В последние годы технологические достижения в области аппаратного и программного обеспечения, встроенных систем позволяют подключать миллиарды интеллектуальных устройств к Интернету. Эту экосистему называют Интернетом вещей. Многие люди активно мигрируют в города, а это означает, что необходимые ресурсы будут сокращаться. Города должны будут очень эффективно управлять инфраструктурой, такой как вода, электроэнергия, транспорт, если они хотят всех обеспечить. Но как это сделать? Собираемые сегодня данные настолько различаются по качеству и формату, что становится очень сложно эффективно их использовать. Как мы можем эффективно использовать данные, собираемые подключенными датчиками?
Что такое «умные» города?
Для решения проблем, упомянутых в предыдущем параграфе, городские власти и предприятия предпринимают инициативу под названием «умные» города. Ее цель — сделать инфраструктуру более разумной, чтобы мы могли эффективно использовать сокращающиеся ресурсы. Планируется использовать современные технологии для решения многих насущных проблем, включая потери воды, неэффективное потребление энергии, пробки на дорогах и так далее. Строительство «умных» городов поможет решить все эти проблемы, что приведет к положительным экономическим результатам. Это создаст более эффективную и устойчивую жизненную среду для людей. Это, в свою очередь, привлечет в города больше жителей и предприятий.
Идея «умных» городов выглядит захватывающей, но насколько она осуществима? Чтобы быть эффективными, нам нужно собирать данные в каждом секторе. Внедрение решений такого масштаба затруднительно, поскольку каждый город уникален и, следовательно, каждый раз возникает новый набор проблем. Если мы хотим построить масштабируемую модель, нам нужно найти шаблоны, которые можно использовать снова и снова, чтобы применить модель «умного» города ко многим различным городам.
Читайте также: Эко-инновации XXI века защищают от загрязнения воздуха
Некоторые из наиболее важных вещей, которые необходимо решить, сосредоточены на интеллектуальном анализе данных. Необходимо создавать надежные уровни для сбора данных, протоколов связи, взаимодействия между устройствами, системами хранения данных, интеллектуальным уровнем и так далее. Если планируется, чтобы компании свободно создавали приложения для умных городов, то следует стандартизировать многие из этих вещей, чтобы компании могли быстро создавать интеллектуальные приложения для решения этих проблем. Снижение данных барьеров определенно было бы полезно в долгосрочной перспективе.
Как глубокое обучение может быть использовано для решения этих проблем?
В последние годы технология глубокого обучения (Deep Learning) добилась большого прогресса в мире искусственного интеллекта. Она эффективно используется для анализа данных, включая изображения, речь, текст, видео и так далее. В случае «умных» городов мы имеем дело с большим количеством данных временных рядов, загруженных с подключенных датчиков. Преимущество технологии Deep Learning в том, что она очень хорошо подходит для последовательного анализа данных. Данные временных рядов представляют собой особую форму последовательных данных. Рекуррентные нейронные сети показали многообещающие результаты в этом конкретном типе анализа. Технологии Deep Learning позволяет быстро создавать приложения. Эти приложения используют модели обучения последовательности для решения различных задач, включая оптимизацию распределения воды, обнаружение утечки воды, минимизацию потребностей в энергии. Очень важно понимать долгосрочные временные зависимости между различными каналами данных. В этих задачах алгоритмы глубокого обучения действительно дают хороший результат. Когда у нас есть подготовленный двигатель, его можно использовать для управления приводами, которые могут автоматически выполнять нужные действия.
Читайте также: Не забудьте надеть спасательный жилет: глубины глубокого обучения
Загрузка...
