智能应用 影音

妙用机器学习 打通IoT价值实现的最后一里

2018/12/04 - DIGITIMES企划

欲探讨人工智能与物联网如何引领产业创新,AWS基于自身发展历程,提出6个重要的经验传承(Lessons Learned),包括「从客户需求进行『逆向工作』」、「产品的生命始于安装」、「科技始终来自人性」、「持续精进企业与顾客的数码关系」、「赢得客户的信任」,以及「『数据』是优化流程、降低成本及改善顾客体验的关键」。

论及AWS主张的逆向工作法,一切从顾客需求出发,与传统技能导向方式大不相同,因为此方法系根据自身技术与能力来决定下一步,相形之下,AWS更能紧密地与顾客站在一起。

例如AWS物流中心,便是逆向工作法的实践范例。为了向顾客提供更佳出货速度与准确率,其打破高层料架、固定路径等传统窠臼,陆续导入机器人、移动仓柜等新元素,并藉由软件定义技术,动态决定机器人行走的最短路径,迄今演进至第八代物流中心,出货准确率高达99.99%。

从数据湖到ML,AWS提供流畅的智能转型路径

此外AWS对于简易安装、与顾客建立长远互动关系等方面的诸多坚持,皆可谓制胜法宝。总体来说,AWS认为IoT价值实现的三部曲,依序为数据采集、顾客洞察以及价值传递;具体做法是,藉由现在与过去的数据比对,从数据脉络中理出头绪,针对目前发生的事,整理因果关系,借此预测未来,再透过机器学习(ML)演算,形成决策依据。

为协助企业顺利实践IoT转型价值,AWS提供端到端完整的IoT Architecture,里头包含了「物」与「云」,可让地面的装置物件,能轻易且安全地与云端上的应用程序及其他装置互动。更重要的,AWS始终抱持一个愿景,让看似艰涩的机器学习技术,能够为用户信手拈来容易使用。

以制造业为例,AWS所勾勒的机器学习转型路径,里头含括了数据湖,藉以满足数据的安全、治理、合规、生命周期管理等机能;再进入「数据理解」机制,有ETL、BI Reporting、Data Statistic等等辅助工具;接着引领用户懂得如何利用历史数据去预测未来;最终透过机器学习产生工业4.0、原物料价格预测、需求/产品规划、工安...等等决策。