Przewidywania ONE Tech na 2021 rok dotyczące nauki o danych i sztucznej inteligencji

ONE Tech to firma technologiczna napędzana przez sztuczną inteligencję, która projektuje, rozwija i wdraża rozwiązania IoT dla producentów OEM, operatorów sieci i przedsiębiorstw.

Mieliśmy przyjemność gościć Yassera Khana, CEO ONE Tech, który podzielił się z nami swoimi przewidywaniami na 2021 rok:

CEO ONE Tech, Yasser Khan

Przewidywanie #1: Dane (wreszcie) stają się królem.

Szczegóły: 2021 rok będzie rokiem, w którym branża zrozumie, że IoT jest po prostu środkiem do przekazu danych. To, jak organizacje wykorzystują dane do generowania nowych strumieni przychodów lub zwiększania satysfakcji klientów, jest prawdziwą siłą napędową za połączeniem miliardów aktywów. Ponadto sztuczna inteligencja nie będzie już związana z centrami danych. Drogie, potężne zasoby obliczeniowe nie są już potrzebne do generowania wglądu wymaganego przez organizacje, aby zrealizować wartość danych generowanych przez ich aktywa.

Przewidywanie #2: Automatyzacja zmieni modele biznesowe.

Szczegóły: Dzięki możliwości gromadzenia i przetwarzania większej ilości danych AI lokalnie, tradycyjne firmy, takie jak dealerzy samochodowi, staną się jeszcze bardziej ukierunkowane na usługi, ponieważ będą mogły przewidzieć naprawy serwisowe przed ich wystąpieniem. Na przykład, jeśli czujniki wykryją, że ciśnienie w oponie jest niższe niż dopuszczalny zakres w pojeździe flotowym, mogą powiadomić menedżerów, aby wysłali samochód serwisowy z odpowiednimi częściami do lokalizacji pojazdu przed wystąpieniem większego problemu. I w przypadku konsumenckich dóbr trwałych, czujnik w zmywarce może powiadomić serwisanta, że występuje problem przed awarią zmywarki. W tych scenariuszach producenci OEM i firmy mogą znacznie zwiększyć część usługową swoich biznesów, zmieniając swój model biznesowy na mniej zależny od sprzętu.

Przewidywanie #3: Urządzenia końcowe staną się coraz bardziej inteligentne.

Szczegóły: Dzięki uczeniu maszynowemu i sztucznej inteligencji (#AI), inteligencja sieci jest przenoszona bliżej krawędzi, nadając urządzeniom końcowym nowe role i zadania, które sprawiają, że stają się one bardziej inteligentne. Z mocą obliczeniową dostarczoną przez tanie urządzenia sprzętowe, potężna inteligencja może być osiągnięta za pomocą algorytmów uczenia maszynowego, które mogą działać (szkolić i przetwarzać) bezpośrednio w miejscu pochodzenia danych. Ponadto możliwości sprzętowe są w ciągłym rozwoju wraz z oprogramowaniem działającym na sprzęcie. Sektor przemysłowy już korzysta z zysków efektywności wynikających z przetwarzania danych lokalnie w celu zrozumienia, co dzieje się z tymi maszynami i urządzeniami. Inne rynki muszą się przystosować i dostosować do lokalnego przetwarzania danych lub konkretnie uczenia maszynowego na urządzeniu końcowym, co będzie niezbędne w pomocy organizacjom w skalowaniu.

Przewidywanie #4: Koszty transmisji danych w chmurze wzrosną dramatycznie.

Szczegóły: Koszt transmisji, przechowywania i przetwarzania danych w środowiskach chmury jest rosnącym bólem głowy dla organizacji wszystkich rozmiarów. W 2021 roku Edge AI dojrzało z projektów innowacyjnych do standardu branżowego. Przenoszenie Edge i wbudowanej AI do urządzenia końcowego do przetwarzania danych lokalnie eliminuje ból głowy związany z kosztami. Podsumowanie: Jeśli firmy nie robią innowacyjnych rzeczy, aby wygenerować więcej wartości z danych, aby nadążyć za wydatkami, cofają się.

Przewidywanie #5: Konserwacja predykcyjna będzie na szczycie bólów głowy w produkcji w 2021 roku.

Szczegóły: Półprzewodniki i chipy używają prostych drzew decyzyjnych, które mogą rozrosnąć się do złożonych. Przejście od procesu opartego na drzewach decyzyjnych do algorytmu predykcyjnego jest następnym krokiem dla inteligencji na krawędzi. Producentów jest w biznesie produkcji przedmiotów. Nie są w biznesie technologii i zarządzania danymi. Im więcej danych, tym bardziej rośnie potrzeba zrozumienia danych i podjęcia działań w celu utrzymania efektywności i produktywności. Aby to zrobić, producenci muszą polegać na technologii, aby pomóc im zrealizować wartość danych, które generują. To przyjdzie z wdrożeniem lokalnej/Edge AI do przetwarzania danych lokalnie, w celu generowania danych bogatych w wgląd. Dane wyjściowe z rozwiązań Edge AI ostatecznie zautomatyzują odpowiedź i działanie, aby umożliwić mniejszą zależność od interakcji człowieka i bardziej zautomatyzowane działanie korygujące. Wywiad: Można także przeczytać wywiad z Yasserem Khanem.