说到互操作性,科技行业对它能带来的好处非常熟悉。尽管如此,BI Intelligence在2016年发布的《美国智能家居市场报告》(U.S. Smart Home Market report)中发现,由于碎片化,智能家居设备仍处于早期采用阶段和大众市场阶段之间。当许多运营商和服务提供商使用不同的设备和技术来启动物联网服务时,就会出现这种情况,其中包括过于复杂和耗时的操作、供应商锁定和减少的创新等,阻碍了整体的进展。
然而,在处理智能系统缺乏互操作性的问题上,这些并不是唯一的障碍,特别是那些大规模部署的智能系统,例如智能城市。
因为物联网能够为消费者、企业和城市规划者提供真正的价值,智能技术提供的数据需要具有意义,因此许多应用程序可以解释数据并将其用于正确响应。
这是语义互操作性——即物联网市场未来成功的关键因素。它使用元数据和本体来允许不同的应用程序共享“有意义”的信息。使用元标记数据可确保所有信息都可以被理解和重用。这避免了传感器设备的多个独立系统及其应用程序试图收集相同的数据用于不同的目的。
这里给出一个简单的例子,路边传感器将产生各种数字,例如可用于当地冰雪警告电子标志的摄氏温度值。除非我们知道这些数字是什么意思,否则这些信息就没有意义。然而,如果使用元标记数据,用户可以看到信息代表什么以及可以使用什么。它也可以与其他应用程序共享,例如监视和预测天气。因此,语义互操作性对于许多不同的智能技术行业来说是重要和必要的。随着越来越多的应用开发,如果数据格式需要与通信技术相同的集成,集成成本将会上升。
在更广泛的范围内,考虑在智慧城市中可以找到的数千种潜在数据来源。虽然其中许多将生成仅由一个应用程序利用的数据,但是如果所有这些数据可以由许多应用程序组合,交叉编译和重用,智慧城市难道不会更聪明吗?
oneM2M在最新的一组规范(Release 2)中引入了语义互操作性,允许有意义的、安全的数据分发和重用。随着使用的设备和应用程序数量的增加,现在将语义功能构建到标准中,将使集成在未来更容易实现。
oneM2M标准允许将元标记数据发布到网关上的oneM2M资源上,从而通知感兴趣的实体,或者可以通过语义发现找到它。
在一个小的物联网环境中,可能不需要为数据附加意义,因为它通常是由开发的应用程序所暗示的。然而,城市规划者想要充分利用数据资产,在没有语义互操作性的情况下将受到极大的限制。
虽然将应用程序与语义互操作性结合起来会有一些初始成本,但通过传统的数据集成过程实现类似的交互水平,随着应用程序和设备数量的增长,成本将呈指数增长。
在这种情况下,可用于多种用途的信息也可能受到限制。
随着物联网设备数量的增加,城市越来越认识到,如果物联网项目要提供真正的价值,他们就不能再依靠传统方法。语义互操作性只是标准化的一小部分,但它将是实现这种新的工作方式的不可或缺的一部分。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。