O zdražovaní pamätí toho bolo napísané viac ako dosť. Ceny tlačí nahor umelá inteligencia, dátové centrá predstavujú stále väčší podiel na celosvetovej produkcii čipov, výrobcovia sem presmerovali svoje výrobné kapacity a dopady vidíme všade. Notebook, telefón alebo herná konzola sú dnes drahšie než pred dvoma rokmi a zatiaľ nič nenaznačuje, že by sa to malo v najbližších mesiacoch obrátiť.
Zdražuje hardvér, nie však duševná práca. A práve duševná práca, teda práca ľudí na návrhu prototypov, vytvorení firmvéru, dokumentácie a testovaní – to bola vždy tá najdrahšia položka pri vývoji elektroniky. Vývojový cyklus, ktorý pred pár rokmi vyžadoval tím odborníkov, nejaký ten rok času a rozpočet v stovkách tisícov eur, sa dnes dá stlačiť do niekoľkých týždňov práce a nákladov, ktoré nezaťažia ani rozpočet malej firmy.
Nesmiete sa pozerať len na rastúce ceny, pretože tak uvidíte iba krízu. Kto otvorí svoju myseľ, uvidí nové príležitosti, ktoré táto doba prináša.
Dobrý nápad nestačil
Predstavte si, že ste v roku 2018 dostali nápad vyrobiť jednoduché IoT zariadenie v podobe senzoru, ktorý by zhromažďoval nejaké cenné dáta a posielal ich na centrálu na ďalšie spracovanie. Čo by ste potrebovali? Hardvérového inžiniera, ktorý by navrhol schému a pripravil prototyp základnej dosky, ďalej programátora, ktorý by napísal špecifický firmvér na mieru pre zvolený počítač (mikrokontrolér) a dizajnéra, ktorý by vyriešil mechaniku a vytvoril nejaký kryt. Vyrobilo sa niekoľko prototypov, ktoré sa testovali, pričom každý z nich by mal šesť až osemtýždňovú dodaciu lehotu. Výrobca PCB by vám povedal, že výroba pod tisíc kusov (kvôli vyššej výrobnej cene) nemá zmysel a to ešte nie sme na konci.
Vaše zariadenie by zbieralo dáta a posielalo ich na server na ďalšie spracovanie. To by znamenalo počítať aj s backendovým riešením a s aplikáciami, ktoré by dáta vyhodnocovali a ktoré by musel niekto naprogramovať a spravovať. Pri tomto modeli by vznikali každoročné náklady za prenos, ukladanie a spracovanie dát, rovnako ako náklady na samotný hardvér, jeho prevádzku a údržbu. A tie by rok čo rok rástli.
Vo výsledku tak často dobrý nápad bez naozaj veľkého vstupného kapitálu nemal veľkú šancu na úspech. Neustále sa robili rozhodnutia, ktorý projekt podporiť a ktorý nie. Na druhý pokus zvyčajne neboli peniaze a šancu mali len tie s najväčším potenciálom na rýchlu návratnosť, ktoré dokázali presvedčiť bohatých investorov.
Čo sa zmenilo?
V prvom rade sme prestali navrhovať počítače a miesto toho priamo integrujeme hotové moduly (jednočipové počítače a mikrokontroléry s vlastnou jednotkou na akceleráciu neurónových sietí). Dnes sa dajú kúpiť za desiatky eur už pri jednotkových množstvách. Doslova za bagateľ dostanete plnohodnotný linuxový modul alebo SoC (systém v čipe), ktorý zvláda aj pokročilú videoanalýzu s rozpoznávaním objektov v obraze. Stačí len vyriešiť napájanie, konektory a rozhranie k senzorom. Máte teda mnohonásobne jednoduchšiu úlohu, než pred pár rokmi a stojí vás to len zlomok ceny.
Navyše dnes vstupuje do samotného vývoja ako nový pracovný nástroj aj umelá inteligencia. Pomáha vyberať komponenty, robiť rešerše z rozsiahlych katalógov a navrhovať alternatívy podľa aktuálne dostupných skladových zásob. AI skontroluje schémy a upozorní vás na chyby ešte pred vytvorením prvého prototypu. Pomôže vám vygenerovať základný firmvér, vytvorí ovládače pre bežné senzory, dodá testovacie skripty a tiež technickú dokumentáciu. Skúsený inžinier s podporou AI stihne už za týždeň urobiť to, čo mu predtým trvalo viac ako mesiac. Využiť tak môžete menší tím, príp. rovno zadať prácu externej firme, ktorá vám za zlomok minulých nákladov navrhne a priamo vyrobí pár funkčných prototypov, otestuje ich a dodá vám takto hotový produkt.
Namiesto budovania vlastnej drahej infraštruktúry si backend k projektu môžete prenajať ako cloudovú službu za zlomok ceny a bez starostí s prevádzkou.
Inteligencia sa presúva na okraj siete
Náročné operácie dnes možno vykonávať na okraji siete v koncových zariadeniach, čím sa znižuje závislosť od centrálnych serverov. Vďaka dnešnému výkonu koncových zariadení už nepotrebujete veľké servery, ktoré by museli spracúvať náročné operácie, pretože aj komplikované analýzy zvláda koncové zariadenie – dokonca aj v reálnom čase. Analytický model, ktorý z obrazu rozpozná výtlk na ceste alebo prázdnu policu v predajni, sa zmestí do niekoľkých megabajtov a beží priamo v čipe za pár eur.
Server dostáva spracované dáta, ktoré naozaj potrebuje a stačí mu preto oveľa menší výkon. Namiesto hodinových videí, ktoré by bolo potrebné analyzovať dnes putuje do centrály len krátka informácia napr. o čase, polohe, type nálezu spolu s fotografiou pre ďalšie vyhodnotenie. Náklady na prenos a ukladanie dát klesnú na minimum, latencia sa skráti na milisekundy a citlivé dáta (napríklad tváre alebo registračné značky u áut) vôbec neopustia zariadenie. To je pri ochrane osobných údajov argument, ktorý sa nedá prebiť ani cenou.
Vzniká tak zaujímavý paradox: výpočtové zdroje síce zdraželi, práve preto sa však oplatí navrhovať zariadenia, ktoré ich potrebujú menej. Obmedzenia robia z vývojárov lepších inžinierov.
Smetiarske autá ako súčasť Smart City
Krásnym príkladom inteligentného IoT riešenia je systém CAMAN spoločnosti Canex. Na bežné smetiarske vozidlo sa doplní kamera a malý počítač, ktorý cestou zbiera dáta z kamery. Vozidlo robí presne to, čo doteraz – zbiera po meste odpad, no popri tom zaznamenáva aj stav vozoviek, nové graffiti na fasádach budov pri ceste, odpadky na uliciach, chýbajúce alebo poškodené kanalizačné poklopy a kontroluje aj stav mestskej zelene pri cestách. Úradník na mestskom úrade už nemusí čakať na sťažnosti od občanov, alebo neustále obiehať každú ulicu v rajóne, pretože má k dispozícii vlastnú mapu s vyhodnotenými prioritami a časovým vývojom kritických miest. Môže tak reagovať na problémy už v zárodku ešte predtým, než by sa vyvinuli v oveľa väčšie problémy.
Podstatné je, že pre toto riešenie nevznikla žiadna nová infraštruktúra. Zberové vozidlá jazdia po svojich trasách s pravidelnou frekvenciou a pokrývajú každú ulicu v meste. Ideálna senzorická sieť teda už existuje, len sa do nej pridala kamera ako senzor, malý počítač a softvér.
Jazdia okolo nás autobusy, kuriérske dodávky, servisné vozy, poľnohospodárske stroje, v budovách bežia výťahy, klimatizácie, na chodbách sú automatické svetlá, na dverách prístupové systémy a v obchodoch pokladničné terminály, ktorých výpočtový výkon využívame len na zlomok ich kapacity. Každé z týchto zariadení môže byť potenciálnym senzorom pre niečoho úplne iné, než na čo bolo pôvodne zakúpené. Chýba len nápad a ten stojí najmenej.
Čo umelá inteligencia nevyrieši?
Bolo by nezodpovedné tvrdiť, že cesta od nápadu k funkčnému produktu je priama a úplne bezproblémová. Analýzy IoT projektov sa dlhodobo zhodujú na tom, že väčšina z nich nedosiahne pôvodne očakávaný výsledok, časť dokonca stroskotá už v pilotnej fáze. Na vine nebývajú ani tak technológie, ako skôr nedostatok skúseností, podceňovaná zložitosť riešenia a najmä bezpečnosť. Práve na tieto tri oblasti — spolu s otázkou, kam a ako sa dáta ukladajú — upozorňuje vo svojich materiáloch o IoT aj spoločnosť Kingston, ktorá sa dlhodobo venuje pamäťovým riešeniam pre priemyselné a serverové nasadenie.
Napriek tomu, že simulácie sú pri vývoji veľmi nápomocné, človek zostáva stále nenahraditeľným. A sú prípady, kedy vám nepomôže ani urýchlenie vývoja pomocou AI, pretože jednoducho žijeme vo svete, ktorý sa neustále mení. Keď vytvoríte a vyladíte prototyp za jasných slnečných dní, neznamená to, že bude rovnako dobre fungovať za dažďa, alebo keď udrú mrazy a snehová pokrývka vytvorí iný typ protisvetla. Iste, sú zariadenia, čo dokážu simulovať rôzne stavy, ale pri niektorých produktoch až pri testovaním v reálnych podmienkach odhalíte veci, na ktoré je aj analýza krátka a trvá to presne tak dlho, kým sa vystriedajú ročné obdobia.
Nepodceňujte ani nasadenie produktov v priemyselnom prostredí. Je to niečo úplne iné, ako keď vytvárate hobby projekt. Vo výrobnej hale alebo na vozidle musí zariadenie čeliť vibráciám, znášať prudko sa meniace teploty, elektromagnetické rušenie, odolávať neočakávaným výpadkom alebo aspoň výkyvom napájania a pod. Nemožno preto podceňovať ani výber komponentov. Napríklad bežná pamäťová karta, ktorú si kúpite do mobilu alebo kamery v takom prostredí vydrží možno pár mesiacov a rovnako to dopadnete aj s klasickým SSD diskom. Našťastie existujú aj odolné priemyselné pamäte s definovanou výdržou a väčším počtom prepisov. Stačí sa poradiť s expertmi napr. pomocou programu Ask an Expert, ktorý nájdete na stránkach Kingston (www.kingston.com/askanexpert).
Nezabúdajte ani na fakt, že bezpečnosť už nie je voliteľná. Európska regulácia postupne prenáša zodpovednosť za bezpečný návrh a za správu zraniteľností na výrobcov a dodávateľov počas celého životného cyklu produktu. K rozpočtu na vývoj preto patrí aj plán, ako budete ďalšie roky riešiť bezpečnostné záplaty.
Často sú tiež vyžadované rôzne doplňujúce testy a certifikáty, ktoré ani umelá inteligencia neurýchli a ani nezľaví. Napriek tomu je možnosť overiť si, či nápad naozaj funguje, otázkou sumy, ktorú väčšina firiem podpíše bez diskusie.
Využite nové príležitosti
Pre samosprávy je IoT najlacnejšou cestou k tomu, čo nazývame „inteligentné mesto“. Pomocou cenovo dostupných IoT zariadení môžu monitorovať stav infraštruktúry, obsadenosť parkovacích miest, spotrebu a tlak vody, riadiť osvetlenie podľa reálnej prevádzky… Nie je to veľký projekt za milióny, ale séria malých krokov, z ktorých každý sa dá zaplatiť z bežného rozpočtu a v krátkom čase aj vyhodnotiť.
Tento model je výhodný aj pre firmy, pretože im umožňuje riešiť aj veľmi špecifické problémy, na ktoré neexistoval hotový produkt. Nikto si sám nepostaví globálnu platformu na sledovanie kvality vody v šiestich obecných vodojemoch, ani nevytvorí aplikáciu na kontrolu, či bol do stroja správne založený materiál, alebo či pracovníci v areáli dodržiavajú bezpečnostné predpisy a nosia na hlavách prilby. Je to však veľká príležitosť pre menšie miestne firmy, ktoré poznajú lokálne prostredie a dokážu využiť výhody dnešného sveta.