在亞洲的許多地區，季節性暴雨帶來洪水，破壞公民的財產和生計。過去，城市管理部門、市民和企業除了抵御洪水及其帶來的潛在疾病外，幾乎什么都做不了。而物聯網(IoT)、機器學習(ML)和人工智能(AI)等技術可能會為更具前瞻性的領導者提供喘息的機會。
這就是DKI雅加達省政府防洪系統在雅加達智慧城市中的應用。該項目由雅加達智慧城市與雅加達水資源服務局(DSDA)合作開發，旨在優化雅加達的洪水風險管理。該項目涉及使用物聯網、人工智能和機器學習作為預警系統的一部分，以應對城市的洪水風險。
隨著越來越多的組織在商業和工業環境中部署物聯網，來自這些設備和傳感器的數據量可能對提高質量、運營效率以及在雅加達的情況下，從自然災害中拯救生命和財產具有重要意義。
SAS Institute的行業咨詢主管Kenneth Koh認為，物聯網系統對其環境做出反應的速度和準確性至關重要。然而，由于典型系統中的設備和其他傳感器會產生大量的數據，傳統的工具和方法會減慢對這些數據的理解過程。
什么是人工智能嵌入式物聯網？
Kenneth Koh: 在邊緣或邊緣附近處理數據可以使物聯網系統更靈活、更有影響力。但是，以數據為主導的行動的質量與其所依據的基于數據的洞察力的質量一樣有意義。
物聯網本身對制造商來說并不陌生。幾十年來，制造商一直在收集和存儲來自機器的傳感器數據。他們的價值主張在于AIoT——在邊緣實時分析數據，利用人工智能和機器學習來提高效率和價值。
通過為物聯網系統配備人工智能能力，可以在邊緣處理各種結構化和非結構化數據。以更快的速度提供高質量的見解，供系統采取行動。
人工智能嵌入式物聯網如何釋放商業價值
Kenneth Koh: 人工智能嵌入式物聯網提高了運營效率和生產力，同時降低了成本。其還推動創新，以提供更好的客戶服務、更好的產品和更快的產品投放到市場。
在物聯網設備中嵌入AI可以實現邊緣計算，從而允許在一致的5G網絡不可用的情況下部署物聯網系統。例如，物流供應商可以在其運輸車隊中使用物聯網傳感器來監控車輛的內部和外部狀況，即使是在后者路線的偏遠地區。
除了邊緣計算，人工智能嵌入式物聯網利用機器學習，從物聯網系統每天生成的TB數據中開發可操作的見解。在上面的例子中，從這些傳感器收集到的數據被實時發送到云端，使技術人員能夠更準確、更快地解決車輛故障。
制造商還可以利用這些見解來預測某個特定的工廠系統或設備何時會發生故障，從而使技術人員能夠實施預防性維護。主動檢測故障設備可節省寶貴的工時，同時減少代價昂貴的計劃外停機時間。
在零售方面，物聯網系統的見解可用于確定產品的最優價格，并最大限度地減少對其供應鏈的干擾。
機器學習在物聯網分析中的作用
Kenneth Koh: 機器學習是人工智能嵌入式物聯網相對于其他物聯網部署的優勢。系統可以在處理傳感器生成的數據時進行學習，使用各種高級分析方法，如決策樹、隨機森林、梯度提升、神經網絡、支持向量機和因式分解機。
這為企業節省了人力時間和組織中的專家。無需大量訓練AI系統，專家可以專注于其他關鍵任務，而非數據科學家可以訪問、查看和處理數據。
機器學習能力還增加了人工智能系統可以訪問和處理的數據范圍:在線和離線的視覺圖像、文本甚至口頭語音。現有數據數量和質量的增加，增加了從中獲得的見解的價值和影響。
結合這些機器學習功能，可以提高數據處理的速度和數量，從而實現實時可操作的見解。這在許多物聯網系統中是至關重要的。
AIoT如何支持雅加達智慧城市:利用SAS的人工智能平臺，雅加達智慧城市能夠實時集成多源數據，并通過物聯網、機器學習和人工智能技術提供高級分析，以提供應急/災難預測能力和優化服務公眾。其結果是洪水應急響應減輕了雅加達的洪水風險。
鑒于物聯網在歷史上屬于運營技術，誰應該擁有物聯網的安全?
Kenneth Koh: 物聯網的引入模糊了企業IT和OT之間的界限。傳感器和設備連接到網絡，以創建新的系統和改進流程。與此同時，這種融合使傳統的OT設備和系統面臨以前未曾有過的威脅。
事實上，真正的設備安全是技術、流程和最佳實踐的結合。因此，保護物聯網系統不應該是OT或IT團隊的專屬領域，而應該是在兩者之間產生更緊密、更有效的協作。
然而，這說起來容易做起來難，因為IT安全團隊和OT安全團隊通常不使用相同的語言，很難理解彼此的觀點。
職責分配完全不同。優先事項經常出現分歧，管理OT安全和IT安全的法規有時會相互矛盾。獲得給定環境中所有資產的概覽，可以明確哪些資產和流程在任何情況下都不能失敗。
通過這樣做，組織可以建立和實踐統一的網絡安全，以確保數據的機密性、完整性和可用性。
舉出一項IT和運營技術人員協同工作的最佳實踐
Kenneth Koh: 在制造業中，數據對時間非常敏感。例如，如果一個流程中的化學濃度偏離了最佳濃度，工程師可能只有幾分鐘的時間來做出反應，以節省數噸的產品。
在許多半導體工藝中，工程師只有幾秒鐘的時間做出反應。在這種情況下，分析需要轉移到“邊緣”，這意味著數據必須在機器或車間進行分析和決策，而不是在后臺辦公室或工程部門。
這需要有能力在任何需要的地方進行分析，如在機器上、在生產車間、在云端或后臺辦公室。
面臨的主要挑戰之一是數據孤島。對于未實施IT/OT融合的組織，由于未集成或部分集成的應用程序和企業系統拼湊而成。如果沒有仔細的規劃，引入新的數據來源，如物聯網傳感器，會使問題更加復雜。
實施一個數據集成平臺，以將物聯網系統與組織的現有技術堆棧連接起來，可以打破歷史數據和未來數據之間的孤島，同時通過單一控制點為所有團隊提供相同的訪問權限。這確保了IT和OT團隊在同一頁面上，為更好的IT/OT融合奠定了基礎。
