文案组-第一次作业-谢嘉仪-2023303847人工智能物联网粗浅理解.pdf
50 个回答
文案组-第一次作业 2022301497 刘宣奇
物联网（Internet of Things，IoT）是一种先进的信息通信技术体系，它通过将各类传感器、射频识别（RFID）、全球定位系统（GPS）、红外感应器、激光扫描器等设备嵌入到物理实体中，并利用网络技术连接这些实体，使它们能够相互之间以及与互联网进行实时的数据交换和通信。物联网的核心理念是实现“万物皆可联网”，即将任何物品都转化为智能物件，使其具备感知环境、收集数据、传输信息及执行特定任务的能力。
在我看来，它拥有以下几种特点和优点。
1. 物联网可以借助各种传感技术自动采集物体的状态信息，如位置、温度、湿度、速度、压力等，实现对现实世界的全方位、全天候的感知。
2. 物联网中的数据传输要求高效稳定，包括局域网、广域网等各种无线或有线网络技术得以应用，确保信息在不同层级间安全可靠地传送。
3. 物联网终端设备与云端平台结合，运用大数据分析、人工智能算法等手段，对海量感知数据进行处理、存储和分析，从而实现智能化决策和服务。
4. 物联网不仅让物体与物体之间能相互通信、协同工作，还使得人们可以通过智能终端随时随地控制和管理联网的物品，提升生活、生产和社会管理效率。
5.从产业链角度看，物联网涵盖了传感器制造、网络设备供应、平台服务提供、数据分析与应用开发等多个环节，形成了一条包含硬件、软件、通信、云服务和行业解决方案在内的完整生态链。
物联网的发展不断推动着各行业的数字化转型和新型业态创新，已在智慧城市、智能家居、工业自动化、物流追踪、健康医疗等诸多领域产生了深远影响，被认为是继计算机、互联网之后世界信息产业发展的第三次浪潮。
技术组-第一次作业-2023300067-许铭扬
物联网，即是“万物相连的互联网“，是在互联网基础上进一步延伸和扩展的网络，将各种信息传感设备与网络结合起来而形成的一个巨大网络，实现任何时间、任何地点，人、 机、物的互联互通、信息交换与智能服务。也就是说，物联网就是在传统互联网之上的一个拓展概念，可以容纳更多的智能设备。而智能物联网AIoT在其上又着重强调了AI的运用，且着重强调了人工智能、边缘计算、物联网等技术的深度融合，从而使物联网系统的更加灵活，自主，更加能自适应。而AIoT能迅速兴起是与互联网的高度发达所紧密相关的，物联网终端计算能力不断提升，边缘计算和边缘智能的兴起，使数据处理量更加庞大，也更具实时性。另外深度学习等人工智能技术的快速发展更是为智能物联网注入了灵魂。这些互联网技术的应用使其具有了物联网无可比拟的智能化程度和自我学习能力。
在我看来，智能物联网的前景十分广阔。例如，现在已经常见的全屋智能家居还大多停留于信息化操纵的层面。而大模型人工智能的加入可以使其自主学习主人的生活习惯，自主行动，甚至于可以作为一位虚拟管家操纵各种硬件为你管理屋内的一切。而如果我们再扩宽一下视野，将智能物联网放大到全社会，将城市基础设施，地面和空中交通工具联结为一个网络，再以人工智能进行统筹，无疑可以提升城市的运行效率，减少事故意外的发生。此外工业物联网，更是一大应用场景，各种设备智能化，互联化使其越来越自主，智慧，相信现在的“熄灯工厂”，可以进化为真正的“无人工厂”。智能物联网无疑在未来大有可为。
智能物联网的关键技术包括以下几个方面。
泛在智能感知：主要通过内嵌在智能手机、可穿戴设备、 汽车、家电中的摄像头、加速度传感器、陀螺仪、 WiFi、LTE、毫米波雷达等传感器对人和环境进行感知，并配合人工智能进行分析，从而为其进一步决策提供信息。
群智感知计算：它利用大量普通用户使用的移动设备作为基本感知单元，通过物联网/移动互联网进行协作，进行大规模、复杂的城市与社会感知任务
智能物联网通信：将AI 融入到物联网通信系统中，以实现物联网通信效能的大幅提升
终端适配深度计算：针对智能物联网终端平台资源受限、应用情境复杂多变，以及硬件 优化能力不同等问题，进行适配优化以更好的适应分布式平台。
物联网分布式学习：通过群体协作实现超越个体行为的集体智慧，构建具有自主能力的智能集群。
云边端协同计算：将边缘设备大量部署，，将部分计算从云端下沉到边缘缓解云计算负载，产生更快的服务响应
安全与隐私保护：在高度分散、随机加入退出的特性和分布式环境中实现信任认证
技术组—第一次作业—2023300033—孙子煜.pdf技术组—第一次作业—2023300033—孙子煜
技术组-第一次作业-周世豪-2023300099
智能物联网AIoT即AI（人工智能）+IoT（物联网）。AIoT融合AI技术和IoT技术，通过物联网产生、收集来自不同维度的、海量的数据存储于云端、边缘端，再通过大数据分析，以及更高形式的人工智能，实现万物数据化、万物智联化。物联网技术与人工智能相融合，最终追求的是形成一个智能化生态体系，在该体系内，实现了不同智能终端设备之间、不同系统平台之间、不同应用场景之间的互融互通，万物互融。AIoT的应用场景广泛，包括智能家居、智能健康、智慧城市和智能工业等领域，随着5G技术和边缘计算的发展，AIoT的应用前景更加广阔，对人们的生活和工作产生了深远影响。
智能物联网-孔华国.pdf技术组-第一次作业-2023300064
技术组-第一次作业-2022300116-韩雪婷
智能物联网是当前人工智能与物联网技术相融合的产物，正成长为一个具有广泛发展前景的新兴前沿领域，实现 从“万物互联”到“万物智联”的演进。
智能物联网的前身为物联网，而物联网也就是“”万物相连的互联网”，被认为是继计算机、互联网之后 的又一次信息产业浪潮，是新一代信息技术的重要 组成部分。它是在互联网基础上进一步延伸和扩展的网络，将各种信息传感设备与网络结合起来而形成的一个巨大网络，实现任何时间、任何地点，人、 机、物的互联互通、信息交换与智能服务。而在新一代人工智能发展背景下，与物联网在实际应用中不断落地融合，促进了智能物联网 AIoT 的诞生。
那么智能物联网就是：通过人工智能、边缘计算、物联网等技术的深度融合， 赋能感知、通信、计算和应用等路径实现万物智联， 呈现泛在智能感知、云边端协同计算、分布式机器 学习、人机物融合等新特征，具有更高灵活性、自 组织性、自适应性、持续演化的物联网系统。所以智能物联网是人工智能和物联网两种技术相互融合的产物。
另外智能物联网最显著的特征就是人机物融合计算。随着物联网、人工智 能等技术的发展，计算系统正从信息空间拓展到包 含人类社会、信息空间和物理世界的三元空间，人 机物三元融合计算成为重要形态。它能有效协同与 融合人、机、物异质要素，进而构建新型智能计算 系统，是解决智能制造、智慧城市、社会治理等国 家重大需求的有力支撑。
作为物联网技术的最新演进方向，人工智能与物联网的融合已经在感知、网络、计算和推理等方面取得了许多进展。云边端协同的 AIoT 体系架构 成为学术界和产业界的共识。多模态智能感知、群 智感知等技术在自动驾驶、智能家居、智能工厂等 领域得到有效应用。人工智能技术在 6G 等未来物 联网通信技术发展中也成为主要驱动要素。物联网 终端智能、边端协同计算、物联网联邦学习等成为 当前研究热点并在 AIoT 应用中落地使用。然而， 作为一个新兴领域，智能物联网发展还面临很多挑战，一方面需要 在软硬协同终端智能、面向 AIoT 的智能演进、新 一代智能物联网网络、动态场景模型持续演化、人 机物融合群智计算等关键技术方面实现不断突破。 另一方面，面对多模态感知、泛在互联、场景动态、 资源受限、实时处理、普适服务等技术挑战，亟需 要研发具有“自组织、可配置、抽象化”等特征的 通用 AIoT 操作系统、中间件等系统平台，推动生态发展。
技术组-第一次作业-2022300114-高紫欣
与传统物联网的区别：
传统物联网是实现数据收集到数据处理的过程，传感器收集环境中的数据，并把他们传到云端，数据在云中心进行计算和储存，再通过互联网反馈。而智能物联网是以数据处理为中心，传感器进行实时信息采集，然后在终端设备、边缘设备、云端都可以进行数据的处理和挖掘。智能物联网和传统物联网最大的不同应该是智能物联网从云端计算集群、边缘网络节点到物联网智能终端都可以进行感知、学习和决策。
迅猛兴起的原因：
一是物联网终端设备的普及，终端数据和连接的迅速增长，需要计算能力更高的物联网体系架构来实现数据的及时分析和处理；二是许多特殊的领域应用场景对数据处理的实时性、隐私性要求更为迫切；三是深度学习等人工智能的兴起；四是物联网终端计算能力不断提升；五是边缘计算和边缘智能的兴起。
未来的前景：
智能物联网带来了泛在智能感知、情境自适应通信、分布式群体智能、云边端协同计算等新的挑战问题，来自国内外的许多研究人员都对智能物联网这一前沿领域开展了系统性研究。在 AIoT 快速发展趋势下，国内外著名 IT 企业也都加紧布局，在边缘智能、智能芯片、智能物联网软件平台等方面取得了很多基础性成果。所以无论在学术界和产业界，智能物联网均成为新的发展趋势。
关键技术的阐释：
一、泛在智能感知技术：是通过内嵌在智能手机、手表等中的摄像头、加速度传感器等对人和环境进行多模态感知，然后利用人工智能的算法、模型和技术对感知到的信息进行分析，得到关于人和环境的情境状态，进而为人在合适的时间、地点提供智能的服务。包括智能视觉感知、智能听觉感知、智能无限感知、多模态智能感知。
二、群智感知计算技术：群智感知计算是利用大量的移动终端作为基本感知单元，通过互联网实现感知任务分发与感知数据收集利用，以实现构建大规模移动感知网络。
三、智能物联网通信：智能物联网通信的主要思想是将机器学习和AI思想融入到相应的算法或协议中，实现AI和通信的结合，目前各项研究正处于初步，探索阶段。
四、终端适配深度计算：具有高可靠性、保护数据隐私的优势。
五、物联网分布式学习：单智能体数据和经验有限，通过群体分布式协作可实现超越个体行为的集体智慧，构建具有自组织、自学习、自适应等能力的智能感知计算空间。
六、云边端协同计算：是指将部分计算从云端下沉到边缘和终端，以缓解云计算负载，产生更快的服务响应。
七、安全与隐私保护：智能物联网时代，智能物联网终端、硬件以及人工智能的应用都可能导致数据的泄露等安全问题，需要从法律、技术等层面解决安全和隐私保护的问题。
应用场景：自动驾驶、目标识别与跟踪、智慧城市、智慧家居等。