1. Propojení analýzy s reálným provozem
Jedním z hlavních směrů vývoje je přechod od obecného sběru dat k řešením navrženým pro konkrétní úkoly. Propojení informačních technologií, provozních systémů a umělé inteligence umožňuje nejen sledovat, co se právě děje, ale také rychle vyhodnocovat situaci a automaticky na ni reagovat. Technologie tak mohou pomáhat předcházet problémům, zvyšovat bezpečnost a omezovat potřebu manuálních kontrol.
Ve výrobě a průmyslu se například uplatňují systémy pro dálkovou detekci úniků zemního plynu využívající technologii TDLAS. Při kontrole potravin mohou řešení založená na umělé inteligenci rozpoznávat nežádoucí příměsi, například úlomky kostí, skla nebo kamínky. V logistice zase 3D radar umožňuje sledovat množství materiálu uloženého v silech. Společným znakem těchto aplikací je přímé propojení digitální analýzy s reálným provozem. AIoT se tak stává součástí každodenního rozhodování, nikoli pouze nástrojem pro následné vyhodnocování získaných informací.
2. Velké modely umělé inteligence otevírají éru „AI+“
Významnou roli hrají velké modely umělé inteligence, které rozšiřují možnosti práce s obrazem, zvukem a dalšími daty získávanými prostřednictvím zařízení internetu věcí. Jejich nasazení může zlepšit přesnost rozpoznávání objektů, snížit počet falešných poplachů a umožnit sofistikovanější interpretaci událostí.
Dalším krokem jsou takzvaní AI agenti, kteří zjednodušují ovládání komplexních systémů. Uživatelé mohou zadávat požadavky přirozeným jazykem, aniž by museli znát jednotlivé funkce nebo složitou strukturu ovládacího rozhraní. V kamerovém systému lze například vyhledávat záznamy podle popisu osoby, jejího oblečení nebo konkrétního vozidla.
3. Zpracování dat přímo v zařízení
Dalším trendem je rozšiřování takzvané Edge AI, tedy umělé inteligence provozované přímo v zařízení nebo v jeho bezprostřední blízkosti. Tradiční řešení často odesílají data ke zpracování do vzdáleného cloudu. Pokud se však analýza provádí přímo na místě, lze zkrátit dobu odezvy, snížit objem přenášených informací a omezit závislost na stabilním internetovém připojení. Lokální zpracování může zároveň přispět k lepší kontrole nad citlivými daty.
Praktický význam má tento přístup například u rozsáhlých kamerových systémů. Inteligentní zařízení dokáže samo rozpoznat důležité objekty a přizpůsobit jim další zpracování obrazu. Záběry obsahující podstatné informace mohou zůstat ve vysokém rozlišení, zatímco méně důležité části lze komprimovat výrazněji.
4. Odpovědnost se stává součástí od začátku vývoje
S rozšiřováním AI do stále většího počtu oblastí roste význam bezpečnosti, transparentnosti a odpovědného nakládání s daty. Nestačí, aby technologie pouze fungovala a poskytovala přesné výsledky. Důležité je také vědět, jakým způsobem k nim dospívá, jaká data využívá a jak lze omezit rizika spojená s jejím nasazením.
Podle Hikvision by proto odpovědnost měla být součástí celého životního cyklu produktu – od výzkumu a návrhu přes vývoj a testování až po provoz a následné aktualizace. Výrobci a provozovatelé věnují stále větší pozornost zabezpečení systémů, ochraně soukromí i pravidlům pro používání automatizovaných rozhodovacích nástrojů. Důležitá bude také spolupráce technologických společností, výzkumných institucí, veřejné správy a dalších zainteresovaných subjektů. Důvěra uživatelů se totiž stává jednou z podmínek širšího přijetí umělé inteligence.
5. AIoT se rozšiřuje také do oblastí s širším společenským přínosem
Pátým trendem je využívání AIoT mimo tradiční průmyslové a komerční aplikace. Inteligentní systémy mohou přispívat k ochraně přírody, efektivnějšímu zemědělství nebo zvyšování veřejné bezpečnosti. Jejich přínos tak nemusí spočívat pouze ve snižování nákladů a zvyšování produktivity, ale také v účinnějším využívání zdrojů a prevenci rizik.
V oblasti ochrany životního prostředí mohou senzory a analytické nástroje sledovat změny v krajině, stav vegetace nebo pohyb volně žijících zvířat. V zemědělství lze průběžně vyhodnocovat stav plodin a podle získaných informací přesněji plánovat jednotlivé zásahy. V oblasti veřejné bezpečnosti mohou inteligentní kamerové systémy rozpoznávat nebezpečné situace a včas na ně upozornit. Úspěch těchto aplikací však závisí nejen na technických schopnostech zařízení, ale také na kvalitě vyhodnocovaných dat a vhodném začlenění do konkrétního prostředí.