کاربرد مدل های زبانی بزرگ (LLM) در تحلیل داده های حسگری اینترنت اشیاء

با گسترش سریع اینترنت اشیا و اتصال میلیاردها دستگاه حجم عظیمی از داده های ناهمگون جریانی و زمینه محور تولید می شود که تحلیل موثر آنها با روش های سنتی و حتی مدل های یادگیری عمیق با چالش هایی مانند ناهمگونی، نیاز به تنظیمات پیچیده و محدودیت تعمیم پذیری روبه روست. در سال های اخیر مدل های زبانی بزرگ (LLM) به عنوان نسل جدید مدل های بنیادین توانایی چشمگیری در درک متن، استدلال و پردازش چندوجهی نشان داده اند و زمینه استفاده از آنها در تحلیل داده های حسگری IoT را فراهم کرده اند. این مقاله با مرور مطالعات پیشا-LLM و تحقیقات نوظهور مبتنی بر (LLM)، سه دسته کاربرد اصلی شامل تبدیل و غنی سازی داده های حسگری، مدل های چندوجهی ویژه IoT و عامل ها و میان افزارهای (LLM) محور را بررسی می کند. نتایج نشان می دهد که (LLMها) می توانند لایه ای معنایی و قابل توضیح بر داده های حسگری ایجاد کرده و، تحلیل امنیت و تعامل انسان-چیز را بهبود دهند. در پایان چالش های استقرار، منابع محاسباتی، ایمنی و نیاز به داده های چندوجهی مورد بحث قرار می گیرد.

کلیدواژه ها:

اینترنت اشیاء ، داده های حسگری ، مدل های زبانی بزرگ ، یادگیری عمیق ، شهر هوشمند