اینترنت اشیا و هوش مصنوعی نقش یادگیری ماشین در تحلیل داده های IoT

در سال های اخیر همگرایی اینترنت اشیا (IoT) و هوش مصنوعی (AI) پارادایم جدیدی را به نام هوش مصنوعی اشیا (AIoT) شکل داده است. شبکه های اینترنت اشیا با اتصال میلیاردها دستگاه فیزیکی به اینترنت روزانه حجم غیرقابل تصوری از داده های خام را تولید می کنند. با این حال ارزش استراتژیک این شبکه ها در توانایی حسگرها برای تولید داده نیست بلکه در قابلیت سیستم های پردازشی برای تحلیل بلادرنگ و استخراج دانش عملیاتی از این داده ها نهفته است. این پژوهش به بررسی عمیق و همه جانبه نقش الگوریتم های یادگیری ماشین (ML) در تحلیل داده های اینترنت اشیا می پردازد. در این مقاله ابتدا معماری پردازش داده ها در لایه های لبه، مه و فضای ابری به تفصیل شرح داده شده و سپس به طبقه بندی دقیق انواع داده های تولید شده در این بستر پرداخته می شود. در ادامه مکانیزم عملکرد الگوریتم های یادگیری نظارت شده، بدون نظارت و یادگیری عمیق به صورت مفهومی و بدون اتکا به پیچیدگی های ریاضی مورد ارزیابی قرار می گیرد، همچنین کاربردهای کلیدی این فناوری در حوزه هایی نظیر صنعت ۴٫۰، شهرهای هوشمند و سلامت دیجیتال بررسی شده و در نهایت چالش های حیاتی نظیر امنیت داده ها، محدودیت مصرف انرژی و تاخیر در شبکه در کنار راهکارهای نوینی چون یادگیری فدرال و هوش مصنوعی در مقیاس میکرو (TinyML) تحلیل می شوند.

کلیدواژه ها:

اینترنت اشیا ، یادگیری ماشین ، رایانش لبه ، تحلیل کلان داده ، شبکه های حسگر ، امنیت اینترنت اشیا ، یادگیری عمیق