ต้นขั้ว Yasser Khan ซีอีโอของ ONE Tech - ซีรี่ส์สัมภาษณ์ - Unite.AI
เชื่อมต่อกับเรา

บทสัมภาษณ์

Yasser Khan ซีอีโอของ ONE Tech – ซีรี่ส์สัมภาษณ์

mm

การตีพิมพ์

 on

ยัสเซอร์ ข่าน เป็น CEO ของ วันเทค บริษัทเทคโนโลยีที่ขับเคลื่อนด้วย AI ซึ่งออกแบบ พัฒนา และปรับใช้โซลูชัน IoT ยุคหน้าสำหรับ OEM ผู้ให้บริการเครือข่าย และองค์กรต่างๆ

อะไรทำให้คุณสนใจปัญญาประดิษฐ์ในตอนแรก?

ไม่กี่ปีที่ผ่านมา เราปรับใช้โซลูชัน Industrial Internet of Things (IIoT) ที่เชื่อมต่อทรัพย์สินจำนวนมากทั่วทั้งตำแหน่งทางภูมิศาสตร์ที่กว้างขวาง จำนวนข้อมูลที่ถูกสร้างขึ้นมีมากมายมหาศาล เรารวบรวมข้อมูลจาก PLC ที่อัตราการสุ่มตัวอย่าง 50 มิลลิวินาที และค่าเซ็นเซอร์ภายนอกสองสามครั้งต่อวินาที ในช่วงเวลาเพียงหนึ่งนาที เรามีดาต้าพอยน์นับพันที่สร้างขึ้นสำหรับแต่ละสินทรัพย์ที่เราเชื่อมต่อด้วย เราทราบดีว่าวิธีมาตรฐานในการส่งข้อมูลนี้ไปยังเซิร์ฟเวอร์และให้บุคคลประเมินข้อมูลนั้นไม่สมจริง และไม่เป็นประโยชน์ต่อธุรกิจ ดังนั้นเราจึงเริ่มสร้างผลิตภัณฑ์ที่จะประมวลผลข้อมูลและสร้างเอาต์พุตที่สิ้นเปลือง ซึ่งช่วยลดจำนวนการดูแลที่องค์กรต้องการอย่างมากเพื่อเก็บเกี่ยวผลประโยชน์จากการปรับใช้การแปลงดิจิทัล โดยเน้นหนักไปที่การจัดการประสิทธิภาพของสินทรัพย์และการบำรุงรักษาเชิงคาดการณ์

คุณสามารถพูดคุยว่าโซลูชัน MicroAI ของ ONE Tech คืออะไร 

MicroAI™ เป็นแพลตฟอร์มแมชชีนเลิร์นนิงที่ให้ข้อมูลเชิงลึกในระดับที่มากขึ้นเกี่ยวกับประสิทธิภาพของสินทรัพย์ (อุปกรณ์หรือเครื่องจักร) การใช้งาน และพฤติกรรมโดยรวม ประโยชน์นี้มีตั้งแต่ผู้จัดการโรงงานผลิตที่กำลังมองหาวิธีปรับปรุงประสิทธิภาพของอุปกรณ์โดยรวมไปจนถึงฮาร์ดแวร์ OEM ที่ต้องการทำความเข้าใจให้ดีขึ้นว่าอุปกรณ์ของตนมีการพัฒนาอย่างไรในภาคสนาม เราบรรลุเป้าหมายนี้โดยการปรับใช้แพ็กเก็ตขนาดเล็ก (ขนาดเล็กถึง 70kb) บนไมโครคอนโทรลเลอร์ (MCU) หรือไมโครโปรเซสเซอร์ (MPU) ของสินทรัพย์ ความแตกต่างที่สำคัญคือกระบวนการฝึกอบรมและการสร้างแบบจำลองของ MicroAI นั้นมีเอกลักษณ์เฉพาะตัว เราฝึกโมเดลโดยตรงกับสินทรัพย์ สิ่งนี้ไม่เพียงแต่ช่วยให้ข้อมูลคงอยู่ในเครื่อง ซึ่งช่วยลดต้นทุนและเวลาในการปรับใช้ แต่ยังเพิ่มความแม่นยำและความแม่นยำของเอาท์พุต AI อีกด้วย MicroAI มีสามชั้นหลัก:

  1. การนำเข้าข้อมูล – MicroAI ไม่เชื่อเรื่องพระเจ้าในการป้อนข้อมูล เราสามารถใช้ค่าเซ็นเซอร์ใดๆ ก็ได้ และแพลตฟอร์ม MicroAI ช่วยให้สามารถทำวิศวกรรมคุณลักษณะและกำหนดน้ำหนักของอินพุตภายในชั้นแรกนี้ได้
  2. การฝึกอบรม – เราฝึกอบรมโดยตรงภายในสภาพแวดล้อมท้องถิ่น ผู้ใช้สามารถกำหนดระยะเวลาการฝึกได้โดยขึ้นอยู่กับวัฏจักรปกติของเนื้อหา โดยปกติแล้ว เราต้องการจับภาพ 25-45 รอบปกติ แต่สิ่งนี้ขึ้นอยู่กับความผันแปร/ความผันผวนของแต่ละรอบที่จับได้เป็นอย่างมาก
  3. เอาท์พุต – การแจ้งเตือนและการแจ้งเตือนถูกสร้างขึ้นโดย MicroAI ตามความรุนแรงของความผิดปกติที่ตรวจพบ ผู้ใช้สามารถปรับเกณฑ์เหล่านี้ได้ ผลลัพธ์อื่นๆ ที่สร้างโดย MicroAI ได้แก่ วันที่คาดการณ์ไว้จนถึงการบำรุงรักษาครั้งต่อไป (สำหรับการปรับตารางเวลาการบริการให้เหมาะสม) คะแนนความสมบูรณ์ และอายุสินทรัพย์ที่เหลืออยู่ ผลลัพธ์เหล่านี้สามารถส่งไปยังระบบ IT ที่มีอยู่ซึ่งไคลเอนต์มีอยู่แล้ว (เครื่องมือการจัดการวงจรชีวิตผลิตภัณฑ์ การสนับสนุน/การจัดการการออกตั๋ว การบำรุงรักษา ฯลฯ)

คุณสามารถพูดคุยเกี่ยวกับเทคโนโลยีแมชชีนเลิร์นนิงที่อยู่เบื้องหลัง MicroAI ได้หรือไม่

MicroAI มีการวิเคราะห์พฤติกรรมหลายมิติที่บรรจุอยู่ภายในอัลกอริทึมแบบเรียกซ้ำ แต่ละอินพุตที่ป้อนเข้าสู่กลไก AI จะส่งผลต่อเกณฑ์ (ขอบเขตบนและล่าง) ที่กำหนดโดยโมเดล AI เราทำสิ่งนี้โดยคาดการณ์ล่วงหน้าหนึ่งก้าว ตัวอย่างเช่น หากอินพุตหนึ่งคือ RPM และ RPM เพิ่มขึ้น ขีดจำกัดบนของอุณหภูมิตลับลูกปืนอาจสูงขึ้นเล็กน้อยเนื่องจากการเคลื่อนที่ของเครื่องจักรที่เร็วขึ้น สิ่งนี้ทำให้โมเดลสามารถพัฒนาและเรียนรู้ต่อไปได้

MicroAI ไม่พึ่งพาการเข้าถึงคลาวด์ ข้อดีของสิ่งนี้คืออะไร

เรามีวิธีการที่ไม่เหมือนใครในการสร้างแบบจำลองโดยตรงบนจุดสิ้นสุด (ที่ซึ่งข้อมูลถูกสร้างขึ้น) สิ่งนี้นำความเป็นส่วนตัวและความปลอดภัยของข้อมูลมาสู่การปรับใช้เนื่องจากข้อมูลไม่จำเป็นต้องออกจากสภาพแวดล้อมในเครื่อง นี่เป็นสิ่งสำคัญอย่างยิ่งสำหรับการปรับใช้ที่จำเป็นต้องมีความเป็นส่วนตัวของข้อมูล นอกจากนี้ กระบวนการฝึกอบรมข้อมูลในระบบคลาวด์ยังใช้เวลานาน การบริโภคเวลาที่คนอื่นเข้ามาในพื้นที่นี้เกิดจากความจำเป็นในการรวมข้อมูลประวัติ การส่งข้อมูลไปยังระบบคลาวด์ สร้างแบบจำลอง และในที่สุดก็ผลักแบบจำลองนั้นลงไปยังสินทรัพย์ปลายทาง MicroAI สามารถฝึกและใช้ชีวิตได้ 100% ในสภาพแวดล้อมท้องถิ่น

คุณสมบัติอย่างหนึ่งของเทคโนโลยี MicroAI คือการตรวจจับความผิดปกติแบบเร่ง คุณช่วยอธิบายเพิ่มเติมเกี่ยวกับฟังก์ชันนี้ได้ไหม

ด้วยแนวทางการวิเคราะห์พฤติกรรมของเรา เราจึงสามารถใช้ MicroAI และเริ่มเรียนรู้พฤติกรรมของสินทรัพย์ได้ทันที เราสามารถเริ่มเห็นรูปแบบภายในพฤติกรรม อีกครั้ง โดยไม่จำเป็นต้องโหลดข้อมูลประวัติใดๆ เมื่อเราจับภาพวัฏจักรของสินทรัพย์ได้เพียงพอแล้ว เราจะเริ่มสร้างผลลัพธ์ที่แม่นยำจากโมเดล AI ได้ นี่เป็นเรื่องแปลกใหม่สำหรับพื้นที่ สิ่งที่เคยใช้เวลาหลายสัปดาห์หรือหลายเดือนในการสร้างแบบจำลองที่ถูกต้องสามารถเกิดขึ้นได้ภายในเวลาไม่กี่ชั่วโมง และบางครั้งก็เป็นนาที

อะไรคือความแตกต่างระหว่าง MicroAI™ Helio และ MicroAI™ Atom

เซิร์ฟเวอร์ MicroAI™ Helio:

สภาพแวดล้อมเซิร์ฟเวอร์ Helio ของเราสามารถนำไปใช้ในเซิร์ฟเวอร์ภายในเครื่อง (โดยทั่วไป) หรือในอินสแตนซ์ระบบคลาวด์ Helio มีฟังก์ชันดังต่อไปนี้: (การจัดการเวิร์กโฟลว์ การวิเคราะห์และจัดการข้อมูล และการสร้างภาพข้อมูล)

เวิร์กโฟลว์สำหรับการจัดการสินทรัพย์ – ลำดับชั้นของตำแหน่งที่ปรับใช้และวิธีการใช้งาน (เช่น การติดตั้งสิ่งอำนวยความสะดวกของลูกค้าทั้งหมดทั่วโลก สิ่งอำนวยความสะดวกและส่วนเฉพาะภายในสิ่งอำนวยความสะดวกแต่ละแห่ง แต่ละสถานี ไปจนถึงสินทรัพย์แต่ละอย่างในแต่ละสถานี) นอกจากนี้ อาจมีการตั้งค่าสินทรัพย์เพื่อทำงานที่แตกต่างกันด้วยอัตรารอบการทำงานที่แตกต่างกัน สามารถกำหนดค่าได้ภายในเวิร์กโฟลว์เหล่านี้ นอกจากนี้ยังมีความสามารถในการจัดการใบสั่งงาน/ใบสั่งงาน ซึ่งเป็นส่วนหนึ่งของสภาพแวดล้อม Helio Server

การวิเคราะห์และจัดการข้อมูล – ภายในส่วนนี้ของ Helio ผู้ใช้สามารถเรียกใช้การวิเคราะห์เพิ่มเติมเกี่ยวกับเอาต์พุต AI พร้อมกับสแน็ปช็อตข้อมูลดิบใดๆ (เช่น สูงสุด ต่ำสุด และค่าข้อมูลเฉลี่ยเป็นรายชั่วโมงหรือลายเซ็นข้อมูลที่เรียกการแจ้งเตือนหรือสัญญาณเตือน) . สิ่งเหล่านี้อาจเป็นข้อความค้นหาที่กำหนดค่าในตัวออกแบบ Helio Analytics หรือการวิเคราะห์ขั้นสูงที่มาจากเครื่องมือต่างๆ เช่น R ซึ่งเป็นภาษาโปรแกรม เลเยอร์การจัดการข้อมูลเป็นที่ที่ผู้ใช้สามารถใช้เกตเวย์การจัดการ API สำหรับการเชื่อมต่อของบุคคลที่สามซึ่งใช้และ/หรือส่งข้อมูลโดยประสานงานกับสภาพแวดล้อม Helio

การแสดงข้อมูล – Helio จัดเตรียมเทมเพลตสำหรับการรายงานเฉพาะอุตสาหกรรมต่างๆ ซึ่งช่วยให้ผู้ใช้สามารถดู Enterprise Asset Management และ Asset Performance Management ของผู้บริโภคในมุมมองของสินทรัพย์ที่เชื่อมต่อได้จากทั้งเดสก์ท็อป Helio และแอปพลิเคชันมือถือ

อะตอม MicroAI:

MicroAI Atom เป็นแพลตฟอร์มการเรียนรู้ของเครื่องที่ออกแบบมาสำหรับการฝังลงในสภาพแวดล้อม MCU ซึ่งรวมถึงการฝึกอบรมอัลกอริทึมแบบวนซ้ำการวิเคราะห์พฤติกรรมหลายมิติโดยตรงในสถาปัตยกรรม MCU ภายในเครื่อง ไม่ใช่ในระบบคลาวด์แล้วผลักลงไปที่ MCU สิ่งนี้ช่วยให้เร่งการสร้างและปรับใช้โมเดล ML ผ่านการสร้างอัตโนมัติของเกณฑ์บนและล่างตามโมเดลหลายตัวแปรที่สร้างขึ้นโดยตรงบนจุดสิ้นสุด เราได้สร้าง MicroAI เพื่อให้เป็นวิธีที่มีประสิทธิภาพมากขึ้นในการบริโภคและประมวลผลข้อมูลสัญญาณเพื่อฝึกโมเดลมากกว่าวิธีดั้งเดิมอื่นๆ สิ่งนี้ไม่เพียงนำระดับความแม่นยำที่สูงขึ้นมาสู่โมเดลที่สร้างขึ้น แต่ยังใช้ทรัพยากรน้อยลงบนฮาร์ดแวร์โฮสต์ (เช่น หน่วยความจำและการใช้งาน CPU ที่ต่ำกว่า) ซึ่งช่วยให้เราทำงานในสภาพแวดล้อมเช่น MCU ได้

เรามีอีกหนึ่งข้อเสนอหลักที่เรียกว่า MicroAI™ Network

เครือข่าย MicroAI™ – อนุญาตให้รวมเครือข่ายของ Atoms และผสมกับแหล่งข้อมูลภายนอกเพื่อสร้างโมเดลหลายตัวโดยตรงที่ขอบ ซึ่งช่วยให้สามารถเรียกใช้การวิเคราะห์ในแนวนอนและแนวตั้งในสินทรัพย์ต่างๆ ที่กำลังเรียกใช้ Atom เครือข่าย MicroAI ช่วยให้เข้าใจในระดับที่ลึกยิ่งขึ้นว่าอุปกรณ์/สินทรัพย์ทำงานอย่างไรเมื่อเทียบกับสินทรัพย์ที่คล้ายคลึงกันซึ่งถูกปรับใช้ อีกครั้ง เนื่องจากแนวทางเฉพาะของเราในการสร้างโมเดลโดยตรงที่ Edge โมเดลการเรียนรู้ของเครื่องจึงใช้หน่วยความจำและ CPU ของฮาร์ดแวร์โฮสต์น้อยมาก

ONE Tech ยังให้คำปรึกษาด้านความปลอดภัยของ IoT กระบวนการสำหรับการสร้างแบบจำลองภัยคุกคามและการทดสอบการเจาะระบบของ IoT คืออะไร

เนื่องจากความสามารถของเราในการทำความเข้าใจพฤติกรรมของสินทรัพย์ เราจึงสามารถใช้ข้อมูลที่เกี่ยวข้องกับภายในของอุปกรณ์ที่เชื่อมต่อ (เช่น CPU, การใช้งานหน่วยความจำ, ขนาด/ความถี่ของชุดข้อมูล) อุปกรณ์ IoT ส่วนใหญ่มีรูปแบบการทำงานปกติ ซึ่งก็คือความถี่ในการส่งข้อมูล ตำแหน่งที่ส่งข้อมูล และขนาดของแพ็กเก็ตข้อมูลนั้น เราใช้ MicroAI เพื่อใช้พารามิเตอร์ข้อมูลภายในเหล่านี้เพื่อสร้างบรรทัดฐานของสิ่งปกติสำหรับอุปกรณ์ที่เชื่อมต่อนั้น หากมีการกระทำที่ผิดปกติเกิดขึ้นกับอุปกรณ์ เราสามารถเรียกใช้การตอบสนองได้ การดำเนินการนี้มีตั้งแต่การรีบูตอุปกรณ์หรือเปิดตั๋วภายในเครื่องมือการจัดการลำดับงาน ไปจนถึงการตัดทราฟฟิกเครือข่ายไปยังอุปกรณ์โดยสิ้นเชิง ทีมรักษาความปลอดภัยของเราได้พัฒนาการแฮ็กทดสอบ และเราตรวจพบความพยายามโจมตี Zero-Day หลายครั้งได้สำเร็จโดยใช้ MicroAI ในความสามารถนี้

มีอะไรอีกบ้างที่คุณต้องการแชร์เกี่ยวกับ ONE Tech, Inc

ด้านล่างนี้คือไดอะแกรมของการทำงานของ MicroAI Atom เริ่มต้นด้วยการรับข้อมูลดิบ การฝึกอบรมและการประมวลผลในสภาพแวดล้อมท้องถิ่น การอนุมานข้อมูลและให้ผลลัพธ์

ด้านล่างนี้คือไดอะแกรมของการทำงานของเครือข่าย MicroAI อะตอม MicroAI จำนวนมากป้อนเข้าสู่เครือข่าย MicroAI นอกเหนือจากข้อมูล Atom แล้ว คุณสามารถรวมแหล่งข้อมูลเพิ่มเติมเข้ากับโมเดลเพื่อความเข้าใจที่ละเอียดยิ่งขึ้นเกี่ยวกับประสิทธิภาพของสินทรัพย์ นอกจากนี้ ภายในเครือข่าย MicroAI มีหลายโมเดลที่ถูกสร้างขึ้นเพื่อให้ผู้มีส่วนได้ส่วนเสียสามารถเรียกใช้การวิเคราะห์ในแนวราบเกี่ยวกับประสิทธิภาพของสินทรัพย์ในภูมิภาคต่างๆ ระหว่างลูกค้า ก่อนและหลังการอัปเดต ฯลฯ

ขอบคุณสำหรับบทสัมภาษณ์และคำตอบโดยละเอียดของคุณ ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม วันเทค.

ผู้ร่วมก่อตั้ง unite.AI และเป็นสมาชิกของ สภาเทคโนโลยี Forbes อองตวนเป็นอ ผู้เป็นเจ้ายังมาไม่ถึง ผู้หลงใหลเกี่ยวกับอนาคตของ AI และหุ่นยนต์

เขายังเป็นผู้ก่อตั้ง หลักทรัพย์.ioซึ่งเป็นเว็บไซต์ที่เน้นการลงทุนด้านเทคโนโลยีก่อกวน