Очиқ кодли операцион тизимларда шифрлаш ва архивлашни ташкил этиш

СИНЕРГИЯ ИНТЕРНЕТА ВЕЩЕЙ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА


Одилова К.Р. (ТУИТ, стажер-преподаватель)

Интернет вещей (ИВ) является прорывной технологией, так как с каждым днем спрос на платформы IoT растет. Ожидается, что IoT будет составлять основную часть интернет-трафика в целом, образуя большие данные (Big data).

В связи с этим, для сетей Интернет вещей применение искусственной нейронной сети (artificial neural networks) позволит обработать лавинную долю поступающих данных, гибко и адаптировано принимать решения по её обработке и распределению. В ходе эксплуатации искусственная нейронная сеть (ИНС) способна запоминать тысячи интеграций данных, что позволяет находить объект в зоне его действия. С помощью ИНС можно реализовать распознавание текста, изображений и голоса, тем самым увеличить производительность системы IoT в целом. Совместно два этих направления создают интеллектуально связанную систему, где искусственный интеллект (ИИ) – это «мозг», а ИВ – «тело».
Интернет вещей – это инфраструктура, в которой глобальная сеть Интернет подключается к различным приборам IoT (сенсорам и датчикам), чтобы они могли принимать и обрабатывать данные, которые их окружают с помощью других устройств или программного обеспечения. Такая динамическая система как искусственная нейронная сеть позволит устранить или ослабить влияние возникающих неисправностей отдельных элементов сети Интернет вещей. Объединение платформы IoT и нейронных сетей позволит спроектировать и оптимизировать сеть таким образом, чтобы задачами устройств Интернет вещей были сбор, хранение и передача данных, а искусственная нейросеть занималась обработкой этих данных.
Можно сказать, что объединенные системы взаимодополняют функционал друг друга, находя оптимальные пути трафика между узлами и обрабатывая большие данные, тем самым выдавая более эффективные результаты
Интернет вещей уже сейчас затрагивает все сферы деятельности человека: «Умный дом», «Умная медицина», «Умный транспорт», «Умная энергетика», «Умное сельское хозяйство», «Умный город», «Умная планета» и т.д. Огромные массивы данных, поступающие с умных приложений, можно собирать, хранить и производить комбинируя возможности искусственного интеллекта и IoT.
Интернет вещей являясь «телом» посылает сигналы о том, что происходит, а искусственный интеллект принимая и понимания эту информацию, определяет какие действия нужно выполнять. После этого, устройства IoT выполняют физические действия и взаимодействуют с другими устройствами. Их объединение получает мощное сочетание для обработки огромных потоков данных.
С помощью ИИ системы ИВ могут обучаться и принимать решения по управлению данными и их анализу, что улучшает производительность в
целом.
Самыми влиятельными специалистами, которые приложили много усилий в развитие сферы искусственного интеллекта, являются:

1. 
   Джон Маккарти.
   
2. 
   Йошуа Бенжио или Джошуа Беньо (Yoshua Bengio);
   
3. 
   Джеффри Хинтон (Geoffrey Everest Hinton);
   
4. 
   Ян Лекун (Yann LeCun);
   
5. 
   Алексей Крижевский (Alex Krizhevsky);
   
6. 
   Эндрю Ын (Andrew Ng);
   
7. 
   Илья Суцкевер (Ilya Sutskever);
   
8. 
   Руслан Салахутдинов («Русс», Ruslan Salakhutdinov).
   

Искусственный интеллект рассматривается как система или компьютерная программа, которая подобно людям и животным способна учиться, собирая определенную информацию или выполняя задачи. К технологиям ИИ относят машинное обучение, МО (machine learning, ML), обработку естественного языка (Natural Language Processing, NLP), распознавание голоса и лиц, а также глубокое обучение, ГО (Deep learning, DP). Проще говоря, ИИ наделяет машины и объекты разумом.
Машинное обучение – это способ получения искусственного интеллекта; процесс использования хронологических («исторических») данных для создания алгоритма прогнозирования по будущим данным.
Искусственные нейронные сети (Artificial neural network, ANN) представляют собой целый класс методов машинного обучения. Основная роль искусственных нейронов заключается в вычислении взвешенной суммы входных сигналов и создание выходного сигнала, если эта сумма превышает определенный порог.
Искусственные нейронные сети состоят из “нейронов”, которые имеют дискретные слои и соединения с другими “нейронами”. Каждый слой выделяет определенную функцию для изучения, как кривые при разпозновании изображений. Именно из-за этого расслоения глубокое обучение получило свое название. Глубина создается использованием нескольских, а не одного слоя.
Глубинные нейронные сети (Deep neural network, DNN) – это искусственная нейронная сеть с несколькими слоями между входным и выходным слоями.
Объединяя эти два перспективных направления вытекает следующее определение – искусственный интеллект вещей (Artificial Intelligence of Things, AIoT) или сети Интернета вещей, управляемые искусственным интеллектом (ИИ), который реорганизует привычные для нас рабочие процессы во всех областях человеческой деятельности.
Формула, которая даст эффект на веки:
AIoT = AI + IoT.
На сегодняшний день, ИВ можно использовать со встроенным ИИ, что позволяет обеспечить взаимодействие всех подключенных устройств через программный интерфейс приложения. С его же помощью ИИ оптимизирует процессы и извлекает ценные данные из неструктурированного потока данных, поступающих от устройств IoT.
AIoT обеспечивает реагирование в режиме реального времени, к тому же ИИ проводит долгосрочный анализ, что позволяет обозначать тенденции и закономерности в определенный промежуток времени. Такой анализ позволяет составлять прогнозную аналитику на основе множества различных вариантов.
Если рассмотреть будущее AIoT, то можно отметить, что самостоятельно заниматься сортировкой постоянно увеличивающихся объемов, данных людям будет с каждым днем сложнее. Поэтому цифровая трансформация вместе с AIoT намного улучшит качество нашей жизни, но стоит обратить внимание на два очень важных аспекта – это качество обслуживания и безопасность данных.
Например, нейронная сеть обнаружила ухудшение показателей качества обслуживания определенного канала из множества других в сетях Интернета вещей. Нейросеть перенастраивает сеть IoT таким образом, чтобы данный канал занимал последнюю очередь для эксплуатации. Таким образом, нейронная сеть уменьшает вероятность влияния сетевых характеристик (пропускная способность, потеря пакетов, задержка, джиттер и живучесть сети) на качество обслуживания трафика.
Следовательно, искусственная нейронная сеть может решить следующие задачи: управление трафиком, оптимальное распределение загрузки каналов сети, управление коммутацией, адаптивная маршрутизация.
Актуальность использования технологий AIoT будет сохраняться на протяжении еще долгих лет, но, к сожалению, любая мощная технология, может быть использована не по назначению. На данное время AIoT действует для многих людей в благих целях. Например, качественнее ставить медицинские диагнозы, находить новые способы лечения болезней и делать автомобили безопаснее. Тем не менее, по мере расширения возможностей AIoT мы также увидим, что он используется в опасных или зловредных целях.
Искусственный интеллект вещей, как и любая другая новая технология имеет свои уязвимости, которые необходимо предовращать. Защитить систему должным образом можно соблюдая требования, предъявляемые к информационной безопасности. Например, ограничить доступ, а также внедрить определенные протоколы безопасности.
Так как, невозможно полность предугадать все сложности и проблемы в этой области, выстроить безопасную платформу AIoT – это долгосрочная цель, которая направлена на разработку методологий обеспечения безопасности и защиты системы.