Ознакомительная версия. Доступно 14 страниц из 67
Подобно блокчейну, машинное обучение представляет собой еще одну важную технологию в мире IoT. Эта важнейшая технология стоит за аналитикой в реальном времени, которая по праву считается одним из ключевых сценариев использования IoT. Машинное обучение существует уже много лет, но недавний прогресс в глубинном обучении, и особенно в контролируемом обучении, сделал технологию гораздо более ценной для IoT. Контролируемое обучение позволяет вам тренировать систему аналитики с целью повышения точности ее прогнозов: чем больше данных о работе устройства, ошибках и техническом обслуживании вы загружаете в систему предиктивной аналитики, тем точнее она работает. Более того, хотя неконтролируемое обучение пока не достигло того же уровня развития и по-прежнему страдает от множества проблем, оно тоже открывает бесценные возможности для IoT. Подумайте об атаках нулевого дня, в ходе которых хакер использует уязвимость программного обеспечения, еще неизвестную его поставщику. В таком сценарии, поскольку еще нет данных для обучения классификатора, такого как нейтральная сеть, для выявления атак используется продвинутое неконтролируемое обучение.
Самообучающиеся сети (SLN) служат прекрасным примером прорывного потенциала машинного обучения в IoT. SLN представляют собой архитектурное решение в сочетании с мощной аналитикой и широким спектром технологий машинного обучения (включая когнитивное обучение от машины к машине), которое позволяет сетям стать интеллектуальными, адаптивными, автоматизированными и предиктивными. SLN разрабатываются с расчетом на масштабируемость: для этого на периферии сети используется большое количество алгоритмов машинного обучения, при помощи которых сеть постоянно изучает закономерности сетевого трафика для построения математических моделей.
Эти модели впоследствии могут быть использованы в разных целях:
1. Прогнозирование производительности приложений: прогнозируя уровень качества сервиса, который IoT-приложения получат из сети, сеть получает возможность предвидеть изменения и адаптироваться соответствующим образом.
2. Как мы уже говорили, обеспечение безопасности считается одной из основных проблем нашей отрасли, поскольку атаки становятся все масштабнее и изощреннее. SLN используют машинное обучение, чтобы создавать комплексные модели нормальных состояний. Такие модели позволяют выявлять сложные атаки, такие как кражи данных, а также DoS-атаки на сети IoT.
Чем больше происходит событий, тем умнее становятся SLN: каждый узел сети выполняет моделирование на основе машинного обучения и постоянно учится новому. Развернутая на периферийных устройствах сети и подключенная с помощью продвинутых сетевых технологий, SLN позволяет сети гораздо быстрее обнаруживать проблемы и принимать соответствующие меры.
«Идея самообучающихся сетей родилась в 2012 году, когда мы работали над сложнейшими вопросами IoT. В последние несколько лет мы столкнулись с целым рядом любопытных технических сложностей, которые подтолкнули нас к разработке новейшей архитектуры и технологии. Мы только что объявили о выходе первого продукта в семействе SLN – сети Stealthwatch Learning Network, которая призвана выявлять сложные угрозы. Без сомнения, в последующие несколько лет появится еще немало SLN-инноваций, применимых к IoT, что существенно повлияет на архитектуру IoT и откроет возможности для внедрения целого спектра новых сервисов и технологий», – заметил главный инженер Cisco и изобретатель SLN Дж. П. Вассер.
Туманные вычисления, блокчейн и машинное обучение – лишь три примера из множества технологических и архитектурных сдвигов, которые наблюдаются в сфере IoT. Держите руку на пульсе: вскоре появятся и новые технологии, развитие которых будут стимулировать новые задачи и новые перспективы IoT.
Комбинируя открытые стандарты, операционную совместимость и новые технологии, IoT приобретает новые возможности и бизнес-модели, которые и определят победителей и проигравших во всех отраслях. Сегодня подкованные руководители бизнес-направлений уже требуют открытых IoT-архитектур на базе IP. Компании вроде Cisco и Rockwell Automation работают с растущим количеством партнеров, которые приняли стратегическое решение перейти на открытые стандарты и развивать открытую модель IoT. Преимущества такого подхода ощутимы: я видел их своими глазами на прошлогоднем форуме «Интернет вещей» в Дубае, где пионеры IoT представляли свои результаты.
В следующей главе, «IoT сегодня», вы не найдете краткого конспекта всего того, о чем уже прочитали. Я опишу некоторые новые идеи и попробую заглянуть в будущее IoT, хотя ни в коем случае не считаю себя футуристом.
Глава 11
IoT сегодня
Помните упражнение из главы 7? Там надо было ответить на вопрос, каким вы видите свой бизнес через 10 лет. Теперь давайте выполним другое упражнение: каких финансовых результатов вы ожидаете после внедрения IoT в своей организации?
Вас впечатлили прогнозы ученых и аналитиков о миллиардах и даже триллионах долларов валовой выручки и чистых доходов от IoT в грядущие годы? Конечно, эти цифры выглядят заманчиво. На какую их долю рассчитывает ваша организация? Какой вы хотите получить кусок большого пирога? (Поскольку нам обещают триллионы и десятки триллионов долларов, даже малюсенький кусок равняется миллионам.) Прежде чем вы ответите, позвольте мне предупредить вас, что приведенные ниже расчеты основаны на статистических формулах, полагаться на которые не стоит, по крайней мере пока выручка не потечет в ваш карман.
Лучше всего вам ориентироваться на те суммы, которые вы сможете сэкономить или компенсировать, внедрив одну из моделей быстрого успеха, описанных в главе 5, или на прогнозную оценку прибыли вашего пилотного проекта. Возьмем, к примеру, удаленные операции. Если они позволяют вам не отправлять одного сотрудника на проверку одного монитора на одном удаленном объекте один раз в неделю и это экономит, скажем, 200 долларов в неделю, то, умножив их на 52 недели, вы получите 10 400 долларов экономии в год. Теперь представьте, что сотрудников пятеро и они совершают пять разных путешествий еженедельно. В таком случае вы сэкономите в пять раз больше. Если сотрудников 100 или 1000… Считайте сами. В любом случае это весьма неплохая выручка в сравнении со стоимостью одного счетчика и нескольких бит полосы пропускания. Это прекрасный результат как в краткосрочной, так и в долгосрочной перспективе. Само собой, сколько именно вы сэкономите, будет зависеть от выбранного вами сценария использования IoT.
Теперь давайте повернем разговор о влиянии IoT совсем в другом направлении. Насколько тесно вы хотите сотрудничать с организациями ваших клиентов? Хотите стать с ними партнерами? Станут ли ваши клиенты участвовать в разработке ваших продуктов и услуг? Насколько ценными они будут в качестве клиентов и партнеров в долгосрочной перспективе? Какова пожизненная ценность таких клиентов или, если уж на то пошло, таких партнеров? И снова ответ зависит от вас, от клиентов/партнеров и от сценария использования IoT.
Что будет, если мы посмотрим на это со стороны клиента? Как ваша организация через 10 лет станет осуществлять покупку оборудования, станков и сырья? Не забывайте, ваша организация не только работает с клиентами, но и сама является клиентом компаний-поставщиков. Попробуете ли вы заключить партнерство с одним, несколькими или всеми своими поставщиками? Готовы ли вы работать над совершенствованием их продуктов и услуг? Какой награды ожидаете за свое участие в процессе разработки инноваций?
Ознакомительная версия. Доступно 14 страниц из 67
