आईओटी क्या है? और इसका भविष्य!
“इंटरनेट ऑफ थिंग्स” – IoT, तकनीकी रूप से एक इलेक्ट्रॉनिक उपकरण के रूप में वर्णित है जो सेंसर से लैस है, जो डेटा भेजता है और इंटरनेट कनेक्शन के लिए निर्देश प्राप्त करता है। गैर-तकनीकी शब्दों में वर्णन करने के लिए, दुनिया भर में इंटरनेट से जुड़े अरबों भौतिक उपकरण (सेंसर के साथ)। इस ग्रह पर मानव जीवन को सशक्त और समृद्ध बनाने के लिए IoT के सभी क्षेत्रों में विविध अनुप्रयोग हैं।
उदाहरण के लिए, चलो एक स्मार्टफोन लेते हैं, आप स्मार्टफोन से जुड़े इयरफ़ोन का उपयोग करके गाने सुन रहे हैं, जबकि आप अन्य चीजों (ड्राइविंग) में व्यस्त हैं, वहां आईओटी (आर्टिफिशियल इंटेलिजेंस) एआई द्वारा संचालित आता है। इयरफ़ोन में IoT सेंसर की कल्पना करें, जो आपके हृदय गति का डेटा ले सकता है और AI की मदद से यह आपकी भावना का अनुमान लगा सकता है। उस भावना के आधार पर आपका स्मार्टफोन दुनिया में कहीं भी संग्रहीत सर्वश्रेष्ठ गीत चुन सकता है। दुनिया भर में कई मिलियन गाने हैं और आपके स्मार्टफोन में सभी गानों को स्टोर करने के लिए सुपर स्टोरेज की जरूरत नहीं है या इमोशन सेंसिंग के लिए एप्लाइड एआई मॉडल के लिए सुपर कंप्यूटिंग पावर की जरूरत नहीं है। इसे केवल यह सुनिश्चित करने की आवश्यकता है कि इसे इंटरनेट से जोड़ा जा रहा है।
बिजनेस इनसाइडर के अनुसार, 2027 तक 41 बिलियन से अधिक IoT डिवाइस होंगे, जो 2019 में लगभग 8 बिलियन से अधिक होंगे। इस सर्वेक्षण का निर्माण दुनिया भर के शीर्ष अधिकारियों की 400 प्रतिक्रियाओं द्वारा किया गया था। उन कंपनियों में अलीबाबा, अल्फाबेट, अमेज़ॅन, ऐप्पल, वीएमवेयर, वेरिज़ोन इत्यादि शामिल हैं। इसमें आगे कहा गया है कि 2027 तक सभी डिवाइस जो पीछे रह जाते हैं, इंटरनेट एक्सेस प्राप्त करने के लिए पहुंच जाते हैं, और IoT बाजार सालाना 2.4 ट्रिलियन डॉलर से अधिक हो जाता है।
IoT, आर्टिफिशियल इंटेलिजेंस (AI) की सबसे गतिशील तकनीक के साथ संयुक्त रूप से IoT सिस्टम को और अधिक स्मार्ट बना सकता है और आसानी से मानव की गतिविधि की नकल कर सकता है।
IoT . में आर्टिफिशियल इंटेलिजेंस की भूमिका
“एआई + आईओटी = एआईओटी”
एआई को मशीनों को बिना किसी मानवीय हस्तक्षेप के कार्यों को करने के लिए पर्याप्त बुद्धिमान बनाने की प्रक्रिया के रूप में परिभाषित किया गया है। सभी IoT डिवाइस एक साथ विशाल डेटा एकत्र करते हैं और दूसरी ओर एक अत्याधुनिक AI मॉडल बनाने के लिए उसे विशाल डेटा की आवश्यकता होती है। इस प्रकार, इन दो गतिशील तकनीकों का संयोजन नीरस IoT को एक बुद्धिमान IoT (मानव घुसपैठ के बिना स्मार्ट कार्य) बनाता है। आईओटी का एआई के साथ शक्तिशाली संयोजन मानव जीवन में एक बड़ी सफलता हो सकता है।
इसलिए, जब हम आर्टिफिशियल इंटेलिजेंस (एआई) के बारे में बात करते हैं, तो मशीन लर्निंग (एमएल) और डीप लर्निंग (डीएल) अधिक महत्वपूर्ण भूमिका निभाते हैं क्योंकि डीएल और एमएल एआई के सबसेट हैं।
मशीन लर्निंग (एमएल): मशीन लर्निंग में कंप्यूटर प्रोग्राम के रूप में एक एमएल एल्गोरिदम या तकनीक होती है जो डेटा से अंतर्दृष्टि को अपने आप या हमारे द्वारा उल्लिखित नियमों के सेट का उपयोग करके सीखती है। मशीन लर्निंग एल्गोरिदम के तीन प्रमुख प्रकार हैं: पर्यवेक्षित शिक्षण और अनुपयोगी शिक्षण। आइए IoT में उपयोग किए जाने वाले कुछ मशीन लर्निंग एल्गोरिदम या मॉडल देखें।
रिग्रेशन: मशीन लर्निंग में रिग्रेशन मौलिक अवधारणा है। यह पर्यवेक्षित शिक्षण की श्रेणी में आता है जहां मॉडल को इनपुट डेटा (स्वतंत्र सुविधा) और आउटपुट लेबल (आश्रित सुविधा) का उपयोग करके प्रशिक्षित किया जाता है। प्रतिगमन डेटा की निरंतर प्रकृति पर लागू होता है। दो प्रकार के प्रतिगमन हैं जो रैखिक प्रतिगमन और गैर-रेखीय प्रतिगमन हैं।
इनपुट डेटा में रैखिकता होने पर रैखिक प्रतिगमन लागू किया जाता है। उदाहरण के लिए, जब इनपुट x को बदला जाता है तो आउटपुट y में संभवतः परिवर्तन होना चाहिए। रेखीय प्रतीपगमन मॉडल द्वारा प्रशिक्षित किया जाने वाला समीकरण Y = 1 + θ 2 X 1 द्वारा दिया गया है। उदाहरण के लिए, इंजन के आकार और सिलेंडरों की संख्या के आधार पर वाहनों में सह 2 उत्सर्जन लें। उत्सर्जन दर का इंजन के आकार और सिलेंडरों की संख्या के साथ एक रैखिक संबंध होता है।
गैर-रेखीय प्रतिगमन, उदाहरण के लिए प्रति वर्ष चीन सकल घरेलू आय (जीडीआई) के आंकड़ों पर विचार करें। यहां डेटा में स्वतंत्र विशेषता वर्ष है और आश्रित विशेषता या अनुमानित चर GDI है। इस डेटा से हम चरों के बीच गैर-रैखिक संबंध देख सकते हैं। गैर-रेखीय प्रतिगमन के लिए समीकरण Y = θ 1 + θ 2 (X 1 ) 2 द्वारा दिया गया है।
वर्गीकरण: वर्गीकरण एक पर्यवेक्षित शिक्षण तकनीक है। इसका उपयोग वस्तुओं के अज्ञात सेट को वर्गों के असतत सेट में वर्गीकृत करने में किया जाता है। वर्गीकरण एल्गोरिथ्म इनपुट सुविधा चर और ब्याज के लक्ष्य चर के बीच संबंध सीखते हैं। लक्ष्य चर असतत मूल्यों के साथ श्रेणीबद्ध है। व्यापक रूप से उपयोग किए जाने वाले प्रसिद्ध वर्गीकरण एल्गोरिदम के-निकटतम पड़ोसी, निर्णय वृक्ष, लॉजिस्टिक रिग्रेशन और सपोर्ट वेक्टर मशीन हैं।
क्लस्टरिंग: क्लस्टरिंग का अर्थ है एक अनसुनी तकनीक में, डेटासेट में क्लस्टर ढूंढना। क्लस्टर को डेटासेट में डेटा बिंदुओं या ऑब्जेक्ट्स के समूह के रूप में परिभाषित किया जाता है जो समूह में अन्य ऑब्जेक्ट्स के समान होते हैं, और किसी अन्य क्लस्टर में डेटा पॉइंट से भिन्न होते हैं। व्यापक रूप से उपयोग किए जाने वाले क्लस्टरिंग एल्गोरिदम K- साधन क्लस्टरिंग, पदानुक्रमित क्लस्टरिंग और घनत्व-आधारित क्लस्टरिंग हैं।
डीप लर्निंग (डीएल): डीप लर्निंग मशीन लर्निंग का एक उप-क्षेत्र है, जिसे मानव मस्तिष्क से प्रेरणा लेकर डिजाइन किया गया था और इसे आर्टिफिशियल न्यूरल नेटवर्क (एएनएन) कहा जाता है। इस प्रकार, गहरे तंत्रिका नेटवर्क में प्रगति वास्तविक-जटिल वातावरण में मनुष्यों की तुलना में तेजी से प्रतिक्रिया करने के लिए इसे और अधिक परिष्कृत बनाती है।
कृत्रिम तंत्रिका नेटवर्क: कृत्रिम तंत्रिका नेटवर्क मुख्य रूप से तीन परतों के साथ बनाया गया था, वे इनपुट परत, छिपी परत, आउटपुट परत हैं। पहली परत (इनपुट परत) से इनपुट वजन और अतिरिक्त पूर्वाग्रह से गुणा हो जाता है। पूर्वाग्रह और भार पहली बार में यादृच्छिक हैं। फिर ये मान कुछ सक्रियण फ़ंक्शन (ReLU, Sigmoid, Tanh, आदि) से गुजरते हैं और फिर आउटपुट परत तक अगली परत पर जाते हैं। प्रक्रिया के इस पुनरावृत्ति को तब तक दोहराया जा सकता है जब तक हमें इष्टतम प्रदर्शन/सटीकता नहीं मिल जाती।
IoT . के लिए मशीन लर्निंग के अनुप्रयोग
आज IoT में कई ML एल्गोरिदम लागू हैं। ये एमएल अनुप्रयोग अत्यधिक लागू क्षेत्र पर निर्भर करते हैं। मशीन लर्निंग के IoT को प्रभावित करने के कई कारण हैं। लेकिन पहले क्या होता है अगर IoT को ML के बिना लागू किया जाता है? IoT को निम्नलिखित परिणामों का सामना करना पड़ता है जब इसे पूरी तरह से ML के बिना लागू किया जाता है। इसमें कई स्रोतों से डेटा का एकीकरण, डिवाइस प्रबंधन, बड़ी मात्रा में डेटा को संभालना और अनुप्रयोगों के संस्करण नियंत्रण शामिल हैं।
IoT सूचना (डेटा) साझा करने के मुख्य उद्देश्य के साथ उपकरणों के परस्पर संबंध से संबंधित है। ये डेटा मानक कारण थे जो एमएल को और अधिक शक्तिशाली बनाते हैं, जिससे आईओटी की दक्षता बढ़ जाती है। एमएल आईओटी में योगदान करने वाले प्रमुख कारक हैं: डेटा का विश्लेषण करने और भविष्य की घटनाओं की भविष्यवाणी करने के लिए, कच्चे डेटा को मानव समझने योग्य प्रारूप में परिवर्तित करना, रीयल-टाइम अनुशंसा प्रणाली, उपकरणों का रखरखाव (आईओटी), आदि।
IoT को बुद्धिमान बनाने और ऐसे अरबों उपकरणों द्वारा उत्पादित बड़े डेटा का विश्लेषण करने की प्रक्रिया कई क्षेत्रों में एक अनुप्रयोग खोजती है। ऐसे क्षेत्र स्व-ड्राइविंग वाहन, पहनने योग्य, औद्योगिक स्वचालन, कृषि, स्वास्थ्य देखभाल और खुदरा खरीदारी हैं।
औद्योगिक स्वचालन: जब उद्योगों में उत्पादन लाइनों की बात आती है तो आपको स्वचालित रोबोट की मदद की आवश्यकता होती है। मनुष्यों के साथ काम करने वाले रोबोट को सहयोगी रोबोट या कोबोट कहा जाता है। उनका मुख्य नुकसान यह है कि वे अपने पर्यावरण में मौजूद किसी भी बाधा (मानव) के ज्ञान के बिना कार्य करते हैं। यह स्थिति संभावित रूप से घातक चोट या मृत्यु का कारण बन सकती है। मनुष्यों को होने वाली शारीरिक क्षति को कम करने के लिए या रोबोट को अपने काम के माहौल से अवगत कराने के लिए पर्याप्त रूप से बुद्धिमान बनाने के लिए कुछ सुरक्षा प्रणालियों की आवश्यकता होती है। सहयोगी रोबोटों के लिए कंप्यूटर दृष्टि आधारित बुद्धिमान सुरक्षा प्रणाली विकसित करने में IoT के साथ ML/DL एल्गोरिदम का अनुप्रयोग आता है।
कृषि: विश्व की जनसंख्या लगातार बढ़ रही है, अगले 80 वर्षों में वर्तमान जनसंख्या में 3.6 बिलियन लोगों की वृद्धि होगी, इसलिए, भोजन की मांग में वृद्धि होगी। इस प्रकार, IoT और AI मिलकर निम्नलिखित तकनीकों के साथ कृषि उत्पादन में सुधार करते हैं,
- उपग्रह डेटा का उपयोग करते हुए सटीक कृषि उपकरण। इस तकनीक का उपयोग नाइट्रोजन युक्त उर्वरक के उपयोग को कम करने और फसल की पैदावार बढ़ाने के लिए किया जाता था।
- फसल की निगरानी, कैमरों और सेंसर से डेटा का उपयोग करके फसलों की स्थिति की निगरानी और विश्लेषण किया जा सकता है। मशीन लर्निंग एल्गोरिदम उन डेटा के उपयोग से किसान को फसल की स्थिति के बारे में समय पर अपडेट देता है।
- एआई-संचालित कीट नियंत्रण, आईओटी माइक्रो सेंसर के साथ-साथ एआई नियंत्रण समाधान किसानों को व्यक्तिगत रूप से पौधों का इलाज करने और उन्हें किसी भी संभावित बीमारी और कीटों से बचाने में सक्षम बनाते हैं।
सेल्फ-ड्राइविंग कार: सेल्फ-ड्राइविंग कार, ऑटोमोबाइल का भविष्य है। IoT (सेंसर, कैमरा, LiDAR, RADAR) और डीप न्यूरल नेटवर्क के संयोजन से कार को अपने आप चलाना संभव है। इस क्षेत्र में एक सक्रिय अनुसंधान और विकास चल रहा है, जो टेस्ला, गूगल, उबेर, वोल्वो, आदि जैसी कॉर्पोरेट कंपनियों द्वारा किया जाता है।
पहनने योग्य और स्वास्थ्य देखभाल: पहनने योग्य कच्चे हृदय गति, ईईजी, और मानव शरीर गति डेटा को इसमें एम्बेडेड आईओटी-सेंसर की सहायता से एकत्र कर सकते हैं। स्वास्थ्य और फिटनेस की स्थिति, प्रारंभिक बीमारी का पता लगाने और कार्डियोवैस्कुलर सिस्टम में संभावित जोखिम से बचने के लिए जागरूकता बढ़ाने के लिए, कृत्रिम बुद्धि के कार्यान्वयन के माध्यम से इन मीट्रिक की पुनर्प्राप्ति का अधिक सटीक और अनुरूप जानकारी में अनुवाद किया जा सकता है।
स्मार्ट रिटेलिंग: अपनी खरीदारी को स्मार्ट बनाएं! IoT और AI के संयोजन के साथ, उपभोक्ता को ऑनलाइन के साथ-साथ ऑफलाइन खरीदारी में भी बेहतर अनुभव प्राप्त होता है। एआई की मदद से, यह खुदरा विक्रेता को उपभोक्ता खरीद पैटर्न को समझने में भी मदद कर सकता है। बहुराष्ट्रीय कपड़े-रिटेल कंपनी एचएंडएम ने अपने ग्राहकों को स्मार्ट मिरर की अवधारणा के साथ खरीदारी का एक नया अनुभव प्रदान किया है।
