率和准确性。然而，并非所有人工智能技术都适用于所有任务，其适用性取决于具体的应用需求。

人工智能的定义与分类

人工智能是指一类无需人工直接干预，即可解读环境并做出决策的系统。其运作方式类似于人类通过感官对环境做出反应。

目前，人工智能主要分为五类，从简单到复杂依次为：

1. 基于规则的人工智能：这类系统通过预设的规则将事件与操作关联起来。虽然这些规则是编程实现的，但它们构成了许多人工智能平台的基础。
2. 机器学习：通过学习行为而非编程实现功能。系统可以观察人类行为，分析历史数据，并在类似情境中重复这些行为。当前趋势是将机器学习模型部署到硬件和芯片系统中。
3. 推理与神经网络：这类系统模拟生物大脑的运作方式，通过推理生成对触发器的响应。该技术广泛应用于图像识别和复杂数据分析。
4. 语言模型与代理人工智能：结合神经网络与机器学习，通过分析信息构建数据集。语言模型的学习能力受限于其规模，而代理人工智能通常基于大型语言模型。
5. 生成式人工智能：如ChatGPT所示，这类系统通过分析大量在线文档构建知识库，并根据规则生成自然语言响应。其知识广度和规则复杂性使其具备类人表现。

尽管人工智能技术在逐步向人类智能靠拢，但目前大多数系统仍处于反应型和有限记忆型阶段。企业通常将目标设定在中等智能水平，包括有限记忆型和心智理论型。

物联网与人工智能的协同方式

物联网系统通过感知现实世界事件并生成响应，本质上已经具备了人工智能的基本特征。因此，人工智能在物联网中扮演着不可或缺的角色。

对于物联网开发者而言，关键问题不在于是否使用人工智能，而在于如何利用人工智能来增强系统的功能。这取决于物联网所支持的现实世界系统的复杂性，以及所采用的人工智能类型。

当前，三种人工智能任务在物联网中具有较大潜力：

1. 增强控制回路的处理能力
2. 支持更复杂的现实世界活动
3. 将物联网从控制回路扩展到业务管理

基于规则的人工智能增强物联网功能

物联网控制应用通常基于传感器或其他设备生成的事件来执行操作。例如，基于规则的系统可能会设定“如果按下开关，则打开灯A”，而更复杂的系统可能会设定“如果按下开关且天黑，则打开灯A”。这种形式引入了事件与状态的组合判断。

人工智能可以通过多种方式增强这类系统：

• 利用多源信息判断状态，如空间是否有人、是否阴天、是否为节假日等，从而提升系统的适应性。
• 根据多种条件执行操作，如识别车辆信息、分析驾驶员特征，以决定是否开启仓库入口。
• 分析音频和视频数据，生成物联网事件，如运动检测、语音识别等。
• 分析传感器数据，识别潜在故障或风险，并采取相应措施。
• 结合环境与业务数据，优化设施管理，如根据车辆到达情况调整暖通空调和照明系统。

这些功能可以通过传统编程实现，但人工智能模型（如基础模型）能够处理更复杂的逻辑，而无需额外开发。

语言模型与代理人工智能在物联网中的应用

语言模型是当前人工智能应用的前沿方向，尤其在物联网中具有特定的用例。大型语言模型（LLM）和小型语言模型（SLM）可以执行多种任务，如生成内容、编程代码等。

LLM通常托管在云端，而SLM则更适合本地部署。通过预训练模型和检索增强生成技术，企业可以降低模型训练和托管成本，实现自托管。

代理人工智能在物联网中的典型应用包括：

• 智能设施与智慧城市，通过多个代理协同控制环境。
• 自动驾驶系统，用于货物运输、无人机控制等。
• 军事应用，如无人机群指挥。
• 工业自动化，适用于各类制造流程。
• 医疗健康，用于患者监测、影像分析等。
• 公用事业与网络运营，为专家提供诊断支持。

物联网在业务流程中的扩展

许多物联网应用不仅涉及控制回路，还与业务流程密切相关。例如，当卡车到达仓库时，系统不仅要控制门禁，还需处理一系列业务问题，如是否在装卸、是否延误、是否需要重新安排任务等。

这些问题虽然不需要实时处理，但必须在业务流程中得到解决。通过API将AI模型与数据库或传统业务系统连接，可以实现更高效的流程整合。

物联网与人工智能的挑战

尽管企业普遍看好AI与物联网的结合，但以下问题可能限制其发展：

• AI模型（尤其是LLM）容易因训练数据偏差而产生错误判断，甚至生成虚假信息。
• 企业数据通常受到严格的安全和治理限制，AI训练和部署需要自建基础设施，成本较高。
• AI处理（尤其是语言模型）可能引入延迟，影响实时控制能力。

未来展望

物联网旨在提升效率并减少人工干预，但其成功仍依赖于人类的判断与决策。人工智能可以在这一过程中发挥关键作用，前提是其能力超越传统规则系统，并不会引入控制延迟。

由于人工智能技术发展迅速，长期规划面临一定挑战。企业建议采用模块化策略，先从控制回路等基础功能入手，再逐步扩展至更复杂的系统整合。