Tren penting utama Internet
Of Things (IoT) dalam beberapa tahun terakhir adalah pertumbuhan eksplosif dari
perangkat yang terhubung dan dikendalikan oleh Internet. Dengan beragamnya
aplikasi untuk teknologi IoT berarti bahwa spesifikasinya bisa sangat berbeda
dari satu perangkat ke perangkat lainnya, tetapi ada karakteristik dasar yang
dibagikan oleh sebagian besar.
IoT menciptakan peluang
untuk integrasi dunia fisik yang lebih langsung ke dalam sistem berbasis
komputer, menghasilkan peningkatan efisiensi, manfaat ekonomi, dan pengurangan
aktivitas manusia.
Jumlah perangkat IoT
meningkat 31% tahun-ke-tahun menjadi 8,4 miliar pada tahun 2017 dan
diperkirakan akan ada 30 miliar perangkat pada 2020. Nilai pasar global IoT
diproyeksikan mencapai $ 7,1 triliun pada tahun 2020.
Kecerdasan IoT dapat
ditawarkan pada tiga tingkatan: perangkat IoT, node Edge / Fog, dan komputasi
Cloud. Kebutuhan untuk kontrol dan keputusan yang cerdas pada setiap tingkat
tergantung pada sensitivitas waktu aplikasi IoT. Misalnya, kamera kendaraan
otonom perlu melakukan deteksi hambatan waktu nyata untuk menghindari
kecelakaan. Pengambilan keputusan yang cepat ini tidak akan mungkin dilakukan
dengan mentransfer data dari kendaraan ke instance cloud dan mengembalikan
prediksi ke kendaraan. Sebagai gantinya, semua operasi harus dilakukan secara
lokal di dalam kendaraan.
Mengintegrasikan algoritma
pembelajaran mesin canggih termasuk pembelajaran mendalam ke dalam perangkat
IoT adalah area penelitian aktif untuk membuat objek pintar lebih dekat dengan
kenyataan. Selain itu, dimungkinkan untuk mendapatkan nilai terbaik dari
penyebaran IoT melalui analisis data IoT, penggalian informasi tersembunyi, dan
prediksi keputusan kontrol. Berbagai macam teknik pembelajaran mesin telah
digunakan dalam domain IoT mulai dari metode tradisional seperti regresi, mesin
vektor dukungan, dan hutan acak hingga yang canggih seperti jaringan saraf
convolutional, Long Short Term Memory (LSTM), dan autoencoder variasional.
Di masa depan, Internet of
Things mungkin merupakan jaringan non-deterministik dan terbuka di mana entitas
terorganisir atau cerdas secara otomatis (layanan web, komponen SOA) dan objek
virtual (avatar) akan dapat dioperasikan dan dapat bertindak secara mandiri, tergantung
pada konteks, keadaan atau lingkungan.
Perilaku otonom melalui pengumpulan dan
penalaran informasi konteks serta kemampuan objek untuk mendeteksi perubahan
dalam lingkungan (kesalahan yang mempengaruhi sensor) dan memperkenalkan
langkah-langkah mitigasi yang sesuai merupakan tren penelitian utama, jelas
diperlukan untuk memberikan kredibilitas kepada teknologi IoT .
Produk dan
solusi IoT modern di pasar menggunakan berbagai teknologi berbeda untuk
mendukung otomasi yang sadar konteks seperti itu, tetapi bentuk kecerdasan yang
lebih canggih diminta untuk memungkinkan unit sensor dan sistem fisik-cyber
yang cerdas untuk ditempatkan di lingkungan nyata.
makasih sharingnya
ReplyDeletesama2
Delete