{"id":64480,"date":"2020-07-01T10:03:08","date_gmt":"2020-07-01T08:03:08","guid":{"rendered":"https:\/\/iotworlds.com\/what-is-the-role-of-machine-learning-in-iot\/"},"modified":"2022-08-25T10:03:24","modified_gmt":"2022-08-25T08:03:24","slug":"what-is-the-role-of-machine-learning-in-iot","status":"publish","type":"post","link":"https:\/\/iotworlds.com\/it\/what-is-the-role-of-machine-learning-in-iot\/","title":{"rendered":"Qual \u00e8 il ruolo dell’apprendimento automatico nell’IoT?"},"content":{"rendered":"\n

Cos’\u00e8 l’IoT? E il suo futuro<\/strong>!<\/h2>\n\n

L’\u201cInternet of Things\u201d \u2013 IoT, tecnicamente descritto come un dispositivo elettronico dotato di sensori, che invia dati e riceve istruzioni grazie alla connessione internet. Per descrivere in termini non tecnici, miliardi di dispositivi fisici (con sensore) connessi a Internet in tutto il mondo. L’IoT ha diverse applicazioni in tutti i settori, per potenziare e arricchire la vita umana su questo pianeta.<\/p>\n\n

Prendiamo ad esempio uno smartphone, stai ascoltando canzoni usando gli auricolari collegati allo smartphone mentre sei impegnato con altre cose (guida), arriva IoT powered by (Intelligenza Artificiale) AI. Immagina i sensori IoT negli auricolari, che potrebbero acquisire i dati della tua frequenza cardiaca e con l’aiuto dell’IA potrebbero prevedere le tue emozioni.<\/a> Sulla base di quell’emozione il tuo smartphone potrebbe scegliere la migliore canzone memorizzata da qualche parte nel mondo. Esistono diversi milioni di brani in tutto il mondo e il tuo smartphone non ha bisogno di un super spazio di archiviazione per archiviare tutti i brani o di una super potenza di calcolo per il modello AI applicato per il rilevamento delle emozioni. Tutto ci\u00f2 che deve garantire \u00e8 che sia connesso a Internet.<\/p>\n\n

Secondo Business Insider<\/a> , entro il 2027 ci saranno pi\u00f9 di 41 miliardi di dispositivi IoT, rispetto a circa 8 miliardi nel 2019. Questo sondaggio \u00e8 stato costruito da 400 risposte di alti dirigenti di tutto il mondo. Queste aziende includono Alibaba, Alphabet, Amazon, Apple, VMWare, Verizon, ecc. Afferma inoltre che entro il 2027 tutti i dispositivi che rimangono indietro raggiungono l’accesso a Internet e il mercato IoT cresce fino a oltre $ 2,4 trilioni all’anno.<\/p>\n\n

L’IoT combinato con la tecnologia pi\u00f9 dinamica dell’Intelligenza Artificiale (AI) potrebbe rendere il sistema IoT stesso pi\u00f9 intelligente e pu\u00f2 facilmente imitare l’attivit\u00e0 umana.<\/p>\n\n

Ruolo dell’intelligenza artificiale nell’IoT<\/strong><\/h2>\n\n

\u201cAI + IoT = AIoT\u201d<\/em><\/p><\/blockquote>\n\n

L’intelligenza artificiale \u00e8 definita come il processo per rendere le macchine abbastanza intelligenti da svolgere le attivit\u00e0 senza alcun intervento umano. Tutti i dispositivi IoT insieme raccolgono dati enormi e, d’altra parte, per costruire un modello di intelligenza artificiale all’avanguardia sono necessari dati enormi. Pertanto, la combinazione di queste due tecniche dinamiche trasforma l’IoT monotono in un IoT intelligente (compiti intelligenti senza intrusione umana). La potente combinazione di IoT e IA pu\u00f2 essere un enorme passo avanti nella vita degli esseri umani.<\/p>\n\n

Quindi, quando si parla di Intelligenza Artificiale (AI), Machine Learning (ML) e Deep Learning (DL) giocano il ruolo pi\u00f9 vitale poich\u00e9 DL e ML sono i sottoinsiemi dell’IA.<\/p>\n

\n
\"\"<\/figure>\n<\/div>\n

Machine Learning (ML):<\/strong> l’apprendimento automatico ha algoritmi o tecniche ML sotto forma di programma per computer che apprendono informazioni dettagliate dai dati in modo iterativo, da solo o utilizzando l’insieme di regole che menzioniamo. Esistono tre tipi principali di algoritmi di apprendimento automatico: apprendimento supervisionato e apprendimento non supervisionato. Vediamo alcuni degli algoritmi o dei modelli di machine learning utilizzati nell’IoT.<\/p>\n\n

Regressione:<\/strong> la regressione \u00e8 il concetto fondamentale nell’apprendimento automatico. Rientra nella categoria dell’apprendimento supervisionato in cui il modello viene addestrato utilizzando i dati di input (caratteristica indipendente) e le etichette di output (caratteristica dipendente). La regressione viene applicata alla natura continua dei dati. Esistono due tipi di regressione: regressione lineare e regressione non lineare.<\/p>\n\n

La regressione lineare viene applicata quando \u00e8 presente una linearit\u00e0 nei dati di input. Ad esempio, quando l’input x viene modificato, dovrebbe esserci una modifica possibilmente in un output y. L’equazione utilizzata dal modello di regressione lineare per il training \u00e8 data da Y = \u03b8 1<\/sub> + \u03b8 2<\/sub> X 1<\/sub> . Ad esempio, prendi le emissioni di co 2<\/sub> nei veicoli in base alla cilindrata del motore e al numero di cilindri. Il tasso di emissione ha una relazione lineare con la cilindrata del motore e il numero di cilindri.<\/p>\n

\n
\"TensorFlow
Regressione lineare<\/strong><\/figcaption><\/figure>\n<\/div>\n

La regressione non lineare, ad esempio, considera i dati di un reddito interno lordo (GDI) cinese all’anno. Qui la caratteristica indipendente nei dati \u00e8 anni e la caratteristica dipendente o la variabile prevista \u00e8 GDI. Da questi dati possiamo vedere la relazione non lineare tra le variabili. L’equazione per la regressione non lineare \u00e8 data da Y = \u03b8 1<\/sub> + \u03b8 2<\/sub> (X 1<\/sub> ) 2<\/sup> .<\/p>\n

\n
\"Primi
Regressione non lineare<\/strong><\/figcaption><\/figure>\n<\/div>\n

Classificazione:<\/strong> La classificazione \u00e8 una tecnica di apprendimento supervisionato. Viene utilizzato per classificare l’insieme sconosciuto di elementi in un insieme discreto di classi. L’algoritmo di classificazione apprende la relazione tra la variabile caratteristica di input e la variabile target di interesse. La variabile target \u00e8 categoriale con valori discreti. I famosi algoritmi di classificazione ampiamente utilizzati sono K-Nearest Neighbors, Decision tree, Logistic Regression e Support Vector Machine.<\/strong><\/p>\n\n

Clustering:<\/strong> il clustering significa trovare i cluster in un set di dati, con una tecnica non supervisionata. Il cluster \u00e8 definito come un gruppo di punti dati o oggetti in un set di dati simili ad altri oggetti in un gruppo e dissimili dai punti dati in un altro cluster. Gli algoritmi di clustering ampiamente utilizzati sono il clustering K-mean, il clustering gerarchico e il clustering basato sulla densit\u00e0.<\/strong><\/p>\n\n

Deep Learning (DL):<\/strong> l’apprendimento profondo \u00e8 un sottocampo dell’apprendimento automatico, progettato ispirandosi al cervello umano e chiamato Rete neurale artificiale (ANN). Pertanto, il progresso nelle reti neurali profonde rende pi\u00f9 sofisticata la reazione in un ambiente complesso reale pi\u00f9 velocemente degli esseri umani.<\/p>\n

\n
\"Perceptron:
Perceptron<\/strong><\/figcaption><\/figure>\n<\/div>\n

Rete neurale artificiale:<\/strong> la rete neurale artificiale \u00e8 stata costruita principalmente con tre livelli, livello di input, livello nascosto, livello di output.<\/strong> Gli input dal primo livello (livello di input) vengono moltiplicati per il peso e la distorsione aggiunta. La distorsione e i pesi sono inizialmente casuali. Quindi questi valori passano attraverso alcune funzioni di attivazione (ReLU, Sigmoid, Tanh, ecc) e quindi passano al livello successivo fino al livello di output. Questa iterazione del processo pu\u00f2 essere ripetuta fino a quando non otteniamo prestazioni\/precisioni ottimali.<\/p>\n

\n
\"Apprendimento
<\/em> Rete neurale artificiale<\/strong><\/figcaption><\/figure>\n<\/div>\n

Applicazioni del Machine Learning all’IoT<\/strong><\/h2>\n\n

Oggi ci sono diversi algoritmi ML applicati nell’IoT. Queste applicazioni ML dipendono fortemente dal campo applicato. Ci sono diversi motivi per cui l’apprendimento automatico influenza l’IoT. Ma prima cosa succede se l’IoT viene implementato senza ML? L’IoT deve affrontare le seguenti conseguenze quando viene implementato esclusivamente senza ML. Ci\u00f2 include l’integrazione di dati da pi\u00f9 origini, la gestione dei dispositivi, la gestione di enormi volumi di dati e il controllo della versione delle applicazioni.<\/p>\n\n

L’IoT si occupa dell’interconnessione dei dispositivi con l’obiettivo principale di condividere le informazioni (dati). Questi dati sono stati il motivo standard che rende il ML pi\u00f9 potente, aumentando l’efficienza dell’IoT. I fattori chiave che il ML contribuisce all’IoT sono: analizzare i dati e prevedere gli eventi futuri, convertire i dati grezzi in un formato comprensibile per l’uomo, sistema di raccomandazione in tempo reale, manutenzione dei dispositivi (IoT), ecc.<\/p>\n\n

Il processo di rendere intelligente l’IoT e di analizzare i big data prodotti da miliardi di tali dispositivi trova applicazione in diversi campi. Tali settori sono veicoli a guida autonoma, dispositivi indossabili, automazione industriale, agricoltura, assistenza sanitaria e shopping al dettaglio.<\/p>\n\n

Automazione industriale:<\/strong> quando si tratta di linee di produzione nelle industrie, \u00e8 necessario l’aiuto dei robot automatizzati. Robot che lavorano a fianco degli umani chiamati robot collaborativi o cobot. Il principale svantaggio di loro \u00e8 che funzionano senza la conoscenza di eventuali ostacoli (umani) presenti nel loro ambiente. Questa situazione potrebbe potenzialmente causare lesioni letali o la morte nel caso. Per mitigare i danni fisici agli esseri umani o per rendere i robot abbastanza intelligenti da essere consapevoli del loro ambiente di lavoro sono necessari alcuni sistemi di sicurezza. Arriva l’applicazione di algoritmi ML\/DL con IoT, nello sviluppo del sistema di sicurezza intelligente basato sulla visione artificiale per robot collaborativi.<\/p>\n\n

Agricoltura:<\/strong> la popolazione mondiale continua a crescere, nei prossimi 80 anni si aggiungeranno 3,6 miliardi di persone alla popolazione attuale, quindi ci sar\u00e0 un aumento della domanda di cibo. Pertanto, IoT e AI insieme migliorano la produzione agricola con le seguenti tecnologie,<\/p>\n\n