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

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