Phỏng vấn
Yasser Khan, CEO của ONE Tech – Loạt bài phỏng vấn
Yasser Khan, là Giám đốc điều hành của MỘT CÔNG NGHỆ một công ty công nghệ dựa trên AI chuyên thiết kế, phát triển và triển khai các giải pháp IoT thế hệ tiếp theo cho OEM, nhà khai thác mạng và doanh nghiệp.
Điều gì ban đầu thu hút bạn đến Trí tuệ nhân tạo?
Một vài năm trước, chúng tôi đã triển khai giải pháp Internet vạn vật công nghiệp (IIoT) kết nối nhiều tài sản trên một vị trí địa lý rộng lớn. Lượng dữ liệu được tạo ra là vô cùng lớn. Chúng tôi đã tổng hợp dữ liệu từ các PLC với tốc độ lấy mẫu là 50 mili giây và các giá trị cảm biến bên ngoài vài lần một giây. Trong vòng một phút, chúng tôi đã tạo ra hàng nghìn điểm dữ liệu cho từng nội dung mà chúng tôi đang kết nối. Chúng tôi biết rằng phương pháp tiêu chuẩn để truyền dữ liệu này đến máy chủ và nhờ một người đánh giá dữ liệu là không thực tế và cũng không có lợi cho doanh nghiệp. Vì vậy, chúng tôi bắt đầu tạo ra một sản phẩm có thể xử lý dữ liệu và tạo ra các đầu ra có thể tiêu thụ được, giúp giảm đáng kể lượng giám sát mà một tổ chức cần để thu được lợi ích của việc triển khai chuyển đổi kỹ thuật số—tập trung chủ yếu vào quản lý hiệu suất tài sản và bảo trì dự đoán.
Bạn có thể thảo luận về giải pháp MicroAI của ONE Tech là gì không?
MicroAI™ là một nền tảng Machine Learning cung cấp mức độ hiểu biết sâu sắc hơn về hiệu suất, cách sử dụng và hành vi tổng thể của tài sản (thiết bị hoặc máy). Lợi ích này bao gồm từ những người quản lý nhà máy sản xuất đang tìm cách cải thiện hiệu quả tổng thể của thiết bị cho đến các OEM phần cứng muốn hiểu rõ hơn về cách thức hoạt động của thiết bị của họ trên thực tế. Chúng tôi thực hiện điều này bằng cách triển khai một gói nhỏ (nhỏ tới 70kb) lên bộ vi điều khiển (MCU) hoặc bộ vi xử lý (MPU) của nội dung. Điểm khác biệt chính là quá trình đào tạo và hình thành mô hình của MicroAI là duy nhất. Chúng tôi đào tạo mô hình trực tiếp trên chính nội dung đó. Điều này không chỉ cho phép dữ liệu được lưu trữ cục bộ, giúp giảm chi phí và thời gian triển khai mà còn tăng độ chính xác và độ chính xác của đầu ra AI. MicroAI có ba lớp chính:
- Nhập dữ liệu – MicroAI không phụ thuộc vào dữ liệu đầu vào. Chúng tôi có thể sử dụng bất kỳ giá trị cảm biến nào và Nền tảng MicroAI cho phép kỹ thuật tính năng và trọng số của đầu vào trong lớp đầu tiên này.
- Hội thảo – Chúng tôi đào tạo trực tiếp trong môi trường địa phương. Người dùng có thể đặt thời lượng đào tạo tùy thuộc vào chu kỳ bình thường của nội dung. Thông thường, chúng tôi muốn chụp 25-45 chu kỳ thông thường, nhưng điều này chủ yếu dựa trên sự thay đổi/biến động của mỗi chu kỳ được chụp.
- Đầu ra – Thông báo và Cảnh báo được MicroAI tạo ra dựa trên mức độ nghiêm trọng của sự bất thường được phát hiện. Người dùng có thể điều chỉnh các ngưỡng này. Các kết quả đầu ra khác do MicroAI tạo ra bao gồm Số ngày dự đoán cho đến lần bảo trì tiếp theo (để tối ưu hóa lịch trình dịch vụ), Điểm tình trạng và Tuổi thọ còn lại của tài sản. Các đầu ra này có thể được gửi đến các hệ thống CNTT hiện có mà khách hàng có sẵn (công cụ Quản lý vòng đời sản phẩm, Quản lý hỗ trợ/bán vé, Bảo trì, v.v.)
Bạn có thể thảo luận về một số công nghệ máy học đằng sau MicroAI không?
MicroAI có tính năng Phân tích hành vi đa chiều được gói gọn trong một thuật toán đệ quy. Mỗi đầu vào được đưa vào công cụ AI sẽ tác động đến các ngưỡng (giới hạn trên và dưới) do mô hình AI đặt. Chúng tôi làm điều này bằng cách đưa ra dự đoán trước một bước. Ví dụ: nếu một đầu vào là RPM và RPM tăng, ngưỡng giới hạn trên của nhiệt độ ổ trục có thể tăng nhẹ do chuyển động của máy nhanh hơn. Điều này cho phép mô hình tiếp tục phát triển và học hỏi.
MicroAI không phụ thuộc vào việc truy cập đám mây, lợi ích của việc này là gì?
Chúng tôi có một cách tiếp cận độc đáo để hình thành các mô hình trực tiếp trên điểm cuối (nơi dữ liệu được tạo). Điều này mang lại sự riêng tư và bảo mật dữ liệu cho việc triển khai vì dữ liệu không cần phải rời khỏi môi trường cục bộ. Điều này đặc biệt quan trọng đối với các triển khai mà quyền riêng tư dữ liệu là bắt buộc. Hơn nữa, quá trình đào tạo dữ liệu trong đám mây rất tốn thời gian. Việc tiêu tốn thời gian cho cách người khác tiếp cận không gian này là do nhu cầu tổng hợp dữ liệu lịch sử, truyền dữ liệu lên đám mây, hình thành mô hình và cuối cùng đẩy mô hình đó xuống nội dung cuối. MicroAI có thể đào tạo và sống 100% trong môi trường địa phương.
Một trong những tính năng của công nghệ MicroAI là phát hiện sự bất thường được tăng tốc, bạn có thể giải thích về chức năng này không?
Do cách tiếp cận phân tích hành vi của chúng tôi, chúng tôi có thể triển khai MicroAI và ngay lập tức bắt đầu tìm hiểu hành vi của nội dung. Chúng ta có thể bắt đầu thấy các mẫu trong hành vi. Một lần nữa, điều này không cần tải bất kỳ dữ liệu lịch sử nào. Khi chúng tôi nắm bắt đủ chu kỳ của nội dung, chúng tôi có thể bắt đầu tạo đầu ra chính xác từ mô hình AI. Đây là bước đột phá cho không gian. Những gì từng mất hàng tuần hoặc hàng tháng để hình thành một mô hình chính xác có thể xảy ra trong vòng vài giờ và đôi khi là vài phút.
Đâu là sự khác biệt giữa MicroAI™ Helio và MicroAI™ Atom?
Máy chủ MicroAI™ Helio:
Môi trường Máy chủ Helio của chúng tôi có thể được triển khai trong một máy chủ cục bộ (phổ biến nhất) hoặc trong một phiên bản đám mây. Helio cung cấp các chức năng sau: (Quản lý quy trình làm việc, quản lý và phân tích dữ liệu cũng như trực quan hóa dữ liệu).
Quy trình làm việc để quản lý tài sản – Một hệ thống phân cấp về nơi chúng được triển khai và cách chúng được sử dụng. (ví dụ: thiết lập tất cả các cơ sở của khách hàng trên toàn cầu, các cơ sở cụ thể và các bộ phận trong mỗi cơ sở, các trạm riêng lẻ, cho đến từng tài sản trong mỗi trạm). Hơn nữa, các tài sản có thể được thiết lập để thực hiện các công việc khác nhau với tốc độ chu kỳ khác nhau; điều này có thể được cấu hình trong các quy trình công việc này. Ngoài ra còn có khả năng quản lý vé/lệnh làm việc, đây cũng là một phần của môi trường Máy chủ Helio.
Phân tích và quản lý dữ liệu – Trong phần này của Helio, người dùng có thể chạy các phân tích sâu hơn về đầu ra AI, cùng với bất kỳ ảnh chụp nhanh dữ liệu thô nào (tức là các giá trị dữ liệu Tối đa, Tối thiểu và trung bình trên cơ sở hàng giờ hoặc chữ ký dữ liệu đã kích hoạt cảnh báo hoặc báo động) . Đây có thể là các truy vấn được định cấu hình trong trình thiết kế Helio Analytics hoặc các phân tích nâng cao hơn được đưa vào từ các công cụ như R, một ngôn ngữ lập trình. Lớp quản lý dữ liệu là nơi người dùng có thể sử dụng cổng quản lý API cho các kết nối của bên thứ ba đang sử dụng và/hoặc gửi dữ liệu phối hợp với môi trường Helio.
Data Visualization – Helio cung cấp các mẫu cho các báo cáo cụ thể theo ngành khác nhau, cho phép người dùng sử dụng chế độ xem Quản lý tài sản doanh nghiệp và Quản lý hiệu suất tài sản đối với các tài sản được kết nối của họ từ cả ứng dụng dành cho máy tính để bàn và thiết bị di động của Helio.
Nguyên tử MicroAI:
MicroAI Atom là một nền tảng Machine Learning được thiết kế để nhúng vào môi trường MCU. Điều này bao gồm đào tạo thuật toán đệ quy phân tích hành vi đa chiều trực tiếp trong kiến trúc MCU cục bộ—chứ không phải trong đám mây rồi đẩy xuống MCU. Điều này cho phép tăng tốc quá trình xây dựng và triển khai các mô hình ML thông qua việc tự động tạo các ngưỡng trên và ngưỡng dưới dựa trên mô hình đa biến được hình thành trực tiếp trên điểm cuối. Chúng tôi đã tạo ra MicroAI để trở thành một cách sử dụng và xử lý dữ liệu tín hiệu hiệu quả hơn để đào tạo các mô hình so với các phương pháp truyền thống khác. Điều này không chỉ mang lại độ chính xác cao hơn cho mô hình được hình thành mà còn sử dụng ít tài nguyên hơn trên phần cứng máy chủ (nghĩa là sử dụng bộ nhớ và CPU thấp hơn), cho phép chúng tôi chạy trong các môi trường như MCU.
Chúng tôi có một dịch vụ cốt lõi khác được gọi là Mạng MicroAI™.
Mạng MicroAI™ – Cho phép hợp nhất và kết hợp một mạng các Nguyên tử với các nguồn dữ liệu bên ngoài để tạo nhiều mô hình trực tiếp tại biên. Điều này cho phép chạy phân tích theo chiều ngang và chiều dọc trên các nội dung khác nhau đang chạy Atom. Mạng MicroAI cho phép hiểu sâu hơn về cách một thiết bị/tài sản đang hoạt động so với các tài sản tương tự được triển khai. Một lần nữa, do cách tiếp cận độc đáo của chúng tôi để hình thành các mô hình trực tiếp ở rìa, các mô hình máy học tiêu thụ rất ít bộ nhớ và CPU của phần cứng máy chủ.
ONE Tech cũng cung cấp dịch vụ tư vấn bảo mật IoT. Quy trình mô hình hóa mối đe dọa và kiểm tra thâm nhập IoT như thế nào?
Nhờ khả năng hiểu cách hoạt động của nội dung, chúng tôi có thể sử dụng dữ liệu liên quan đến phần bên trong của thiết bị được kết nối (ví dụ: CPU, Mức sử dụng bộ nhớ, kích thước/tần suất gói dữ liệu). Phần lớn, các thiết bị IoT có mô hình hoạt động thông thường—tần suất truyền dữ liệu, nơi gửi dữ liệu và kích thước của gói dữ liệu đó. Chúng tôi áp dụng MicroAI để sử dụng các tham số dữ liệu nội bộ này nhằm tạo thành đường cơ sở về mức độ bình thường đối với thiết bị được kết nối đó. Nếu một hành động bất thường xảy ra trên thiết bị, chúng tôi có thể kích hoạt phản hồi. Điều này có thể bao gồm từ việc khởi động lại thiết bị hoặc mở một phiếu yêu cầu trong công cụ quản lý yêu cầu công việc cho đến việc cắt hoàn toàn lưu lượng truy cập mạng vào một thiết bị. Nhóm bảo mật của chúng tôi đã phát triển các bản hack thử nghiệm và chúng tôi đã phát hiện thành công nhiều nỗ lực tấn công Zero-Day khác nhau bằng cách sử dụng MicroAI trong khả năng này.
Có điều gì khác mà bạn muốn chia sẻ về ONE Tech, Inc không?
Dưới đây là sơ đồ về cách hoạt động của MicroAI Atom. Bắt đầu với việc thu thập dữ liệu thô, đào tạo và xử lý trong môi trường cục bộ, suy luận dữ liệu và cung cấp đầu ra.
Dưới đây là sơ đồ về cách thức hoạt động của Mạng MicroAI. Nhiều Nguyên tử MicroAI được đưa vào Mạng MicroAI. Cùng với dữ liệu Atom, các nguồn dữ liệu bổ sung có thể được hợp nhất vào mô hình để hiểu chi tiết hơn về cách thức hoạt động của nội dung. Hơn nữa, trong Mạng MicroAI, nhiều mô hình được hình thành cho phép các bên liên quan chạy phân tích theo chiều ngang về hiệu quả hoạt động của nội dung ở các khu vực khác nhau, giữa các khách hàng, trước và sau khi cập nhật, v.v.
Cảm ơn bạn về cuộc phỏng vấn và những câu trả lời chi tiết của bạn, độc giả muốn tìm hiểu thêm hãy truy cập MỘT CÔNG NGHỆ.
