智能物联网-课件 第11章 - 未来展望

×第十一章未来展望FutureProspect智能物联网导论课程组西北工业大学计算机学院目录11.1现状与挑战11.2未来发展趋势11.2.1软硬协同终端智能11.2.2跨模态融合泛在感知11.2.3面向AIoT的智能演进11.2.4新一代智能物联网络11.2.5动态场景模型持续演化11.2.6人机物融合群智计算11.2.7通用AIoT系统平台11.3习题11.1现状与挑战

作为物联网技术的最新演进方向，AIoT已经在感知、网络、计算和推理等方面取得了许多进展3云边端协同的AIoT多模态智能感知、群智感知人工智能技术物联网联邦学习11.1现状与挑战

作为一个新兴领域，智能物联网发展还面临很多挑战4资源受限下终端能力优化多模态泛在智能感知网络通信的情境自适应动态复杂环境下的AI部署目录11.1现状与挑战11.2未来发展趋势11.2.1软硬协同终端智能11.2.2跨模态融合泛在感知11.2.3面向AIoT的智能演进11.2.4新一代智能物联网络11.2.5动态场景模型持续演化11.2.6人机物融合群智计算11.2.7通用AIoT系统平台11.3习题11.2软硬协同终端智能6移动终端的计算、存储、电量资源受限，只能执行轻量级的智能计算模型移动终端设备的计算、存储等资源存在异构性和动态性终端智能计算的不足：提出成熟精准的硬件相关性能（如时延、能耗）评估方法解决软硬协同的工程实现难度较高的问题设计定制化的智能芯片，满足异构物联网终端的需求软硬协同的终端智能技术：专用定制化芯片未来研究方向11.2跨模态融合泛在感知7多模态感知技术的挑战：多模态融合感知技术：未来研究方向探索不同感知资源能力的差异性，并针对感知任务进行能力选择和聚合考虑感知对象行为的复杂性和个性化特征，以适应多样化的应用场景深度挖掘不同感知技术的作用机理以实现细粒度感知借助个性化联邦学习、域自适应等方法来提高模型的场景适应性11.2面向AIoT的智能演进8AIoT的智能演进技术的不足：集中式智能存在网络链接丢失和泄露数据隐私性等缺点分布式智能存在终端资源受限、分布式协同计算架构基础薄弱等问题面向AIoT的智能演进技术：未来研究方向“分布&集中”混合式智能将成为未来有潜力的发展方向基于深度神经网络的因果推理方法将在未来AIoT系统中发挥重要作用11.2新一代智能物联网络9传统智能物联网络技术的不足：传统物联网应用大多都是状态监测、远程控制等具有单一功能的形式，应用范围受限，智能程度低；物联网节点的资源约束给协议设计和实现带来了挑战新一代智能物联网络技术：未来研究方向面向多功能集成，智能程度高的智能的物联网发展通过降低机器学习模型的复杂性，从而在资源受限设备上实现实现大规模数据收集和传输，通过边缘分析和云计算增强系统的智能性11.2动态场景模型持续演化10模型持续演化技术的不足：学习模型的部署存在场景多变、领域差异、训练困难等问题智能物联网在真实环境中训练模型是困难和/或昂贵的动态场景模型持续演化技术：未来研究方向探索动态场景下的云边协同模型演化和仿真-真实结合的模型训练与迁移通过优化仿真环境中的机器人感知模型和动力学模型来缩小虚拟与现实差距11.2人机物融合群智计算11群智计算技术的不足：异构群智能体之间存在感知能力的差异性、计算资源的互补性、节点间的协作性和竞争性等问题人机物融合群智计算技术：未来研究方向人机物群智协同机理、人机混合智能、人在回路智能计算、异构群智能体协作增强“以人为中心”、“人机协同”的计算理念11.2通用AIoT系统平台12通用AIoT系统平台的挑战：存在多模态感知、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安全和隐私问题，成为通用AIoT系统平台需解决的一大关键挑战通用AIoT系统平台：未来研究方向未来AIoT系统平台应具备“自组织、可配置、抽象化”等特征未来可通过区块链技术克服安全和隐私问题11.3习题13结合某具体领域（如无人驾驶），简述未来智能物联网可能面临的挑战？通过软硬协同方式实现终端智能有哪些可能的途径？结合6G等下一代网络通信技术阐述人工智能在其中的潜在应用。什么是人机物融合群智