Thông qua việc ứng dụng trí tuệ nhân tạo và học máy, các nền tảng IoT ngày càng hoạt động tốt hơn trong việc giám sát và bảo vệ network.

AI có thể trở thành ứng dụng chủ đạo thu hút mọi người sử dụng IoT. Có thể hơi khái quát hóa khi phân loại trí tuệ nhân tạo (AI) và một phân nhánh của nó – học máy (ML)– vào mục ứng dụng, nhưng rõ ràng các công nghệ này có tiềm năng thay đổi cách vận hành của IoT một cách đáng kể. AI khiến các hệ thống IoT trở nên thông minh hơn, có khả năng thích ứng với các thay đổi thông số theo nhu cầu mà không sợ nguy cơ bùng nổ dữ liệu ngoài tầm kiểm soát.

Quá trình vận hành IoT là một nỗ lực liên tục nhằm đảm bảo hàng nghìn thiết bị, thậm chí nhiều hơn, có thể hoạt động bình thường, an toàn trong một mạng network của doanh nghiệp, đồng thời cũng đảm bảo các thông tin thu thập được phải vừa chính xác vừa cập nhật kịp thời. Dù việc xử lý dòng dữ liệu liên tục đã có các máy phân tích đầu cuối tinh vi phụ trách, công việc đảm bảo chất lượng của bản thân các dữ liệu đó lại phụ thuộc vào một số phương pháp tương đổi cổ điển.

Nhằm kiềm chế việc tăng vô tội vạ các cơ sở hạ tầng IoT, một số nhà cung cấp nền tảng IoT đã tích hợp công nghệ AI/ML vào sản phẩm để tăng khả năng kiểm soát trong quá trình vận hành. Một số nhà cung cấp tiêu biểu, như IBM và Schneider Electric, đã sớm có nhiều năm kinh nghiệm tích hợp AI/ML vào các sản phẩm của họ. Thế nhưng việc ứng dụng AI/ML vẫn chưa thật sự phổ biến với đa số các nhà cung cấp nền tảng IoT.

“Phải thừa nhận rằng với hàng trăm nhà cung cấp nền tảng IoT trên thị trường, tích hợp AI/ML vẫn là một điều hiếm hoi lạ lẫm”, phân tích trưởng về dịch vụ và công nghệ IoT, Sam Lucero tại công ty phân tích Omdia cho biết, “Với nhiều bộ giải pháp IoT, đó vẫn là một tính năng đang trong quá trình phát triển”

Tại Sao Các Nền Tảng IoT cần AI/Machine Learning?

Dù số lượng sản phẩm được ra mắt tới nay còn giới hạn, có nhiều bằng chứng vững chắc chứng minh AI/ML sẽ là một phần thiết yếu trong hầu hết nền tảng IoT. Các công cụ quản lý truyền thống ngày càng không thể đáp ứng yêu cầu của các hệ IoT lớn, vì chúng không thể … con số khổng lồ các network và thiết bị mà các hệ này kết nối.

Các công cụ hiện nay như hệ thống SCADA có thể đảm nhiệm nhiệm vụ theo dõi ở mức độ căn bản cảm biến, actuator, và nhiều loại thiết bị được kết nối khác, nhưng dữ liệu hệ thống này thu được là vô cùng đơn sơ. Thường thì, dữ liệu được thu thập dựa trên các ngưỡng đã xác định từ trước, với rất ít hoặc thậm chí không có phân loại định tính nào.

Joe Berti, Phó chủ tịch ứng dung AI tại IBM, nhận thấy rằng việc hệ SCADA đang trở nên lỗi thời là một trong những động lực chủ đạo thúc đẩy nâng cấp chương trình quản lý IoT lên phiên bản có tích hợp AI.

“Hiện tại có rất nhiều hệ thống SCADA đang thu thập dữ liệu cho các ngành thiết yếu, dầu, gas và dây chuyền sản xuất. Các hệ này đã hoạt động từ 10 đến 15 năm” Berti cho biết, “nhưng chúng hoạt động dựa vào các mốc đặt trước.”

Quy trình này hơi bị thủ công – nhất là việc đặt các mốc mà nếu dữ liệu thu được vượt qua sẽ bị chuyển trạng thái dữ liệu từ “tốt” thành “xấu”– một trong những vấn đề chính khiến cho phương pháp quản lý này kém hiệu quả, và cũng thường kém chính xác.

Một nhân tố khác khiến quyết định ứng dụng AI trở nên cấp thiết là sự suy giảm lực lượng lao động ở nhiều quốc gia công nghiệp dựa nhiều vào hệ thống IoT. Nguồn lao động đang giảm đi do nhiều nguyên nhân, như nghỉ hưu, sa thải, dịch chuyển hoạt động ra nước ngoài,.. đang tạo ra một lỗ hổng về chuyên môn mà có thể được bù đắp phần nào nhờ các hệ thống quản lý thông minh.

AI Có Thể Giúp Gì Cho IoT

AI hoạt động trên nền tảng IoT sẽ tập trung vào loại dữ liệu đang lưu thông qua hệ vận hành nhằm đảm bảo quá trình thu thập dữ liệu cũng như các thiết bị khác hoạt động hiệu quả. AI hoạt động trên nền tảng không tác động đến loại dữ liệu được thu thập vì mục đích phân tích.

“Có sự khác biệt quan trọng giữa 2 loại data: loại data về quá trình vận hành của hệ thống và loại data mà hệ thống đó có nhiệm vụ cung cấp.”, Lucero cho biết.

Về mặt phân tích thì, một số ứng dụng, thường là các ứng dụng dựa trên nền tảng đám mây, cũng đã tích hợp công nghệ AI, nhưng chúng khác với các nền tảng được triển khai với định hướng điều hành.

Với AI – mà cụ thể là học máy – ta có thể theo dõi tình trạng vận hành của các thiết bị trong network dựa trên dữ liệu thời gian thực, trong suốt một khoảng thời gian dài, để từ đó có cơ sở phân tích một loạt các thông số khác nhau. Cách tiếp cận này cho ta thông tin càng lúc càng chi tiết về quá trình vận hành của thiết bị, so với cách đo nghèo nàn thông tin dựa vào các mốc đặt trước. Trong một vài trường hợp, cho máy học các dữ liệu vận hành đã thu thập được sẽ tăng độ rộng trải nghiệm của máy và khiến nó có khả năng cung cấp thêm nhiều thông tin chi tiết hơn.

Khía cạnh đo đạc thời gian thực cũng quan trọng không kém. Ngày nay, nhiều admin IoT bị quá tải bởi lượng thông tin khổng lồ mà network của họ cung cấp. Ông Berti, công ty IBM cho biết, khách hàng đang yêu cầu giúp đỡ, và nhiều khách than phiền rằng “Chúng tôi nhận được cả nghìn cảnh báo từ hệ thống và chẳng thể nào chú ý đến từng đấy cảnh báo được –  mấy thứ này dần trở thành tiếng ồn hơn là cảnh báo và cũng quá nhiều không xử lý nổi.”

Theo Berti, giải pháp của IBM có khả năng xử lý vấn đề cơn lũ thông tin này bằng cách lọc lấy các phần thông tin thật sự quan trọng: “Đây cơ bản là tính năng phát hiện bất thường dựa trên AI”, “điều chúng tôi muốn tìm ra là, phần nào đang thật sự hoạt động không bình thường?”

Cấp độ thu thập và phân tích dữ liệu như trên sẽ cho cái nhìn tương đối sâu sắc hơn về hiệu suất của network. “Điều đáng đề cập ở đây là máy có khả năng phát hiện các điểm bất thường hoặc phát hiện xu hướng sử dụng, để rồi sau đó nó có khả năng đưa ra kết luận, “có thể thay đổi cách vận hành”” “Hãy thay đổi quy chuẩn vận hành bởi vì chúng ta đang thu được một dữ liệu có thể xử lý tự động và nhờ vào nó ta có thể vận hành hiệu quả hơn.” Lucero cho biết.

AI Cũng Hỗ Trợ Đảm Bảo An Ninh IoT

Với việc nhiều data tốt hơn được thu thập và quá trình phân tích diễn ra nhanh hơn, hệ thống an ninh và người quản lý hệ thống có thể phản ứng nhanh khi một mối đe dọa được phát hiện.

Nếu không có AI, một hệ thống an ninh/quản lý chỉ có thể tạo một cảnh báo khi một thiết bị bị mất chức năng vận hành, thu thập và truyền dữ liệu. Nhưng AI/ML có thể theo dõi các hoạt động tinh vi của thiết bị nhằm phát hiện một thiết bị có vẻ đang hoạt động bình thường liệu có che giấu hoạt động gì bất thường hay không – ví dụ như thu thập dữ liệu vào thời điểm lẽ ra nó không được thu thập, hoặc vẫn hoạt động ngoài phạm vi nhiệt độ vận hành của thiết bị.

“Trong hoạt động quản lý, chức năng của ML là phát hiện điểm bất thường, nhằm mục đích tăng cường an ninh.” theo Lucero.

Berti ở IBM cũng lưu ý rằng thông tin thu thập và xử lý bởi quá trình hỗ trợ quản lý dựa vào AI có thể giúp tách lập các phần của network IoT và do đó giảm thiểu các lỗ hổng và các lối xâm nhập tiềm năng mà kẻ tấn công có thể lợi dụng.

Nền tảng EcoStruxure của Schneider cũng khai thác chuyên môn về AI của họ để tăng cường bảo mật mạng.  Bauer cho biết: “An ninh mạng là một trong những khía cạnh quan trọng nhất trong quá trình phát triển sản phẩm của chúng tôi.”

Tích Hợp AI Vào Hệ IoT Không Yêu Cầu Nhiều Hạ Tầng Phần Cứng.

Một số người dùng có thể chần chừ trong việc triển khai hoặc upgrade lên nền tảng IoT phiên bản nâng cấp có AI, một phần vì họ cho rằng một công nghệ phần mềm hiện đại như vậy sẽ yêu cầu một phần cứng tinh vi không kém, do đó việc nâng cấp phần cứng-thiết bị sẽ phức tạp và đắt tiền.

Nhưng không hẳn vậy. Lucero cho biết “Tôi chưa từng nghe nói việc nâng cấp IoT phải yêu cầu thao tác tích hợp hoặc phát triển trên bản thân thiết bị”, “với hầu hết thiết bị IoT, nếu yêu cầu như thế sẽ bị xem là phá vỡ thỏa thuận gốc của IoT”

Điều tương tự cũng áp dụng với việc format data mà các thiết bị truyền tải, cùng với các giao thức mà chúng dùng để truyền dữ liệu. Hầu hết các nền tảng hỗ trợ AI đều có thể thu thập và diễn giải dữ liệu ở nhiều định dạng quen thuộc bằng cách sử dụng các giao thức truyền tải theo cách thử-và-đúng.

“Thật ra chúng tôi có thể xử lý bất kỳ loại dữ liệu nào”, “Chỉ là chúng tôi đã viết sẵn trình kết nối với các hệ thống SCADA.” Berti cho biết.

Việc triển khai và đưa vào vận hành cũng không quá khó khăn. Như đã đề cập, một số hệ thống AI/ML có thể phát triển thông qua việc tiếp nhận và phân tích dữ liệu trong quá khứ, nhưng thường thì cả hệ thống lẫn người vận hành đều không cần phải được đào tạo nhiều.

AI Thúc Đẩy Sự Phát Triển Của Thị Trường IoT

Không thể phủ nhận sự thật là AI đã trở thành một phần không thể tách rời của quá trình quản lý vận hành IoT. Các cơ sở có ứng dụng IoT lớn sẽ nhận ra lợi ích của AI sớm hơn các cơ sở nhỏ, vì cơ sở lớn thường gặp nhiều khó khăn trong việc vận hành hệ IoT đồ sộ và phức tạp của họ. Dù hiện tại mảng nền tảng IoT có tích hợp AI còn khá giới hạn, điều này chắc chắn sẽ thay đổi trong tương lai gần.

Lucero cũng nói thêm: “Theo quan sát của chúng tôi, đã có nhiều nhà cung cấp bắt đầu mở rộng hoạt động sang lĩnh vực IoT”, “Tôi cho rằng AI/ML sẽ là một nhân tố chính góp phần thúc đẩy xu hướng này.”

Còn một viễn cảnh khác – dù hơi khó xảy ra ở hiện tại – là các nhà cung cấp nền tảng tăng cường AI sẽ đưa một số chức năng của AI vào sử dụng trong các ứng dụng khác thông qua APIs hoặc các trình tích hợp.

“Tôi tin chúng ta sẽ trải nghiệm điều đó, cùng với nhiều tính năng khác. Tuy là với trình độ tích hợp trực tiếp vào nền tảng IoT như hiện tại thì còn hơi xa, tôi nghĩ thế.”- Lucero chia sẻ.

Nguồn: IoT World Today bởi Rich Castagna

 

Hệ thống điện toán biên công nghiệp đã thúc đẩy xử lý dữ liệu IoT thời gian thực như thế nào