Использование LLM с данными Интернета вещей: где архитектура действительно имеет значение

Постоянно появляется множество демонстраций, демонстрирующих LLM, прикрепленный к датчику. Отправьте значение температуры чат-боту и спросите его, что это значит. Это интересно. Но полезно ли это? Инженерная задача по добавлению возможностей искусственного интеллекта в существующие системы Интернета вещей, включая зашумленную телеметрию, тысячи устройств, рабочие процессы и операционные данные, не так проста, как подключение LLM в конце конвейера. Давайте рассмотрим, как может выглядеть полезная архитектура. Начните с конвейера данных Базовая архитектура Интернета вещей может выглядеть следующим образом: Устройство Датчик шлюз MQTT/Сеть Платформа данных Приложение Добавление возможностей искусственного интеллекта в эту архитектуру может включать в себя подключение LLM к выходным данным платформы данных. На практике такая архитектура редко оказывается полезной. Модель должна будет понимать контекст значения температуры 82°C, что может означать совершенно разные вещи в зависимости от оборудования, окружающей среды, режима работы или положения датчика. Более полезная архитектура выглядит примерно так: Данные датчика Валидация Обогащение контекста Правила / ML-анализ Интерфейс LLM Человек или приложение LLM — это интерфейс к информации, а не аналитический механизм. л