AI人工智能物联网将成为自动化大施拳脚的重要领域 .docVIP

AI人工智能物联网将成为自动化大施拳脚的重要领域 .doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
AI人工智能物联网将成为自动化大施拳脚的重要领域

AI人工智能物联网将成为自动化大施拳脚的重要领域   事实上,随着算法的日益成熟,自动化已然“原力觉醒”。通过自动化来提高速度、可靠性和可预测性才是基础设施和运营(Iamp;O)部门推动生产模型进行变革的根本所在。自动化的发展,将深刻影响我们日常生活的每一个方面。诸如AI(人工智能)、物联网也将成为自动化大施拳脚的重要领域。   自动化兼具计算机速度与人工智能   计算机快速、精确,但缺乏智能。人工速度慢、不稳定,但足智多谋。自动化则以最简单的方式将计算机的速度与人工智能相结合,将手动流程转变为无需人工干预且能够获得相同(或更佳)结果的自动流程。什么是流程?一般来说,流程是指:采用将产生特定结果的特定方法或过程的一系列操作。   工作流描述如何传递和转换消息以完成流程;它是产品或信息发生流动的预定义操作模式。在信息系统工作流中,应用和人力资源相结合,执行每个操作。例如,当管理员将修补程序应用到服务器上时,每个操作将以输入、任务和预期结果的方式清晰地定义。   (简单自动化流程示例:修补服务器)   您可以通过以下方式轻松地实现此流程的自动化:   两种方式   使用简单脚本:脚本可以按照指示(例如“服务器名称”)执行每个任务或操作;然后为每个操作启动所需作业,直至完成流程。   构建自动化软件解决方案:软件解决方案可以通过特定软件例程执行每个操作,这些例程可以汇编为完全自动化的流程。然后,可将例程归入一个目录中,并重复利用它们来构建其他流程。   操作是自动化工具的基础构建块。它的架构通常包括:   ·启动所需操作的触发器:该触发器可以是一次人工干预、一个超过阈值之类的简单事件、多个事件分析引起的一个复杂事件或者一个日期/时间之类的日历事件。此外,也可以是其他操作的输入。例如,物联网(IoT)设备可以通过分析传感器和基于位置的技术提供的个人身份、状态和位置等输入来识别触发器;   ·操作分析:借助通过发送到软件例程的消息所传递的参数,分析可以确定如何启动操作以及预期的结果;   ·执行每个操作的软件例程:操作软件将不断监控该例程是否完成并分析结果以确定是成功还是失败。该分析会接着触发进一步的操作;   (操作是自动化的基础构建块)   从确定性转变为启发式:自动化的未来   我们将大多数形式的自动化操作应用于任务和流程,其中操作软件例程、初始状态和触发器输入将决定结果。自动化非常适合耗时(且枯燥)的可预先建立的重复性任务和流程;与此同时,自动化的另一分支通过使用基于AI(人工智能)的更成熟分析算法来实现发展,即启发式自动化。速度和容量方面的技术发展意味着现在有可能实现基于预测行为的可自我修复的自适应系统。   (启发示自动构建模快示例)   Iamp;O专业人员将使用启发式自动化应用进行数据分析、模式识别、自我学习系统和决策支持,从而最终制定出诸如自我修复系统的解决方案。尽管基于人工智能的启发式解决方案实施起来较为困难,但是仅需少量维护,因为该解决方案可自行适应环境。下面,我们来看下AI应用的两大类别:   两大AI应用类别   使用预定义的结构化数据样本的解决方案:大多数自主学习解决方案属于此类别。该类解决方案有时会基于根据历史数据动态设置的阈值和参数分析数据样本中的模式,并“学习”应执行哪项纠正操作;然后,解决方案会在每次检测到该模式时自动应用该纠正操作。这种不断丰富知识库的行为是自主学习和自我修复自动化解决方案的基础,可大幅提高突发事件和问题管理流程的质量和速度。   应用于非结构化数据的解决方案:它们不断探索没有预定义含义或结构的数据,以使用成熟算法确定模式。此类解决方案发现的模式有助于制定决策,并最终制定出自主学习解决方案,从而在分析来自多个看似无关的传感器的数据时提供帮助。   毫无疑问,从工业机械、用户设备或诸如污染程度的环境参数中收集数据的物联网将成为自动化复杂流程的理想环境。技术管理也可以使用这些解决方案将资源自动分配给工作负载以进行应用协调。   接下来,我们将继续聚焦于自动化领域,为您带来更多关于自动化的前沿分析,助力企业的持续高速发展。敬请您的期待!

文档评论(0)

liujiao19870001 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档