物联网（IoT）和人工智能（AI）是科技领域最热门的两个话题，这也是企业技术人员必须了解它们的重要原因。这两项技术可以高度共生，因此规划它们如何相互支持以造福企业用户至关重要。
什么是物联网？
物联网是一个由设备而非人构成的网络。物联网应用通常由能够感知现实世界状况的设备构建而成，这些设备随后会触发某种方式的响应。通常，响应包括一些会影响现实世界的步骤。一个简单的例子是，一个传感器被激活后，会打开一些灯，但许多物联网应用需要更复杂的规则来将触发器和控制元素联系起来，以实时管理过程。
在物联网中，表示触发器、动作或命令的信息通过一个通常被称为控制回路的东西流动。物联网应用中接收触发器并启动动作的部分是这个回路的中心点，也是物联网规则所在的地方。
控制回路只是物联网应用中总信息流的一部分——即接收关于现实世界过程状况的信息并生成现实世界响应的部分。大多数物联网应用还会生成一些业务交易。例如，在仓库入口读取货运清单可能会为司机打开大门——这是一个控制回路的决策——并生成一笔交易，将清单上所列的货物收入库存——这是一笔业务交易。控制回路中做出的决策必须满足应用延迟要求，这通常被称为控制回路的长度。
通常，控制回路只需要简单的处理即可完成回路闭合，并对事件产生现实世界中的响应。输入代码打开大门就是一个例子。在其他情况下，决策所需的处理过程会更复杂。当处理过程必须考虑更多决策因素时，做出这些决策所需的时间就会影响控制回路的长度以及物联网提供预期功能的能力。例如，如果让工人在货车进入货运场之前扫描货运清单需要半分钟的延迟，这可能会降低货场的容量。物联网可以读取清单上的二维码，并更快地做出必要决策，从而加快货物的流动。
人工智能传感器可以产生海量数据，其中大部分数据在过程控制中具有即时价值，在商业分析和优化方面也具有价值。人工智能可以用于这两个任务，并且适当使用人工智能可以提高效率和准确性。但并非所有人工智能都是相同的，也并非所有类型的人工智能都适用于给定的控制或分析任务。图1展示了物联网应用的元素及其与其他业务应用的关系。
什么是人工智能？
人工智能是一类应用程序，能够解释状况并做出决策，就像人类对自己的感官做出反应一样，无需直接的人类干预。当今使用的人工智能有四种广泛的形式，从简单且几乎机械化的形式到复杂且几乎接近人类的形式：
- 简单或基于规则的人工智能是包含规则或策略的软件，这些规则或策略将触发事件与动作相关联。这些规则是编程设定的，因此有些人可能不认为这是一种人工智能形式。然而，许多人工智能平台都依赖于这种策略。
- 机器学习（ML）是一种人工智能形式，其中应用程序通过学习行为来获取知识，而不是通过编程设定。学习可以通过监控实时系统、将人类对事件的响应与事件相关联，然后在相同条件再次出现时通过分析过去的行为或由专家提供数据来重复这些响应。
- 推理或神经网络使用人工智能来构建一个引擎，该引擎旨在模仿简单的生物大脑，并根据引擎推断出的条件做出推论，从而生成对触发事件的响应。如今，这项技术最常应用于图像分析和复杂分析。
- 生成式人工智能，以ChatGPT而广为人知，它通过检查数百万份在线文档来构建知识库，然后基于该知识和工程师提供的一组规则来回答自然语言查询。知识库的广度和查询规则的复杂性可以使这种人工智能形式看起来几乎像人类一样，它代表了该领域许多参与者的最新技术水平。
所有这些人工智能形式都是为了替代人类智能而设计的，但按照上述顺序，随着你在这四种形式中的递进，它们表现出接近人类智能的能力也越来越强。还可以根据人工智能系统向智能发展的方式来对其进行分类，如图2所示。大多数人工智能专家都会说，当前的人工智能技术水平，以及上述所有列出的人工智能形式，都属于最左边的两种类型，而人工智能实验的目标是向右边发展。
物联网和人工智能如何相互支持？
在物联网中，现实世界的事件被信号化并处理，以产生适当的响应。从这个简单意义上说，任何使用软件对触发事件生成响应的物联网应用都至少是人工智能的一种基本形式，因此人工智能对物联网至关重要。对于物联网用户和开发者来说，问题不在于是否使用人工智能，而在于人工智能能发展到什么程度。这取决于物联网支持的现实世界系统的复杂性和可变性。
简单的、基于规则的人工智能会说：“如果触发开关被按下，就打开灯A。”而一个更复杂的进化版本可能会说：“如果触发开关被按下，并且天是黑的，就打开灯A。”这不仅代表了事件（触发开关）识别，还代表了状态（天是黑的）识别。程序员使用状态/事件表来描述一系列事件在多种状态下的解释方式，但这只有在状态数量有限且易于识别时才有效。
推理人工智能机制、机器学习和生成式人工智能的应用需要知识源以及规则集。一般来说，物联网中的控制回路应用使用机器学习来处理，其简单原因在于，执行更复杂分析所需的时间超出了所需响应时间的范围。
相当简单的人工智能工具可以增强控制回路。以一辆装有货物到达仓库的卡车为例，简单的人工智能可以提供一种方式，让司机输入代码通过安全门。这将消除雇佣工人看守大门的成本。还可以读取车辆本身的条形码或RFID标签，并允许无需输入代码即可进入。这将允许卡车在验证其进入权利后继续移动，从而进一步加快流程。分析提货单可以在指导卡车方面提供更大的好处，而人工智能对卸载和/或装载车辆所需资源和时间的分析也有助于更高效地搬运货物。
如果必须分析更多条件来确定对物联网事件的响应，则该过程超出了简单人工智能应用的能力范围。如果将“天是黑的”状态替换为“我需要更多光”，并且物联网系统不是对特定的触发开关做出响应，而是对人员试图执行的任务做出响应，那么简单的人工智能就不够用了。
在这种情况下，机器学习的人工智能形式可以监控满载货物的卡车到达仓库的情况。随着时间的推移，它可以学习到司机和工人何时需要更多光线，并在无需人员操作的情况下激活开关。或者，专家可以执行预期任务，并教授软件何时需要更多光线是合适的。然后，人工智能和机器学习软件将消除程序员构建每个物联网应用的需求。
在推理形式的人工智能中，物联网应用尝试收集尽可能多的信息，模仿人类的感知。然后，它应用推理规则，如“人们不能在光线水平低于x的地方工作”，并根据感知到的条件和这些规则的应用，决定打开灯光。在控制回路应用中，这一级别的人工智能和生成式人工智能所面临的挑战是它们可能引入的延迟。一般来说，最好尝试将分析步骤与控制回路步骤分开。
基于推理的人工智能需要更复杂的软件来收集条件并定义推理规则，但它可以在无需编程的情况下对更广泛的条件做出响应。同样级别的推理处理可以确定是否应该分配额外的工人来卸载货物，因为货物急需、工作进度落后，或者仅仅因为工人可用。在我们仓库的示例中，所有这些都可以改善货物的流动以及卡车司机和仓库人员的整体效率，并可以为其他任务带来类似的好处。
超越控制回路的AI
大多数控制回路元素仅需简单规则，其开发过程可能更类似于编程，而非AI工程。物联网（IoT）中那些通过分析历史数据来做出决策的应用，更可能与规划相关，而非实时过程控制。对于这些应用，包括推理引擎和生成式AI在内的更复杂AI工具可能更为合适。
尽管关于生成式AI价值的讨论已有很多，但大多基于利用全网知识库的工具，而非私有用户收集的数据。由于后者在物联网应用中更可能具有价值，因此当前的生成式AI案例可能无法用于评估这些工具在物联网中的潜在价值。事实上，很难区分使用本地创建知识库的生成式AI工具与已在分析领域普遍使用的机器学习（ML）或推理AI工具。潜在用户应牢记这一点，并确保在采用生成式AI用于物联网任务时，他们的决策更多是基于实际益处，而非市场炒作。
结论
物联网旨在利用计算机工具自动化现实世界中的过程，与所有自动化任务一样，它有望减少对人类直接参与的需求。尽管物联网的目标是减少人类工作，但它并未消除对人类判断和决策的需求。这正是AI可以介入并显著提升物联网系统的地方，前提是AI工具的能力要超越简单的物联网编程和控制器，并且AI的使用不会在控制回路中引入延迟，从而危及实时控制。
随着AI的不断进步，即其更接近于模仿人类能力，它对物联网应用的贡献将大大扩展。由于该领域发展迅速，物联网用户应密切关注AI的发展动态，并留意新的机遇和共生关系。
