在某些企業家眼中,物聯網 (IoT) 的重要性遠勝于人工智能 (AI) 并直指:"通常是沒有數據的公司才會談論 AI"。知名工業大數據專家又是怎么看待相關議題?美國國家科學基金會 (NSF) 智能維護系統產學合作中心主任、同時出任美國白宮信息物理系統顧問的李杰教授認為,數據本身并不會直接創造價值,真正能帶來價值的是"數據分析背后的信息";將經過專家分析的數據數據,及時傳達到決策鏈的對應環節并轉化為價值服務才是關鍵。大數據的最終價值就是提供客戶"無憂慮"服務,與虛實整合系統 (CPS,又稱"網宇實體系統") 密不可分。
照片人物:美國國家科學基金會 (NSF) 智能維護系統產學合作中心主任李杰
IoT 是根本,與大數據、人工智能鼎足而立
李杰將 CPS 架構劃分成 5C 層次:鏈接 (Connection)、轉換 (Conversion)、網絡 (Cyber)、認知 (Cognition) 與配置 (Configuration),分別對應到:傳感監測、組件/模塊與機械分析、機械設備管理、決策支持系統,以及設備組合的自我調適和優化。他指出,以往解決問題的方式多是依靠經驗傳承而來,但長期的數據累積才是長期補充知識的最佳途徑。他強調,IoT 與工業大數據、AI 應是鼎足而立的黃金三角:以 IoT 傳感器為基礎,在產生大數據、增進人類智能的同時,也是導入機器學習、深度學習以強化 AI 能力的根本,人、機進化是雙軌并行的。
圖1:李杰將 CPS 架構劃分成 5C 層次
資料來源:Wikipedia
此外,大數據與 AI 又有橫向連結;IoT 產生的工業大數據,能直接為 AI 挹注養分。由此可見,物聯網是一切智能化的起點、大數據是一種手段,而 AI 是最終成果的展現,三者彼此環環相扣、不存在孰輕孰重的爭議。這樣的論調,似乎更接近真實產業的樣貌。值得留意的是,雖然表面都是大數據,在落實至產業面時,會受組織固有文化及價值觀而異:日本崇尚"工匠"精神,講究制造過程;德國盛行"器匠"氛圍,著重產品本身;美國則奉行"技匠"主義,直接把技術當成市場經營。
IoT 的謎思與籌謀
"大家都在談大數據與產業自動化,但數據怎么來?怎么將兩者連結?更是需要深思的地方",博智技術總顧問翁立昌開門見山直言。他表示,軟件業者對于物聯網的關注多著落在怎么通過傳感器將實體世界的信息送到虛擬世界做決策分析,但博智從硬件廠商的立場,看到一些耐人尋味的現象:
●到處都有創客基地,為何很少出現具有亮點的 IoT 產品?
●當半導體大廠皆力推專門為 IoT 設計的 Arduino、樹莓派 (Raspberry Pi) 等嵌入式芯片,為何只有創客產品,卻不見工業化量產者?
●無線感測網絡 (WSN) 需要各種不同用途的傳感器,是否已開發成熟?
照片人物:博智技術總顧問翁立昌
翁立昌進一步點出以下思考面向。首先,感測數據要在本地完成決策?還是后傳至云端平臺再做?他主張應視情況而定。若是標準化動作可在前端處理,但是當差異化太大或有大量影像數據時,前端若缺乏高速計算能力、就須拉到后端作業,前提是后端要有足夠的網絡資源作支撐。翁立昌建議,最好將感測數據與影像數據分開處理,否則容易發生沖突;他提醒,到底是"將在外,君命有所不受?還是實施中央集權,前端所有行為須向云端匯報、請示?"系統商須有審慎衡量、精密計算。若由云端總理所有動作,一旦通信出現障礙,所有控制系統皆會失效。
其次,發展 IoT 稍有所成的幾乎都是大廠,在進行跨領域整合時,究竟誰說了算?或是協議開放一個共同標準?尤其是具有獨大地位的領導廠商,為何要接受開放標準,讓他廠有分食產業大餅的機會?再者,傳感器是一門大學問,且復雜度與價格落差甚大。翁立昌說明,"所有電子式傳感器的輸出并非直線對應關系、而是函數曲線;如何將測得的電壓、電流轉換成想要的計量單位?如何將模擬數值經由信號處理做數字化?有賴專業技術;對基礎科學的研究扎實度,更與產品耐用度息息相關"。因此,傳感器的價格帶從人民幣數十到數萬元不等。
圖2:氣體傳感器之電路板示意圖
不同角度視野,側重風景各異
根據博智親身探查,甚至有特殊規格者要價近五萬人民幣、且使用期限只有兩年,該不該采購?另是否便于清潔、校正與更換也是重點。翁立昌提到,"用于偵測強酸或強堿的傳感器,在惡劣環境下通常只有幾個月的壽命;若是讓工作人員過于頻繁置身險地更換,實非理想作法"。最后,傳感器需配合通信網絡才能構成 IoT,該選用何種通信技術和微控制器,才能符合應用場景所需?是否所有數據都需上網?怎么與現有機具和生產線融為一體?舉例來說,功耗大的高壓設備,不能以太陽能供電,因為從低電壓轉高電壓會產生很多損耗。
"整合說來容易,但不同專業對于 IoT 的認知可能有所偏頗,恐造成實際導入的障礙",翁立昌坦言。他打趣說,做傳感器和算法,是泛電子專才最好的出路;而集電子、機械、軟件技能于一身的跨領域人才,更是部署復合式 IoT 的搶手貨,學術界對此亦有深刻認知。