Быстрая разработка когнитивных функций для приложений Интернета вещей

Исследуйте когнитивные возможности, доступные в IoT-платформе IBM Watson

Comments

При написании данной статьи использовался классический интерфейс платформы Bluemix. В связи с быстрым развитием технологий некоторые из описанных шагов и приведенных иллюстраций могли претерпеть изменения.

Корпорация IBM® представила для экосистемы Watson Internet of Things серию новых предложений, возможностей и партнеров. Эта мера призвана распространить мощь когнитивных вычислений на миллиарды подключенных устройств, датчиков и систем, образующих Интернет вещей (Internet of Things, IoT).

Инженеров и разработчиков может интересовать, что можно сделать с использованием когнитивных решений и сервисов IoT-платформы IBM Watson. Ниже описываются API-интерфейсы Watson для IoT.

API-интерфейсы Watson для IoT

API-интерфейсы Watson для IoT ускоряют создание когнитивных IoT-решений и сервисов на основе IoT-платформы IBM Watson. С помощью этих API-интерфейсов можно создавать когнитивные приложения со следующими возможностями.

  • Естественное взаимодействие с людьми с использованием текста и речи
  • Понимание изображений и распознавание сцен
  • Обучение на основе данных от датчиков и нахождение в них значимых шаблонов
  • Сопоставление данных с внешними источниками данных, такими как метеосводки или Твиттер

Эти API-интерфейсы позволяют реализуют когнитивные функции в ряде ключевых областей.

  • Обработка информации на естественном языке (Natural language processing, NLP) позволяет пользователям взаимодействовать с системами и с устройствами с помощью простого человеческого языка. Обработка информации на естественном языке позволяет системе понять выраженное на естественном языке намерение путем сопоставления текста с другими источниками данных и поместить его в контекст определенных ситуаций. Например, технический специалист, работающий с какой-либо машиной, замечает необычную вибрацию. Он задает системе вопрос: "В чем причина этой вибрации?" Используя обработку информации на естественном языке и данные от других датчиков, система автоматически связывает слова со смыслами и с намерением, выявляет машину, о которой идет речь, и сопоставляет эту информацию со свежими записями технического обслуживания, чтобы установить наиболее вероятный источник вибрации, а затем рекомендовать меры для ослабления вибрации.
  • Машинное обучение автоматизирует обработку данных, непрерывно осуществляет мониторинг новых данных и взаимодействует с пользователем с целью ранжирования данных и результатов на основе выученных приоритетов. Машинное обучение можно применить к любым данным, поступающим от устройств и датчиков, для автоматического понимания текущей ситуации, описания нормальных ожидаемых тенденций, задания свойств, подлежащих мониторингу, и описания рекомендуемых действий в случае возникновения проблем. Например, сервисы IoT-платформы IBM Watson позволяют контролировать данные, поступающие от парка оборудования, и на основе обучения выявлять как нормальные, так и аномальные состояния. Нередко эти состояния являются уникальными для каждого элемента оборудования и для каждой ситуации его применения, включая окружающую среду и производственные процессы. Машинное обучение помогает понять эти различия и настроить систему на мониторинг уникального состояния каждого актива.
  • Анализ видео и изображений позволяет пользователям осуществлять мониторинг неструктурированных данных в видеопотоках и фотографиях с целью идентификации сцен и шаблонов, содержащихся в видеоданных. Приложения способны сочетать эти данные с машинными данными для лучшего понимания прошлых событий и новых ситуаций. Например, анализ видео от камер видеонаблюдения установил факт заезда погрузчика в контролируемую область, что вызвало незначительное предупреждение в системе. Три дня спустя оборудование в этой контролируемой области начало демонстрировать ухудшение показателей. Теперь, сопоставив эти два инцидента, можно выявить факт столкновения между погрузчиком и оборудованием, которое было невозможно распознать только по видео или по данным от машины.
  • Анализ текста позволяет осуществлять углубленный анализ неструктурированных текстовых данных (включая стенограммы обращений клиентов в колл-центры, журналы технического обслуживания, комментарии в блогах, твиты и т. д.) с целью отыскания корреляций и шаблонов в огромной совокупности данных из этих источников. Например, такие фразы, как "у моего автомобиля шумят тормоза ", "мой автомобиль медленно останавливается" и "тупит педаль тормоза", поступающие по неструктурированным каналам, можно связать и сопоставить с целью выявления потенциальных проблем с тормозами в определенной модели автомобиля и определенной партии этой модели.

Пример применения у реального заказчика

Международный OEM-поставщик электроники недавно подключил свое устройство к сервисам IBM Watson IoT Platform. С помощью новых API-интерфейсов Watson для сервисов IBM Watson IoT Platform этот поставщик продемонстрировал, насколько легко в его продукт встраивается открытый речевой интерфейс, который затем можно настроить на контент в определенной предметной области и который будет обучаться с течением времени. См. Рисунок 1.

Рисунок 1. Архитектурная схема встраивания речевого интерфейса в существующий продукт
Architecture diagram of voice interface for IoT devices
Architecture diagram of voice interface for IoT devices

В данном примере система компании научилась понимать такие устные вопросы, как "Затронет ли шторм наши участки побережья в Северной Каролине в этот уик-энд?", а затем предоставлять на него ответ на основе метеосводки от The Weather Company. Такое приложение бытового назначения может показаться тривиальным для современных смартфонов, однако в отличие от существующих закрытых коммерческих систем это приложение можно научить отвечать на вопросы, специфические для конкретной предметной области, например: "Каков риск связанных с погодой задержек в нашем центре поставок в Талсе?"; "Имеют ли место шторма на маршруте контейнеровоза 123?"; или "Какая погода сегодня в районе нефтяной вышки №42?".

Работа системы представлена ниже в виде шести шагов.

Сервис Применение в решении
IoT Platform service icon

Шаг 1. Когда пользователь задает какой-либо вопрос, запись этого вопроса (в виде wav-файла) с помощью сервиса IBM Watson IoT Platform Connect передается для последующего анализа Bluemix-приложению в облаке. После этого Bluemix-приложение обращается к когнитивным API-интерфейсам, чтобы проанализировать этот вопрос, понять намерение пользователя и сформулировать ответ (все эти API-интерфейсы описываются на следующих шагах).

Сервис IBM Watson IoT Platform безопасно связывает ваши устройства с вашими приложениями, исполняющимися в облаке, с помощью REST-интерфейса или API-интерфейса реального времени на основе протокола MQTT или HTTP.

Speech to Text service icon

Шаг 2. Звукозапись, содержащаяся в wav-файле, преобразуется в текст с помощью сервиса Watson Speech to Text (полученный текст подвергается дальнейшему разбору и анализу на следующих шагах).

Сервис Watson Speech to Text применяет функциональность машинного самообучения для объединения информации о грамматике и структуре языка со знанием состава аудиосигнала, формируя точную транскрипцию. Этот сервис поддерживает несколько языков.

Natural Language Classifier service icon

Шаг 3. Когда приложение получает вопрос о погоде, оно вызывает сервис классификатора естественных языков (Natural Language Classifier), чтобы понять, относится ли этот вопрос к погоде, а затем определить, идет ли речь о прогнозировании дождя, о снежной буре или это просто вопрос о температуре. Соответственно в случае вопроса "Затронет ли шторм наши участки побережья в Северной Каролине в этот уик-энд?" сервис скажет нам, что этот вопрос касается шторма.

Сервис Natural Language Classifier (NLC) интерпретирует намерения автора текста и возвращает соответствующую классификацию с указанием соответствующих уровней достоверности. Другими словами, он позволяет приложениям понять контекст вопроса.

Relationship Extraction service icon

Шаг 4. Затем приложение с помощью сервиса Relationship Extraction осуществляет дальнейший анализ текста, чтобы понять состав вопроса (логические сущности и отношения между ними). Таким образом, в случае вопроса "Затронет ли шторм наши участки побережья в Северной Каролине в этот уик-энд?", сервис Relationship Extraction скажет нам, что этот вопрос касается побережья Северной Каролины, а период времени охватывает субботу и воскресенье (то есть через три дня, если вопрос был задан в среду).

Сервис Relationship Extraction (RE) с помощью машинного обучения и статистического моделирования производит лингвистический анализ входного текста. После этого он находит фрагменты текста и объединяет их в кластеры, чтобы сформировать сущности, а затем извлекает отношения между этими сущностями. Другими словами, он понимает, в чем состоит вопрос.

Шаг 5. Теперь приложение может легко вызвать подходящий API-интерфейс доступа к метеоданным, чтобы получить прогноз и сформулировать ответ на поставленный вопрос.

Сервис Insights for Weather предоставляет нам доступ к ретроспективным погодным данным и погодным данным реального времени от The Weather Company, которые можно интегрировать в наше Bluemix-приложение.

Шаг 6. Теперь, когда у нас есть ответ на наш вопрос, приложение может синтезировать текст в виде аудиофайла, который можно передать в потоковом режиме обратно на динамики IoT-устройства.

Сервис Watson Text to Speech предоставляет интерфейс REST API, который синтезирует речевую аудиоинформацию на основе введенного простого текста. Этот сервис поддерживает несколько языков и различные голоса.

Каким образом эти когнитивные функции будут использоваться в будущем

IBM продолжает наращивать применение мощных когнитивных технологий, поэтому IoT-приложения следующего поколения будут способны:

  • Понимать намерения пользователей при взаимодействии на естественном языке
  • Идентифицировать причины посредством применения вероятностей и аналитики
  • Обучаться в процессе взаимодействия пользователей с системой и изменения условий в реальном времени

Перечень будущих возможностей буквально бесконечен!

Опробуйте сервисы самостоятельно IBM Watson IoT Platform


Ресурсы для скачивания


Похожие темы


Комментарии

Войдите или зарегистрируйтесь для того чтобы оставлять комментарии или подписаться на них.

static.content.url=http://www.ibm.com/developerworks/js/artrating/
SITE_ID=40
Zone=Облачные вычисления, Internet of Things
ArticleID=1039486
ArticleTitle=Быстрая разработка когнитивных функций для приложений Интернета вещей
publish-date=11072016