什么是人工智能？
人工智能（AI）是一种试图模仿人类行为的系统，更具体地说是模仿对类似人类所做的输入的响应的电气和/或机械实体。这是一个最佳的实例是语音识别，系统需要了解口语术语，缩写，代词以及标准单词，以便响应您与您最好的朋友交谈。AI的关键是从像传感器或传感器组合的东西取出输入，并基于目标确定适当的响应。例如，家庭安全系统的目标是保护家庭。它必须确定振动和声音传感器的输入是否与断开的窗口中的输入匹配，如果是的话，请跳动警报并通知当局。它试图匹配如果你在沙发上和窗户打碎的行为 - 你会听到它，识别它，并跑到拨打紧急服务。
什么是机器学习?
机器学习（ML）是在重复使用后系统改善自身的能力。这个想法是它可以使用它收集的数据来更好地提高并改善。ML被创建为创建人工智能的副产品，因为研究人员需要一种改进他们对输入的响应的方法，而无需经常手动更新系统，而不是让它更新并自行更好地变得更好。ML通常是计算机算法，用于开发语音识别等解决方案。
人工神经网络
人工神经网络(ANN)是机器学习的一个实现，尽管它是一个非常先进的实现，有许多层。与ML不同的是，它在单个流中接受输入并做出决策，ANN有几个节点，每个节点根据数据决定要做什么。更改一个节点的行为也会影响其他节点。这就创造了一个更复杂的结构，与人类大脑非常相似。
无线物联网中的人工智能和机器学习
物联网最令人期待的发展之一是人工智能和机器学习的注入。通过使物联网设备具有可培训性、可操作性，并能够从环境中提取信息和学习，它们将变得更具有情境意识，并最终以各种方式变得更有用。
物联网有很多层可以实现AI/ML。每一层都可以做出不同的决定，并提供不同的价值主张。底部需要处理的数据最少，通常只有区域权限。随着层次的上升，需要计算的数据越来越多，决策也越来越大，对系统的影响也越来越大。你越接近顶部，数据到达那里所需的时间就越长，决策传递到网络的最终用户看到反应所需的时间也就越长。例如，你不希望语音识别总是一路到云端，然后花几秒钟时间返回，你希望本地计算它，这样你就可以有一个快速的响应，从而获得良好的用户体验。
边缘
从底部开始，物联网中的AI/ML的最末端边缘包括最简单的终端设备，如小型、低功率传感器、简单的智能家居设备，如灯泡、低端恒温器等。通常情况下，他们利用Cortex-M之类的微处理器和一个非常精简的人工智能系统，根据他们所感知的数据做出最佳决策。这可以让恒温器或门窗传感器了解它们所处的环境，并做出最佳决策，而不是从工厂进行校准，如果它们被部署在一个独特的环境中，可能会做出错误的决定。这可以增强用户体验，并允许设备制造商和终端用户从设备中获得他们需要的一切。
中间边缘
此级别的AI / ml通常仍然是IoT网络的内部前提，但已移动到像Cortex-A类这样的应用程序处理器。它们可以计算更多数据并从所有其他端节点或传感器拍摄输入。在这里，您可以根据整个家庭或建筑物做出决策，而不是将其发送到云端。您可以让系统查看智能HVAC系统和智能照明系统的数据，以确保如果用户离开建筑物，则灯光关闭，可能会降低HVAC输出以节省电量。以下是您首次启动桥接系统在一起，以便在决定要做什么之前采取所有投入。
顶部边缘
在顶部边缘，您现在正在处理一组更地区化的数据和决策，这些数据和决策可能会影响一个社区、城镇或城市。这里有更强大的处理器来处理增加的数据。这通常是市政府和城市处理这一层，以监控资源使用，如电力、停车位等。
云
最后，所有的一切都是为了数据，在这里，似乎你有无限的计算能力，这离事实并不遥远。通常情况下，即使决策不是在云级别做出的，数据和决策至少会被发送到云级别进行分析，以确定它是否是正确的决策，以及系统是否可以改进。在这里，您可以连接许多连接的系统，并管理整个资产船队。这通常用于大型实体，如零售商店所有者、具有多阶段流程的行业参与者、酒店连锁等。
人工智能和机器学习在物联网中的受益例子包括:
- 显著节约成本
- 减少带宽使用
- 更快的设计时间
- 更小的设计和更低的功率操作
- 更强的数据隐私和安全性
优化带宽
边缘设备传感器可以产生大量的原始数据，因此占用大量的带宽。AI结束节点可以对数据进行预处理，降低带宽占用。
更快的设计时间
专门的人工智能建模软件创建小型应用mcu使用的模型，从而避免了检测原始数据细微差异通常需要的复杂编码。
更小的设计和低功耗
AI增加了功能效益和功能，但不添加到内存占用或MCU要求，因为代码大小趋于减少。本地处理，也降低了当通信减少时的电流。
数据隐私
通过减少转移到云的数据集，不良演员具有更少的数据，用于从事黑客活动。AI / ML启用的较小数据集还有助于中和黑客识别数据模式的能力。
雷鸣座意义2先进的物联网套件细节
Thunderboard Sense 2为开发人员提供了紧凑的功能包参考设计。该套件旨在提供开发和原型物联网产品(如无线传感器节点)的快速路径。丰富的传感器使其成为一个理想的平台，以说明人工智能的力量，在一个小平台物联网设备。Thunderboard Sense 2完全由行业领先的Simplicity Studio工具套件支持，并配有完全支持的J-Link板上调试器。
无线壁虎EFR32™
- 无线SOC与多协议无线电
- ARM Cortex®M4内核，256kb RAM和1024kb Flash
- 低能耗
- 灵活的MCU外围接口
设备功能
- 2.4 GHz无线电配置与板载天线
- Segger J-Link集成调试器
- USB CDC虚拟串口
- 8兆SPI超低功耗NOR闪存本地存储
传感器，I/O和杂项。控制
- 相对湿度和温度传感器Si7021
- UV和环境光传感器Si1133
- 压力传感器BMP280
- 室内空气质量和气体传感器CCS811
- 6轴惯性传感器icm - 20648
- 数字麦克风ics - 43434
- 高亮度发光二极管
- 采用霍尔传感器Si7210
手机应用程序
- 适用于Android和iOS的移动应用程序
- iOS应用程序实现在swift
- indroid应用程序植入本机代码
手机应用程序功能
- 传感器数据视图
- 控制LED并检测按钮推送
- 流传感器数据到云