Introducere în Tehnologiile Avansate
PREVENT Project
Începe
Definiția și sfera tehnologiilor avansate
"Tehnologia avansată" cuprinde tehnologii de vârf care abordează probleme globale complexe, cum ar fi schimbările climatice și asistența medicală, cu soluții inovatoare. Spre deosebire de tehnologiile tradiționale, tehnologia avansată se concentrează pe abordarea proactivă și eficientă a problemelor locale. Domenii cheie ale tehnologiei avansate includ Inteligența Artificială, Tehnologia Spațială și Biologia Computațională, printre altele. Aceste tehnologii se disting prin potențialul lor disruptiv și prin dependența de descoperiri științifice de ultimă oră.
Cuprins
Definiția Tehnologiilor Avansate
Teledetecție
Robotică
Inteligența Artificială
Vedere Artificială
IoT și comunicații
Obiective
Prin acest modul, cursanții vor înțelege rolul tehnologiilor avansate în prevenirea și atenuarea dezastrelor. Explorând studii de caz din lumea reală, cercetări științifice și simulări interactive, studenții își vor dezvolta capacitatea de a clasifica diferite tipuri de dezastre naturale, de a analiza consecințele lor sociale, economice și de mediu și de a evalua impactul schimbărilor climatice asupra frecvenței și severității dezastrelor. Mai mult, cursanții vor dobândi abilități de gândire critică pentru a evalua strategiile de gestionare a riscurilor de dezastre, vor înțelege modul în care tehnologiile avansate, cum ar fi IA, IoT și imagistica prin satelit, contribuie la sistemele de avertizare timpurie și vor explora cadre inovatoare de reziliență la dezastre.
La sfârșitul modulului, studenții vor fi capabili să aplice cunoștințele în evaluarea riscurilor, planificarea răspunsului la dezastre și strategiile de adaptare la schimbările climatice, fiind echipați cu abilități esențiale pentru cariere în știința mediului, managementul situațiilor de urgență și dezvoltare durabilă.
'Adevărata învățare începe atunci când cunoștințele inspiră acțiunea, iar înțelegerea conduce la schimbare. Echipează-te pentru a transforma provocările în oportunități'
'Valorificând puterea noilor tehnologii, putem prevedea, ne putem pregăti pentru și putem atenua impactul dezastrelor naturale – transformând tehnologia într-o linie de salvare pentru viitorul nostru'
01
Definiția Tehnologiilor Avansate
01
Definiția Tehnologiilor Avansate
Tehnologiile avansate se referă la inovații de ultimă oră care se bazează pe progrese științifice și inginerești substanțiale. Aceste tehnologii necesită adesea cercetare și dezvoltare (C&D) semnificativă și au potențialul de a crea schimbări disruptive și transformative în diverse industrii. Spre deosebire de îmbunătățirile tehnologice incrementale, inovațiile din domeniul tehnologiilor avansate sunt înrădăcinate în descoperiri științifice fundamentale și inginerie complexă. Caracteristici cheie ale Dezastrelor Naturale:
- Inovație bazată pe știință – Tehnologia avansată este construită pe principii științifice și inginerești fundamentale, provenind adesea din domenii precum inteligența artificială (IA), robotica, nanotehnologia, biotehnologia, calculul cuantic și materialele avansate.
- Intensitate ridicată a C&D – Aceste tehnologii necesită cercetare, testare și investiții extinse înainte de a atinge viabilitatea comercială.
- Natură interdisciplinară – Multe inovații din domeniul tehnologiilor avansate integrează multiple domenii științifice, cum ar fi IA combinată cu modelarea climatică sau biotehnologia cu calculul avansat.
Tehnologiile Avansate în Contextul Dezastrelor Naturale
Atunci când sunt combinate cu pregătirea, răspunsul și atenuarea dezastrelor naturale, tehnologiile avansate pot oferi soluții revoluționare. Exemple includ:
- IA și Învățare Automată – Predicția dezastrelor (cutremure, inundații, uragane) cu modelare avansată.
- Teledetecție și Drone – Evaluarea rapidă a zonelor afectate de dezastre și monitorizarea schimbărilor de mediu.
- Blockchain – Distribuție sigură și transparentă a ajutoarelor în timpul crizelor.
- Calcul Cuantic – Simulații climatice îmbunătățite pentru o mai bună predicție a dezastrelor.
- Materiale Avansate – Materiale de construcție rezistente la cutremure.
- IoT și Senzori Inteligenți – Monitorizarea în timp real a riscurilor de mediu și sisteme de avertizare timpurie.
02
Inteligența Artificială
02
Introducere în Inteligența Artificială
nteligența Artificială (IA) este o ramură a informaticii care se concentrează pe crearea de sisteme capabile să efectueze sarcini care necesită în mod tradițional inteligență umană. Aceste sarcini includ învățarea, raționamentul, 1 rezolvarea de probleme, percepția, înțelegerea limbajului și luarea de decizii. Sistemele de IA pot analiza cantități mari de date, pot recunoaște modele și își pot îmbunătăți performanța în timp prin algoritmi de învățare automată.
IA este clasificată în diferite categorii în funcție de capacități și funcții.
Principalele tipuri includ:
- IA Slabă (Îngustă): Sisteme de IA concepute pentru a îndeplini o sarcină specifică, cum ar fi recunoașterea facială, traducerea vocală sau diagnosticarea medicală. Acestea sunt cele mai frecvent utilizate aplicații ale IA astăzi.
- IA Generală (Puternică): Un sistem teoretic de IA capabil să înțeleagă, să învețe și să îndeplinească orice sarcină intelectuală pe care o poate face un om. Acest nivel de IA este încă în stadiul de cercetare și dezvoltare.
- Super IA: O etapă viitoare ipotetică în care IA depășește inteligența umană în toate aspectele, inclusiv creativitatea, rezolvarea de probleme și luarea de decizii.
Tehnologiile IA se bazează pe diverse subdomenii, inclusiv:
- Învățare Automată (ML): Algoritmi care permit computerelor să învețe din date fără a fi programate explicit.
- Învățare Profundă: Un subset al ML care imită rețelele neuronale umane pentru a procesa modele complexe în date.
- Procesarea Limbajului Natural (NLP): Capacitatea IA de a înțelege și genera limbaj uman, așa cum se vede în asistenții virtuali și chatbot-uri.
- Vedere Artificială: Capacitatea de a analiza și interpreta date vizuale din imagini și videoclipuri.
Aplicații ale Inteligenței Artificiale
Aplicații Generice
Inteligență Afacerilor (BI)
Observation systems
Asistență medicală
Educație
Industrie prelucrătoare
Finanțe
Alte Aplicații
03
Teledetecție
03
Introducere în Teledetecție
Teledetecția descrie colectarea de date despre un obiect, o zonă sau un fenomen de la distanță, cu un dispozitiv care nu este în contact cu obiectul. Teledetecția este în general definită pe larg ca achiziția de date și informații despre suprafețele și obiectele Pământului fără contact fizic. Definiția sa exactă este dificilă, iar definiții ca cea de mai sus sunt adesea considerate prea generale. Există multe moduri de a defini teledetecția în literatură. Două elemente comune caracterizează acest domeniu științific: a) conceptul de "colectare de informații" și b) "observare de la distanță".
Tipuri și cauze ale inundațiilor
Teledetecția a trecut prin multe etape pentru a ajunge la nivelul actual. Este un domeniu științific destul de evolutiv, care se bazează pe diverse alte discipline științifice, cum ar fi matematica, fizica, informatica etc. De la descoperirea fotografiei în secolul al XIX-lea, s-au făcut progrese semnificative în teledetecția mediului. Deși este destul de dificil de definit cu precizie punctul de plecare al teledetecției și fazele sale evolutive, în timpul dezvoltării sale se disting cinci etape principale. În timp ce Teledetecția (TD) este un domeniu în sine, adesea acționează ca un complement al analizelor GIS, adăugând informații și tehnici de analiză unice. Există două tipuri de TD, activă și pasivă, și sunt utilizate în general pentru aplicații diferite. TD activă implică trimiterea unui semnal și așteptarea returnării acestuia la senzor. RADAR și LIDAR sunt exemple de TD activă, deoarece trimit energie, respectiv impulsuri de microunde și laser, și înregistrează semnalele pe măsură ce revin.
Dezavantajele Teledetecției
Avantajele Teledetecției
03
Teledetecția pentru Monitorizarea și Atenuarea Dezastrelor Naturale
Umiditatea solului este o variabilă critică pentru înțelegerea resurselor de apă și a pericolelor naturale, cum ar fi inundațiile și alunecările de teren. Estimarea precisă a variațiilor spațiale și temporale ale umidității este importantă pentru studiile de mediu și pentru îmbunătățirea prognozelor de inundații, în special în bazinele hidrografice medii și mari, unde inundațiile cauzează adesea dezastre. Starea umidității solului de la suprafață este esențială pentru evaluarea infiltrării sau scurgerii apei pluviale, astfel încât aceste informații sunt vitale pentru modelele de predicție a inundațiilor. Mai mult, umiditatea solului în zonele montane este un factor cheie pentru alunecările de teren. Începând cu anii 1970, cercetările în acest domeniu au utilizat tehnici care acoperă întregul spectru electromagnetic, de la optic la microunde. Aceste tehnici variază în ceea ce privește intervalul lungimilor de undă, sursa de energie electromagnetică, răspunsul senzorului și relația fizică dintre răspuns și umiditatea solului. Utilizarea radiației solare măsoară lumina solară reflectată de suprafața Pământului. Cu toate acestea, microundele și infraroșul termic au fost utilizate mai frecvent pentru calcularea umidității solului. Utilizarea secțiunii termice se bazează pe măsurarea temperaturii suprafeței solului și pe metode precum inerția termică și indicele temperatură/vegetație. Inerția termică este simplă și precisă în zonele cu vegetație minimă sau absentă. În rezumat, teledetecția prin senzori activi și pasivi oferă date valoroase pentru estimarea umidității solului, îmbunătățirea predicției pericolelor naturale și gestionarea resurselor de apă.
04
Robotică
04
Introducere în Robotică
Robotică, un domeniu multidisciplinar la intersecția ingineriei, informaticii și inteligenței artificiale, joacă un rol din ce în ce mai vital în abordarea provocărilor complexe ale gestionării dezastrelor naturale. Roboții sunt proiectați pentru a efectua sarcini periculoase, repetitive sau nepotrivite pentru oameni, ceea ce îi face neprețuiți în scenariile de dezastru. Evoluția roboticii, stimulată de progresele înregistrate în senzori, învățare automată și sisteme autonome, și-a extins capacitățile și aplicațiile, permițând răspunsuri mai eficiente și mai eficace la dezastrele naturale. În gestionarea dezastrelor, robotica poate îndeplini o varietate de funcții cruciale, de la operațiuni de căutare și salvare până la monitorizarea mediului și inspecția infrastructurii. De exemplu, dronele autonome pot survola rapid zonele afectate, furnizând date în timp real și imagini de înaltă rezoluție pentru a ajuta la luarea deciziilor și la eforturile de coordonare. Roboții terestri pot naviga pe terenuri periculoase pentru a localiza supraviețuitori, a livra provizii și a efectua evaluări structurale. În plus, roboții subacvatici sunt esențiali pentru operațiunile din medii inundate sau scufundate.
Diferite categorii de robotică în gestionarea dezastrelor: Roboți de Căutare și Salvare – Asistă la localizarea și salvarea supraviețuitorilor în structuri prăbușite sau zone periculoase. Roboți Pompieri – Sting incendii de vegetație și previn răspândirea focului folosind inteligența artificială și dispersarea automată de apă sau spumă. Drone Aeriene – Oferă supraveghere în timp real, evaluează daunele și identifică pericolele de sus. Roboți Subacvatici și Amfibii – Ajută la salvarea în caz de inundații și evaluează daunele subacvatice. Roboți de Inspecție și Recuperare – Evaluează integritatea structurală și ajută la îndepărtarea resturilor după dezastru.
Robotica ajută la răspunsul în caz de dezastru prin îmbunătățirea operațiunilor de salvare, a stingerii incendiilor și a evaluării daunelor cu ajutorul inteligenței artificiale și al senzorilor.
04
Istoria Roboticii
Robotica a avansat semnificativ răspunsul la dezastre, de la automatizarea industrială timpurie la sistemele autonome bazate pe inteligență artificială. Roboții asistă la căutarea și salvarea, evaluarea pericolelor și recuperarea în caz de criză. Implementări cheie includ Cernobîl (1986), 11 septembrie (2001) și Fukushima (2011), unde roboții au navigat în medii periculoase pentru a sprijini echipele de intervenție. Astăzi, dronele bazate pe inteligență artificială, vehiculele autonome și sistemele robotice îmbunătățesc colectarea de date în timp real, analiza structurală și livrarea de ajutoare. Pe măsură ce tehnologia evoluează, robotica continuă să îmbunătățească gestionarea dezastrelor, făcând răspunsurile mai rapide, mai sigure și mai eficiente.
05
IoT și Comunicații
05
Introducere în IoT și comunicații
Internetul Lucrurilor a devenit un subiect foarte popular de cercetare și inovare, în principal datorită transformării omniprezente a informaticii. Dispozitivele fizice au devenit "inteligente", fiind capabile să detecteze, să comunice într-un mod pervasiv și să interacționeze cu mediul lor, oferind aplicații și soluții utile omenirii. Astăzi, ele își găsesc aplicații într-o gamă largă de activități, cum ar fi sănătatea, transportul, agricultura, automatizarea casei și industrială, comerțul cu amănuntul și multe altele. Se așteaptă o creștere exponențială a conexiunilor de rețea, care ar trebui facilitată de rețele puternice.
Caracteristici Fundamentale ale IoT și Comunicațiilor
Interconectivitate: Orice dispozitiv IoT poate fi interconectat cu Infrastructura Globală de Informații și Comunicații. Servicii legate de obiecte: IoT furnizează servicii care privesc "obiectele" conectate în limitele lor, cum ar fi protecția confidențialității și consistența semantică între obiectele fizice și cele virtuale asociate. Eterogenitate: Dispozitive IoT eterogene, cu caracteristici hardware și de rețea diferite, se conectează și interacționează cu alte dispozitive sau platforme pe diverse tipuri de rețele. Schimbări dinamice: În timp ce se deplasează și interacționează într-un sistem IoT, dispozitivele își schimbă starea în mod dinamic. De exemplu, intră și ies din starea de repaus, se conectează sau se deconectează în timp ce își schimbă locația și viteza. În plus, și la fel de important, numărul de dispozitive conectate se schimbă dinamic. Scară enormă: De obicei, numărul de dispozitive care trebuie gestionate și cel al dispozitivelor care comunică între ele este semnificativ mai mare decât cele care sunt conectate la Internet. Acest lucru înseamnă practic că structura rețelei de comunicații subiacente trebuie să poată suporta volumul mare de date, rata și calitatea cu care acestea trebuie schimbate.
Aspecte ale IoT
Definiții Utile
Arhitectura IoT
Observation systems
Caracteristici Fundamentale
Cerințe IoT
Dispozitive și Componente IoT
Provocări IoT
IoT Challenges
Aplicații IoT pentru Dezastre Naturale
Colectarea de Date în Timp Real: Colectarea de date în timp real este crucială pentru predicția, detectarea și gestionarea dezastrelor. Senzorii care măsoară calitatea aerului, umiditatea și temperatura ajută autoritățile să evalueze riscurile și să ia măsuri preventive. Dispozitive Interconectate: Sistemele IoT integrează diverse dispozitive cu capacități diferite pentru alocarea resurselor și răspuns strategic în caz de dezastre. Avertizări și Predicții Timpurii: IA și învățarea automată analizează date în timp real pentru a prezice dezastrele, permițând intervenția timpurie și salvarea de vieți. Partajarea și Analiza Datelor: Gestionarea eficientă a dezastrelor necesită colaborarea între primii respondenți, autorități și public prin partajarea datelor. Interacțiune Fără Intervenție Umană: Dronele și roboții ajută la răspunsul în caz de dezastru prin efectuarea de monitorizare la distanță, căutare și intervenție în zone periculoase. Infrastructură Inteligentă și Reziliență: Clădirile echipate cu IoT și rețele de senzori sporesc reziliența prin monitorizarea structurilor, oprirea utilităților și activarea sistemelor de stingere a incendiilor pentru a reduce impactul dezastrelor.
06
Vedere Artificială
06
Vedere Artificială
Vederea artificială permite mașinilor să interpreteze și să analizeze date vizuale, automatizând sarcini precum detectarea obiectelor, segmentarea imaginilor și reconstrucția scenelor 3D. Progresele înregistrate în inteligența artificială, puterea de calcul și învățarea profundă, în special rețelele neuronale convoluționale (CNN), au revoluționat domeniul, făcându-l parte integrantă din aplicații precum vehiculele autonome, recunoașterea facială și realitatea augmentată. În gestionarea dezastrelor, vederea artificială îmbunătățește capacitățile echipelor de intervenție prin permiterea monitorizării în timp real, a căutării și salvării și a evaluării daunelor. Prin furnizarea de date vizuale precise, ajută la luarea deciziilor în timpul urgențelor. Această secțiune își propune să ajute educatorii să înțeleagă vederea artificială, rolul său în răspunsul la dezastre și modul de integrare a acesteia în educație, pregătind studenții să utilizeze aceste tehnologii pentru pregătirea în caz de criză.
06
Istoria Vederii Artificiale
Vederea artificială a apărut în anii 1960-1970, concentrându-se pe analiza imaginilor 2D și recunoașterea formelor de bază. Anii 1980 au introdus detectarea mișcării, fluxul optic și aplicațiile industriale. În anii 1990, tehnicile de învățare automată precum SVM și PCA au îmbunătățit recunoașterea facială și detectarea obiectelor. Anii 2000 au marcat ascensiunea CNN-urilor, revoluționând analiza imaginilor cu învățarea profundă, evidențiată de AlexNet (2012). Anii 2010 au adus arhitecturi avansate (VGG, ResNet) și aplicații în lumea reală, cum ar fi vehiculele autonome și imagistica medicală. În anii 2020, inovații precum GAN-urile, transformatoarele și învățarea auto-supervizată împing domeniul înainte. Inteligența artificială generativă permite sinteza de imagini, augmentarea datelor și simulările bazate pe inteligență artificială, îmbunătățind antrenamentul și aplicațiile din lumea reală. Vederea artificială joacă acum un rol crucial în gestionarea dezastrelor, sănătate și monitorizarea mediului, rezolvând provocări globale.
Mulțumesc!
Definiții utile
Dispozitiv: În contextul IoT, acesta este un echipament care trebuie să poată comunica și ar putea opțional să detecteze, să acționeze, să captureze date, să stocheze date sau să proceseze date. Singura sa capacitate obligatorie este comunicarea.
Lucru: Un obiect din interiorul sistemului IoT care poate fi identificat și integrat în sistemul de comunicații.
Lucru fizic: Un obiect al lumii fizice care poate fi detectat, acționat și conectat este cunoscut ca un lucru fizic (de exemplu, roboți industriali, echipamente electrice etc.)
Lucru virtual: Un obiect din lumea informației care poate fi stocat, procesat și accesat este cunoscut sub numele de lucru virtual. De exemplu, conținut multimedia, aplicații software etc.
Internetul lucrurilor: o infrastructură globală de informații care permite servicii avansate prin interconectarea lucrurilor (fizice și/sau virtuale) pe baza tehnologiilor interoperabile existente și/sau în evoluție. IoT include funcții de identificare, captare a datelor, procesare și comunicare pentru a oferi diferite tipuri de aplicații, asigurând în același timp securitatea și confidențialitatea.
Caracteristici fundamentale
Interconectivitate: Orice dispozitiv IoT poate fi interconectat cu infrastructura globală de informații și comunicații.
Servicii legate de lucruri: IoT furnizează servicii care privesc „lucrurile” conectate în limitele acestora, cum ar fi protecția vieții private și consistența semantică între lucrurile fizice și lucrurile virtuale asociate acestora.
Eterogeneitate: dispozitivele IoT eterogene cu diferite caracteristici hardware și de rețea se conectează și interacționează cu alte dispozitive sau platforme pe diferite tipuri de rețele.
Schimbări dinamice: în roaming și interacțiune într-un sistem IoT, dispozitivele își schimbă starea în mod dinamic. De exemplu, dormiți și treziți, conectați-vă sau deconectați-vă în timp ce vă schimbați locația și viteza. În plus și la fel de important, numărul de dispozitive conectate se modifică dinamic.
Scară enormă: De obicei, numărul de dispozitive care trebuie gestionate și cel al dispozitivelor care comunică între ele este semnificativ mai mare decât cele care sunt conectate la Internet. Acest lucru înseamnă practic că structura de bază a rețelei de comunicații trebuie să poată suporta volumul mare de date și rata și calitatea la care acestea trebuie schimbate.
Business Intelligence (BI)
Instrumentele BI bazate pe inteligență artificială îmbunătățesc colectarea, analiza și vizualizarea datelor, îmbunătățind procesul decizional și productivitatea, reducând în același timp costurile. Colectarea datelor: Colectarea datelor structurate (de exemplu, baze de date) și nestructurate (de exemplu, text, imagini).
Analiza datelor: identificarea modelelor, tendințelor și relațiilor în date.
Vizualizarea datelor: Crearea de reprezentări vizuale pentru o înțelegere mai ușoară.
Luarea deciziilor: Furnizarea de informații și recomandări pentru a sprijini deciziile bazate pe date.
Educaţie
Inteligența artificială poate personaliza învățarea, poate îmbunătăți implicarea studenților și poate automatiza sarcinile administrative:
Învățare personalizată: adaptarea experiențelor de învățare în funcție de progresul elevilor.
Implicare îmbunătățită: oferirea de experiențe de învățare interactive și feedback în timp real.
Sarcini administrative: automatizarea sarcinilor precum notarea și programarea pentru a elibera timpul profesorului.
Aplicații generice
Procesarea limbajului natural (NLP): NLP permite computerelor să înțeleagă și să genereze limbajul uman. Aplicațiile includ traducerea automată, filtrarea spamului și analiza sentimentelor.
Viziunea computerizată: Viziunea computerizată permite computerelor să interpreteze conținutul vizual, utilizat în aplicații precum mașinile cu conducere autonomă, recunoașterea facială și detectarea obiectelor.
Învățare automată (ML): ML permite computerelor să învețe din date și să îmbunătățească performanța în timp. Aplicațiile includ analiză predictivă, detectarea fraudelor și sisteme de recomandare.
Robotică: Robotica implică proiectarea, construirea și operarea roboților pentru aplicații precum producția, asistența medicală și explorarea spațiului.
Fabricarea
AI îmbunătățește eficiența producției, productivitatea și controlul calității:
Eficiență îmbunătățită: automatizarea sarcinilor, cum ar fi asamblarea și inspecția.
Productivitate crescută: optimizarea proceselor de producție.
Îmbunătățirea calității: Detectarea defectelor și îmbunătățirea controlului calității.
Dispozitive și componente IoT
În ceea ce privește capacitățile de procesare, dispozitivele sunt clasificate astfel:
Dispozitive fără capacitate de procesare: dispozitive pasive, de obicei ieftine și fără microcontrolere. Un exemplu tipic este un RFID.
Dispozitive cu capacități de procesare scăzute: Capabilitățile lor de procesare sunt limitate la citirea și scrierea datelor de la sau către senzori și actuatori și trimiterea acestor date către aplicații IoT, dar nu sunt capabili să ia decizii sau să ruleze algoritmi complexi. Acestea sunt de obicei cu costuri reduse și, de obicei, încorporează un microcontroler de foarte mică putere și cu costuri reduse. Un exemplu tipic este o lumină inteligentă sau un senzor de ușă.
Dispozitive cu capacități mari de procesare: au suficientă putere de procesare pentru a le permite să ia decizii și să ruleze algoritmi complexi. De obicei, acestea au un cost ridicat, deoarece folosesc un microcontroler puternic. (de exemplu, un sistem de răcire inteligent sau un termostat inteligent)
În ceea ce privește capacitățile de conectivitate, dispozitivele pot fi clasificate astfel:
Dispozitive cu conectivitate scăzută: acest tip de dispozitive nu se conectează direct la rețeaua de comunicații pentru a transfera datele, ci se bazează pe elemente suplimentare (de exemplu, gateway) pentru a efectua sarcini de comunicații (de exemplu, traducerea protocolului sau conectivitate la internet).
Dispozitive cu conectivitate ridicată: au hardware-ul și capacitatea de a se conecta direct la rețea pentru a transfera datele.
Arhitectura IoT
Un lucru fizic poate fi mapat (sau reprezentat) de unul sau mai multe lucruri virtuale din domeniul Informații. Informațiile sunt colectate de dispozitive (sau lucruri) fizice din lumea fizică și sunt trimise către rețelele de comunicații și domeniul informației pentru procesare ulterioară. Dispozitivele pot comunica între ele fie prin intermediul rețelei de comunicații (cu sau fără un gateway), fie direct fără a utiliza rețeaua de comunicații sau combinații ale acestor legături de comunicație. Schimbul de informații nu are loc numai între lucrurile fizice din lumea fizică, ci și între lucrurile virtuale din lumea informației.
Rețelele de comunicații oferă capacități de transfer de date fiabil și eficient. Infrastructura de rețea poate fi implementată sau realizată prin tehnologii de rețea existente (de exemplu, rețele TCP-IP) sau rețele în evoluție, urmând tendințele actuale de telecomunicații.
Alte aplicații
Dincolo de aceste sectoare, AI este utilizată în diverse industrii:
Retail: personalizarea experiențelor de cumpărături și gestionarea inventarului.
Transport: Dezvoltarea de mașini autonome și îmbunătățirea managementului traficului.
Energie: Creșterea eficienței energetice și estimarea cererii.
Guvern: Îmbunătățirea siguranței publice, a detectării infracțiunilor și a serviciilor pentru cetățeni.
Provocări IoT
Scalabilitate: Multe aplicații și sisteme IoT contemporane includ un număr foarte mare de dispozitive conectate. Pe măsură ce aceste rețele cresc, gestionarea și coordonarea dispozitivelor devin din ce în ce mai dificile, deoarece în multe cazuri creșterea rapidă a nodurilor conectate sau numărul crescut de fluxuri de date ar putea necesita modificări substanțiale ale infrastructurii. Soluție: O soluție ar putea fi utilizarea arhitecturilor scalabile, cum ar fi edge computing și procesarea distribuită, și aplicarea echilibrării sarcinii (load balancing) pentru gestionarea eficientă a numeroaselor dispozitive. Congestia rețelei: Aceasta este, de asemenea, legată de problema scalabilității menționată mai sus, deoarece numărul crescut de dispozitive conectate ar putea cauza trafic/congestie în rețea, ceea ce va degrada calitatea serviciului, având în vedere creșterea pierderii de pachete, întârzierile asociate și alte probleme. Soluție: Soluțiile posibile includ optimizarea protocoalelor de comunicare, utilizarea compresiei datelor și prioritizarea datelor critice. Securitate: Dispozitivele IoT sunt de obicei operate pe echipamente electronice cu putere redusă și capacitate de procesare scăzută, ceea ce nu permite implementarea eficientă a mecanismelor de securitate pe ele. Având în vedere creșterea semnificativă a vulnerabilităților de firmware, dispozitivele IoT reprezintă de obicei ușa din spate perfectă pentru a intra într-o rețea securizată. Soluție: Implementați criptarea, autentificarea, controlul accesului și actualizări regulate. Utilizați detecția intruziunilor și detecția anomaliilor pentru identificarea timpurie a amenințărilor de securitate. Managementul Dispozitivelor: Gestionarea numeroaselor dispozitive IoT devine o provocare majoră, mai ales dacă sunt eterogene și vin cu multe caracteristici complicate, mecanisme de autentificare, cerințe de actualizare etc. Soluție: Utilizați platforme de gestionare a dispozitivelor pentru sarcini automate, cum ar fi actualizările și monitorizarea. Implementați protocoale standardizate precum MQTT și CoAP. Interoperabilitate: De obicei, în sistemele IoT mari, diversele componente (senzori, actuatoare, microcontrolere etc.) pot proveni de la diferiți furnizori și, având în vedere cadrul IoT nu atât de standardizat, pot crea probleme de interoperabilitate. Pot fi necesare ajustări la adăugarea de hardware și software nou pentru a menține funcționalitatea și a integra tehnologiile inovatoare. Soluție: O soluție posibilă este adoptarea standardelor industriale pentru comunicare și formate de date. Utilizați soluții middleware pentru a gestiona diferite protocoale. Consum de energie: Există multe aplicații IoT instalate în locuri îndepărtate sau în spații unde asigurarea energiei electrice ar putea fi foarte dificilă (de exemplu, pe fundul lacului pentru a monitoriza poluarea). Acest lucru înseamnă că fie avem nevoie de baterii care să dureze mult timp, fie să limităm consumul de energie, dar ideal ambele. Soluție: Optimizați protocoalele de comunicare, utilizați tehnologii cu consum redus de energie, cum ar fi LPWAN, și proiectați hardware eficient din punct de vedere energetic sau transferați o parte din funcționalitate către o unitate centrală de procesare. Confidențialitatea Datelor: O preocupare majoră în sistemele IoT este ce se întâmplă cu datele colectate, mai ales dacă sunt sensibile (de exemplu, date medicale într-un sistem IoT de e-sănătate). Soluție: Utilizați criptarea, anonimizarea datelor și politici explicite de confidențialitate în practică. Respectați legi precum GDPR și HIPAA.
Sănătate
AI ajută la diagnosticarea bolii, dezvoltarea tratamentului și îngrijirea personalizată:
Diagnosticul bolii: Analizarea datelor pacientului pentru detectarea precoce și precisă a bolii.
Dezvoltarea tratamentului: Utilizarea datelor pentru a dezvolta noi medicamente și terapii.
Îngrijire personalizată: personalizarea planurilor de tratament pe baza datelor individuale ale pacientului.
Avantajele teledetecției
După cum se poate observa din analiza istorică, teledetecția s-a îmbunătățit semnificativ în ceea ce privește înregistrarea datelor legate de spațiu, timp și radiații. Aceasta înseamnă că suprafața Pământului este frecvent înregistrată la rezoluții spațiale mai mari și mai multe părți ale spectrului electromagnetic. Teledetecția este considerată un instrument modern, specializat, care își găsește aplicații în multe discipline științifice, inclusiv științe ale mediului, silvicultură, geologie, arheologie, oceanografie etc. Printre avantajele care justifică utilizarea teledetecției pentru achiziționarea și procesarea datelor de pe planeta noastră, următoarele sunt considerate foarte semnificative. Rezumat Acoperire: O imagine din satelit acoperă o suprafață mare, necesitând sute de fotografii aeriene și chiar mai multe mii de ore de colectare a probelor.
Acoperire repetată: Frecvența înregistrărilor este foarte importantă, mai ales în analizele diferitelor serii. Frecvența, similară sistemului prin satelit, variază de la câteva ore la câteva zile.
Accesibilitate: În zone îndepărtate sau inaccesibile, cum ar fi exemple de zone deșertice, oceane, păduri tropicale etc., teledetecția oferă posibilitatea de a colecta și analiza date.
Omogenitatea datelor: informațiile și datele înregistrate de sistemele prin satelit oferă date uniforme privind performanța spațială și vizuală a obiectelor și datelor înregistrate.
Caracteristicile datelor multispectrale: Datele înregistrate în diferite părți ale spectrului electromagnetic oferă mai multe posibilități de afișare a informațiilor dorite.
Digital Data Form: Oferă posibilitatea analizei digitale folosind software specializat în toate avantajele pe care aceasta le presupune.
Durata timpului de înregistrare: timpul necesar de înregistrare este foarte scurt, ceea ce înseamnă o modificare minimă a modificărilor spațiale și vizuale care pot apărea din schimbările de mediu.
Costul datelor: costul relativ scăzut al înregistrării datelor combinat cu capabilitățile pe care le oferă este, de asemenea, un avantaj semnificativ.
Dezavantajele teledetecției
Deși s-au înregistrat progrese semnificative de la apariția teledetecției, unele probleme legate de aplicarea acesteia în probleme de mediu rămân nerezolvate. Una dintre cele mai grave probleme se referă la datele înregistrate, care conțin erori din cauza condițiilor atmosferice, a topografiei zonei și a funcționării sistemului de satelit. Aceste erori sunt legate de diferențele dintre radiația reflectată reală și cea înregistrată de satelit. Este foarte important pentru aplicarea ulterioară cu succes a acestor date adaptarea datelor cât mai aproape posibil la valorile reale, mai ales în cazurile în care analiza se referă la studii temporale.
O altă problemă cu care se confruntă oamenii de știință este dificultatea de a înțelege natura și mecanismul relațiilor și interacțiunilor chiar foarte simple dintre radiația înregistrată de satelit și obiectele țintă. Modificările care apar în condițiile atmosferei, litosferei și hidrosferei sunt atât de mari în dimensiuni spațiale și temporale, iar mecanismele de interacțiune dintre energie și materie sunt atât de complexe, încât relațiile simple obiect-detector sunt greu de determinat.
Finanţa:
Aplicațiile AI în finanțe includ servicii personalizate, managementul riscurilor și automatizarea operațională:
Detectarea riscurilor și a fraudelor: identificarea rapidă a activităților potențial frauduloase.
Recomandări personalizate: Oferirea de consiliere și servicii financiare personalizate.
Procesarea documentelor: extragerea și analizarea datelor din documente pentru sarcini precum procesarea împrumuturilor.
Cerințe IoT
Conectivitate bazată pe identificare: trebuie să existe un suport pentru ca „Lucrurile” să fie conectate la IoT pe baza identificatorilor lor (ID-uri), care ar putea fi eterogene, prin urmare este necesară o procesare unificată.
Interoperabilitate: trebuie asigurată interoperabilitatea între sistemele eterogene și distribuite.
Rețea automată: Infrastructura de rețea IoT ar trebui să ofere funcții de control pentru rețeaua automată, inclusiv auto-gestionare, auto-configurare, auto-vindecare, auto-optimizare și auto-protecție, pentru a putea susține și facilita adaptarea în diferite domenii de aplicație, diferite medii de comunicare și un număr mai mare și tipuri de dispozitive.
Furnizarea serviciilor autonome: Serviciile trebuie furnizate prin captarea, comunicarea și prelucrarea automată a datelor „Lucrurilor” conform regulilor configurate de operatori și/sau configurate de abonați.
Capacități bazate pe locație: localizarea este o tehnologie cheie activatoare în IoT, deoarece serviciile bazate pe locație trebuie să fie acceptate. Lucrurile ar trebui să poată urmări poziția lor pentru a facilita furnizarea de servicii care depind de locația lor.
Securitate: capacitatea oricărui Lucru de a se conecta în orice moment și în orice loc generează amenințări semnificative de securitate împotriva CIA (Confidențialitate, Integritate și Autenticitate) atât pentru date, cât și pentru servicii. Prin urmare, există o cerință importantă de a integra diferite politici și măsuri de securitate legate de lucruri și de comunicarea acestora într-un cadru IoT. Protecția confidențialității: Datele achiziționate de „Lucruri” pot conține informații private ale proprietarilor și/sau utilizatorilor acestora. Prin urmare, protecția vieții private trebuie să fie susținută în timpul transmiterii, agregării, stocării, extragerii și procesării acestor date, fără a stabili o barieră în calea autentificării sursei de date.
Servicii legate de corpul uman de înaltă calitate și foarte sigure: Serviciile care se bazează pe capturarea, comunicarea și prelucrarea datelor legate de comportamentul uman (de exemplu, exerciții fizice, sănătate, locație etc.) în mod automat sau prin intervenție umană ar trebui oferite, garantând în același timp calitate înaltă, acuratețe și securitate.
Plug and Play: este important ca sistemele IoT să accepte capacitatea plug and play pentru a permite sau a facilita generarea, compunerea și achiziționarea din mers a configurațiilor bazate pe semantică pentru a integra fără probleme o interconectare de lucruri cu aplicațiile respective și pentru a răspunde eficient cerințelor acestor aplicații.
Administrabilitate: Aplicațiile dintr-un sistem IoT trebuie de obicei să funcționeze automat fără intervenția sau participarea oamenilor și, prin urmare, întregul proces de operare trebuie să fie gestionabil de către entitățile relevante pentru a asigura operațiuni normale de rețea.
Introduction to Deep Technologies
citizensinpower
Created on April 25, 2025
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Essential Course
View
Practical Course
View
Basic Interactive Course
View
Course 3D Style
View
Minimal Course
View
Neodigital CPD Course
View
Laws and Regulations Course
Explore all templates
Transcript
Introducere în Tehnologiile Avansate
PREVENT Project
Începe
Definiția și sfera tehnologiilor avansate
"Tehnologia avansată" cuprinde tehnologii de vârf care abordează probleme globale complexe, cum ar fi schimbările climatice și asistența medicală, cu soluții inovatoare. Spre deosebire de tehnologiile tradiționale, tehnologia avansată se concentrează pe abordarea proactivă și eficientă a problemelor locale. Domenii cheie ale tehnologiei avansate includ Inteligența Artificială, Tehnologia Spațială și Biologia Computațională, printre altele. Aceste tehnologii se disting prin potențialul lor disruptiv și prin dependența de descoperiri științifice de ultimă oră.
Cuprins
Definiția Tehnologiilor Avansate
Teledetecție
Robotică
Inteligența Artificială
Vedere Artificială
IoT și comunicații
Obiective
Prin acest modul, cursanții vor înțelege rolul tehnologiilor avansate în prevenirea și atenuarea dezastrelor. Explorând studii de caz din lumea reală, cercetări științifice și simulări interactive, studenții își vor dezvolta capacitatea de a clasifica diferite tipuri de dezastre naturale, de a analiza consecințele lor sociale, economice și de mediu și de a evalua impactul schimbărilor climatice asupra frecvenței și severității dezastrelor. Mai mult, cursanții vor dobândi abilități de gândire critică pentru a evalua strategiile de gestionare a riscurilor de dezastre, vor înțelege modul în care tehnologiile avansate, cum ar fi IA, IoT și imagistica prin satelit, contribuie la sistemele de avertizare timpurie și vor explora cadre inovatoare de reziliență la dezastre.
La sfârșitul modulului, studenții vor fi capabili să aplice cunoștințele în evaluarea riscurilor, planificarea răspunsului la dezastre și strategiile de adaptare la schimbările climatice, fiind echipați cu abilități esențiale pentru cariere în știința mediului, managementul situațiilor de urgență și dezvoltare durabilă.
'Adevărata învățare începe atunci când cunoștințele inspiră acțiunea, iar înțelegerea conduce la schimbare. Echipează-te pentru a transforma provocările în oportunități'
'Valorificând puterea noilor tehnologii, putem prevedea, ne putem pregăti pentru și putem atenua impactul dezastrelor naturale – transformând tehnologia într-o linie de salvare pentru viitorul nostru'
01
Definiția Tehnologiilor Avansate
01
Definiția Tehnologiilor Avansate
Tehnologiile avansate se referă la inovații de ultimă oră care se bazează pe progrese științifice și inginerești substanțiale. Aceste tehnologii necesită adesea cercetare și dezvoltare (C&D) semnificativă și au potențialul de a crea schimbări disruptive și transformative în diverse industrii. Spre deosebire de îmbunătățirile tehnologice incrementale, inovațiile din domeniul tehnologiilor avansate sunt înrădăcinate în descoperiri științifice fundamentale și inginerie complexă. Caracteristici cheie ale Dezastrelor Naturale:
Tehnologiile Avansate în Contextul Dezastrelor Naturale
Atunci când sunt combinate cu pregătirea, răspunsul și atenuarea dezastrelor naturale, tehnologiile avansate pot oferi soluții revoluționare. Exemple includ:
02
Inteligența Artificială
02
Introducere în Inteligența Artificială
nteligența Artificială (IA) este o ramură a informaticii care se concentrează pe crearea de sisteme capabile să efectueze sarcini care necesită în mod tradițional inteligență umană. Aceste sarcini includ învățarea, raționamentul, 1 rezolvarea de probleme, percepția, înțelegerea limbajului și luarea de decizii. Sistemele de IA pot analiza cantități mari de date, pot recunoaște modele și își pot îmbunătăți performanța în timp prin algoritmi de învățare automată.
IA este clasificată în diferite categorii în funcție de capacități și funcții.
Principalele tipuri includ:
- IA Slabă (Îngustă): Sisteme de IA concepute pentru a îndeplini o sarcină specifică, cum ar fi recunoașterea facială, traducerea vocală sau diagnosticarea medicală. Acestea sunt cele mai frecvent utilizate aplicații ale IA astăzi.
- IA Generală (Puternică): Un sistem teoretic de IA capabil să înțeleagă, să învețe și să îndeplinească orice sarcină intelectuală pe care o poate face un om. Acest nivel de IA este încă în stadiul de cercetare și dezvoltare.
- Super IA: O etapă viitoare ipotetică în care IA depășește inteligența umană în toate aspectele, inclusiv creativitatea, rezolvarea de probleme și luarea de decizii.
Tehnologiile IA se bazează pe diverse subdomenii, inclusiv:Aplicații ale Inteligenței Artificiale
Aplicații Generice
Inteligență Afacerilor (BI)
Observation systems
Asistență medicală
Educație
Industrie prelucrătoare
Finanțe
Alte Aplicații
03
Teledetecție
03
Introducere în Teledetecție
Teledetecția descrie colectarea de date despre un obiect, o zonă sau un fenomen de la distanță, cu un dispozitiv care nu este în contact cu obiectul. Teledetecția este în general definită pe larg ca achiziția de date și informații despre suprafețele și obiectele Pământului fără contact fizic. Definiția sa exactă este dificilă, iar definiții ca cea de mai sus sunt adesea considerate prea generale. Există multe moduri de a defini teledetecția în literatură. Două elemente comune caracterizează acest domeniu științific: a) conceptul de "colectare de informații" și b) "observare de la distanță".
Tipuri și cauze ale inundațiilor
Teledetecția a trecut prin multe etape pentru a ajunge la nivelul actual. Este un domeniu științific destul de evolutiv, care se bazează pe diverse alte discipline științifice, cum ar fi matematica, fizica, informatica etc. De la descoperirea fotografiei în secolul al XIX-lea, s-au făcut progrese semnificative în teledetecția mediului. Deși este destul de dificil de definit cu precizie punctul de plecare al teledetecției și fazele sale evolutive, în timpul dezvoltării sale se disting cinci etape principale. În timp ce Teledetecția (TD) este un domeniu în sine, adesea acționează ca un complement al analizelor GIS, adăugând informații și tehnici de analiză unice. Există două tipuri de TD, activă și pasivă, și sunt utilizate în general pentru aplicații diferite. TD activă implică trimiterea unui semnal și așteptarea returnării acestuia la senzor. RADAR și LIDAR sunt exemple de TD activă, deoarece trimit energie, respectiv impulsuri de microunde și laser, și înregistrează semnalele pe măsură ce revin.
Dezavantajele Teledetecției
Avantajele Teledetecției
03
Teledetecția pentru Monitorizarea și Atenuarea Dezastrelor Naturale
Umiditatea solului este o variabilă critică pentru înțelegerea resurselor de apă și a pericolelor naturale, cum ar fi inundațiile și alunecările de teren. Estimarea precisă a variațiilor spațiale și temporale ale umidității este importantă pentru studiile de mediu și pentru îmbunătățirea prognozelor de inundații, în special în bazinele hidrografice medii și mari, unde inundațiile cauzează adesea dezastre. Starea umidității solului de la suprafață este esențială pentru evaluarea infiltrării sau scurgerii apei pluviale, astfel încât aceste informații sunt vitale pentru modelele de predicție a inundațiilor. Mai mult, umiditatea solului în zonele montane este un factor cheie pentru alunecările de teren. Începând cu anii 1970, cercetările în acest domeniu au utilizat tehnici care acoperă întregul spectru electromagnetic, de la optic la microunde. Aceste tehnici variază în ceea ce privește intervalul lungimilor de undă, sursa de energie electromagnetică, răspunsul senzorului și relația fizică dintre răspuns și umiditatea solului. Utilizarea radiației solare măsoară lumina solară reflectată de suprafața Pământului. Cu toate acestea, microundele și infraroșul termic au fost utilizate mai frecvent pentru calcularea umidității solului. Utilizarea secțiunii termice se bazează pe măsurarea temperaturii suprafeței solului și pe metode precum inerția termică și indicele temperatură/vegetație. Inerția termică este simplă și precisă în zonele cu vegetație minimă sau absentă. În rezumat, teledetecția prin senzori activi și pasivi oferă date valoroase pentru estimarea umidității solului, îmbunătățirea predicției pericolelor naturale și gestionarea resurselor de apă.
04
Robotică
04
Introducere în Robotică
Robotică, un domeniu multidisciplinar la intersecția ingineriei, informaticii și inteligenței artificiale, joacă un rol din ce în ce mai vital în abordarea provocărilor complexe ale gestionării dezastrelor naturale. Roboții sunt proiectați pentru a efectua sarcini periculoase, repetitive sau nepotrivite pentru oameni, ceea ce îi face neprețuiți în scenariile de dezastru. Evoluția roboticii, stimulată de progresele înregistrate în senzori, învățare automată și sisteme autonome, și-a extins capacitățile și aplicațiile, permițând răspunsuri mai eficiente și mai eficace la dezastrele naturale. În gestionarea dezastrelor, robotica poate îndeplini o varietate de funcții cruciale, de la operațiuni de căutare și salvare până la monitorizarea mediului și inspecția infrastructurii. De exemplu, dronele autonome pot survola rapid zonele afectate, furnizând date în timp real și imagini de înaltă rezoluție pentru a ajuta la luarea deciziilor și la eforturile de coordonare. Roboții terestri pot naviga pe terenuri periculoase pentru a localiza supraviețuitori, a livra provizii și a efectua evaluări structurale. În plus, roboții subacvatici sunt esențiali pentru operațiunile din medii inundate sau scufundate.
Diferite categorii de robotică în gestionarea dezastrelor: Roboți de Căutare și Salvare – Asistă la localizarea și salvarea supraviețuitorilor în structuri prăbușite sau zone periculoase. Roboți Pompieri – Sting incendii de vegetație și previn răspândirea focului folosind inteligența artificială și dispersarea automată de apă sau spumă. Drone Aeriene – Oferă supraveghere în timp real, evaluează daunele și identifică pericolele de sus. Roboți Subacvatici și Amfibii – Ajută la salvarea în caz de inundații și evaluează daunele subacvatice. Roboți de Inspecție și Recuperare – Evaluează integritatea structurală și ajută la îndepărtarea resturilor după dezastru.
Robotica ajută la răspunsul în caz de dezastru prin îmbunătățirea operațiunilor de salvare, a stingerii incendiilor și a evaluării daunelor cu ajutorul inteligenței artificiale și al senzorilor.
04
Istoria Roboticii
Robotica a avansat semnificativ răspunsul la dezastre, de la automatizarea industrială timpurie la sistemele autonome bazate pe inteligență artificială. Roboții asistă la căutarea și salvarea, evaluarea pericolelor și recuperarea în caz de criză. Implementări cheie includ Cernobîl (1986), 11 septembrie (2001) și Fukushima (2011), unde roboții au navigat în medii periculoase pentru a sprijini echipele de intervenție. Astăzi, dronele bazate pe inteligență artificială, vehiculele autonome și sistemele robotice îmbunătățesc colectarea de date în timp real, analiza structurală și livrarea de ajutoare. Pe măsură ce tehnologia evoluează, robotica continuă să îmbunătățească gestionarea dezastrelor, făcând răspunsurile mai rapide, mai sigure și mai eficiente.
05
IoT și Comunicații
05
Introducere în IoT și comunicații
Internetul Lucrurilor a devenit un subiect foarte popular de cercetare și inovare, în principal datorită transformării omniprezente a informaticii. Dispozitivele fizice au devenit "inteligente", fiind capabile să detecteze, să comunice într-un mod pervasiv și să interacționeze cu mediul lor, oferind aplicații și soluții utile omenirii. Astăzi, ele își găsesc aplicații într-o gamă largă de activități, cum ar fi sănătatea, transportul, agricultura, automatizarea casei și industrială, comerțul cu amănuntul și multe altele. Se așteaptă o creștere exponențială a conexiunilor de rețea, care ar trebui facilitată de rețele puternice.
Caracteristici Fundamentale ale IoT și Comunicațiilor
Interconectivitate: Orice dispozitiv IoT poate fi interconectat cu Infrastructura Globală de Informații și Comunicații. Servicii legate de obiecte: IoT furnizează servicii care privesc "obiectele" conectate în limitele lor, cum ar fi protecția confidențialității și consistența semantică între obiectele fizice și cele virtuale asociate. Eterogenitate: Dispozitive IoT eterogene, cu caracteristici hardware și de rețea diferite, se conectează și interacționează cu alte dispozitive sau platforme pe diverse tipuri de rețele. Schimbări dinamice: În timp ce se deplasează și interacționează într-un sistem IoT, dispozitivele își schimbă starea în mod dinamic. De exemplu, intră și ies din starea de repaus, se conectează sau se deconectează în timp ce își schimbă locația și viteza. În plus, și la fel de important, numărul de dispozitive conectate se schimbă dinamic. Scară enormă: De obicei, numărul de dispozitive care trebuie gestionate și cel al dispozitivelor care comunică între ele este semnificativ mai mare decât cele care sunt conectate la Internet. Acest lucru înseamnă practic că structura rețelei de comunicații subiacente trebuie să poată suporta volumul mare de date, rata și calitatea cu care acestea trebuie schimbate.
Aspecte ale IoT
Definiții Utile
Arhitectura IoT
Observation systems
Caracteristici Fundamentale
Cerințe IoT
Dispozitive și Componente IoT
Provocări IoT
IoT Challenges
Aplicații IoT pentru Dezastre Naturale
Colectarea de Date în Timp Real: Colectarea de date în timp real este crucială pentru predicția, detectarea și gestionarea dezastrelor. Senzorii care măsoară calitatea aerului, umiditatea și temperatura ajută autoritățile să evalueze riscurile și să ia măsuri preventive. Dispozitive Interconectate: Sistemele IoT integrează diverse dispozitive cu capacități diferite pentru alocarea resurselor și răspuns strategic în caz de dezastre. Avertizări și Predicții Timpurii: IA și învățarea automată analizează date în timp real pentru a prezice dezastrele, permițând intervenția timpurie și salvarea de vieți. Partajarea și Analiza Datelor: Gestionarea eficientă a dezastrelor necesită colaborarea între primii respondenți, autorități și public prin partajarea datelor. Interacțiune Fără Intervenție Umană: Dronele și roboții ajută la răspunsul în caz de dezastru prin efectuarea de monitorizare la distanță, căutare și intervenție în zone periculoase. Infrastructură Inteligentă și Reziliență: Clădirile echipate cu IoT și rețele de senzori sporesc reziliența prin monitorizarea structurilor, oprirea utilităților și activarea sistemelor de stingere a incendiilor pentru a reduce impactul dezastrelor.
06
Vedere Artificială
06
Vedere Artificială
Vederea artificială permite mașinilor să interpreteze și să analizeze date vizuale, automatizând sarcini precum detectarea obiectelor, segmentarea imaginilor și reconstrucția scenelor 3D. Progresele înregistrate în inteligența artificială, puterea de calcul și învățarea profundă, în special rețelele neuronale convoluționale (CNN), au revoluționat domeniul, făcându-l parte integrantă din aplicații precum vehiculele autonome, recunoașterea facială și realitatea augmentată. În gestionarea dezastrelor, vederea artificială îmbunătățește capacitățile echipelor de intervenție prin permiterea monitorizării în timp real, a căutării și salvării și a evaluării daunelor. Prin furnizarea de date vizuale precise, ajută la luarea deciziilor în timpul urgențelor. Această secțiune își propune să ajute educatorii să înțeleagă vederea artificială, rolul său în răspunsul la dezastre și modul de integrare a acesteia în educație, pregătind studenții să utilizeze aceste tehnologii pentru pregătirea în caz de criză.
06
Istoria Vederii Artificiale
Vederea artificială a apărut în anii 1960-1970, concentrându-se pe analiza imaginilor 2D și recunoașterea formelor de bază. Anii 1980 au introdus detectarea mișcării, fluxul optic și aplicațiile industriale. În anii 1990, tehnicile de învățare automată precum SVM și PCA au îmbunătățit recunoașterea facială și detectarea obiectelor. Anii 2000 au marcat ascensiunea CNN-urilor, revoluționând analiza imaginilor cu învățarea profundă, evidențiată de AlexNet (2012). Anii 2010 au adus arhitecturi avansate (VGG, ResNet) și aplicații în lumea reală, cum ar fi vehiculele autonome și imagistica medicală. În anii 2020, inovații precum GAN-urile, transformatoarele și învățarea auto-supervizată împing domeniul înainte. Inteligența artificială generativă permite sinteza de imagini, augmentarea datelor și simulările bazate pe inteligență artificială, îmbunătățind antrenamentul și aplicațiile din lumea reală. Vederea artificială joacă acum un rol crucial în gestionarea dezastrelor, sănătate și monitorizarea mediului, rezolvând provocări globale.
Mulțumesc!
Definiții utile
Dispozitiv: În contextul IoT, acesta este un echipament care trebuie să poată comunica și ar putea opțional să detecteze, să acționeze, să captureze date, să stocheze date sau să proceseze date. Singura sa capacitate obligatorie este comunicarea. Lucru: Un obiect din interiorul sistemului IoT care poate fi identificat și integrat în sistemul de comunicații. Lucru fizic: Un obiect al lumii fizice care poate fi detectat, acționat și conectat este cunoscut ca un lucru fizic (de exemplu, roboți industriali, echipamente electrice etc.) Lucru virtual: Un obiect din lumea informației care poate fi stocat, procesat și accesat este cunoscut sub numele de lucru virtual. De exemplu, conținut multimedia, aplicații software etc. Internetul lucrurilor: o infrastructură globală de informații care permite servicii avansate prin interconectarea lucrurilor (fizice și/sau virtuale) pe baza tehnologiilor interoperabile existente și/sau în evoluție. IoT include funcții de identificare, captare a datelor, procesare și comunicare pentru a oferi diferite tipuri de aplicații, asigurând în același timp securitatea și confidențialitatea.
Caracteristici fundamentale
Interconectivitate: Orice dispozitiv IoT poate fi interconectat cu infrastructura globală de informații și comunicații. Servicii legate de lucruri: IoT furnizează servicii care privesc „lucrurile” conectate în limitele acestora, cum ar fi protecția vieții private și consistența semantică între lucrurile fizice și lucrurile virtuale asociate acestora. Eterogeneitate: dispozitivele IoT eterogene cu diferite caracteristici hardware și de rețea se conectează și interacționează cu alte dispozitive sau platforme pe diferite tipuri de rețele. Schimbări dinamice: în roaming și interacțiune într-un sistem IoT, dispozitivele își schimbă starea în mod dinamic. De exemplu, dormiți și treziți, conectați-vă sau deconectați-vă în timp ce vă schimbați locația și viteza. În plus și la fel de important, numărul de dispozitive conectate se modifică dinamic. Scară enormă: De obicei, numărul de dispozitive care trebuie gestionate și cel al dispozitivelor care comunică între ele este semnificativ mai mare decât cele care sunt conectate la Internet. Acest lucru înseamnă practic că structura de bază a rețelei de comunicații trebuie să poată suporta volumul mare de date și rata și calitatea la care acestea trebuie schimbate.
Business Intelligence (BI)
Instrumentele BI bazate pe inteligență artificială îmbunătățesc colectarea, analiza și vizualizarea datelor, îmbunătățind procesul decizional și productivitatea, reducând în același timp costurile. Colectarea datelor: Colectarea datelor structurate (de exemplu, baze de date) și nestructurate (de exemplu, text, imagini). Analiza datelor: identificarea modelelor, tendințelor și relațiilor în date. Vizualizarea datelor: Crearea de reprezentări vizuale pentru o înțelegere mai ușoară. Luarea deciziilor: Furnizarea de informații și recomandări pentru a sprijini deciziile bazate pe date.
Educaţie
Inteligența artificială poate personaliza învățarea, poate îmbunătăți implicarea studenților și poate automatiza sarcinile administrative: Învățare personalizată: adaptarea experiențelor de învățare în funcție de progresul elevilor. Implicare îmbunătățită: oferirea de experiențe de învățare interactive și feedback în timp real. Sarcini administrative: automatizarea sarcinilor precum notarea și programarea pentru a elibera timpul profesorului.
Aplicații generice
Procesarea limbajului natural (NLP): NLP permite computerelor să înțeleagă și să genereze limbajul uman. Aplicațiile includ traducerea automată, filtrarea spamului și analiza sentimentelor. Viziunea computerizată: Viziunea computerizată permite computerelor să interpreteze conținutul vizual, utilizat în aplicații precum mașinile cu conducere autonomă, recunoașterea facială și detectarea obiectelor. Învățare automată (ML): ML permite computerelor să învețe din date și să îmbunătățească performanța în timp. Aplicațiile includ analiză predictivă, detectarea fraudelor și sisteme de recomandare. Robotică: Robotica implică proiectarea, construirea și operarea roboților pentru aplicații precum producția, asistența medicală și explorarea spațiului.
Fabricarea
AI îmbunătățește eficiența producției, productivitatea și controlul calității: Eficiență îmbunătățită: automatizarea sarcinilor, cum ar fi asamblarea și inspecția. Productivitate crescută: optimizarea proceselor de producție. Îmbunătățirea calității: Detectarea defectelor și îmbunătățirea controlului calității.
Dispozitive și componente IoT
În ceea ce privește capacitățile de procesare, dispozitivele sunt clasificate astfel: Dispozitive fără capacitate de procesare: dispozitive pasive, de obicei ieftine și fără microcontrolere. Un exemplu tipic este un RFID. Dispozitive cu capacități de procesare scăzute: Capabilitățile lor de procesare sunt limitate la citirea și scrierea datelor de la sau către senzori și actuatori și trimiterea acestor date către aplicații IoT, dar nu sunt capabili să ia decizii sau să ruleze algoritmi complexi. Acestea sunt de obicei cu costuri reduse și, de obicei, încorporează un microcontroler de foarte mică putere și cu costuri reduse. Un exemplu tipic este o lumină inteligentă sau un senzor de ușă. Dispozitive cu capacități mari de procesare: au suficientă putere de procesare pentru a le permite să ia decizii și să ruleze algoritmi complexi. De obicei, acestea au un cost ridicat, deoarece folosesc un microcontroler puternic. (de exemplu, un sistem de răcire inteligent sau un termostat inteligent) În ceea ce privește capacitățile de conectivitate, dispozitivele pot fi clasificate astfel: Dispozitive cu conectivitate scăzută: acest tip de dispozitive nu se conectează direct la rețeaua de comunicații pentru a transfera datele, ci se bazează pe elemente suplimentare (de exemplu, gateway) pentru a efectua sarcini de comunicații (de exemplu, traducerea protocolului sau conectivitate la internet). Dispozitive cu conectivitate ridicată: au hardware-ul și capacitatea de a se conecta direct la rețea pentru a transfera datele.
Arhitectura IoT
Un lucru fizic poate fi mapat (sau reprezentat) de unul sau mai multe lucruri virtuale din domeniul Informații. Informațiile sunt colectate de dispozitive (sau lucruri) fizice din lumea fizică și sunt trimise către rețelele de comunicații și domeniul informației pentru procesare ulterioară. Dispozitivele pot comunica între ele fie prin intermediul rețelei de comunicații (cu sau fără un gateway), fie direct fără a utiliza rețeaua de comunicații sau combinații ale acestor legături de comunicație. Schimbul de informații nu are loc numai între lucrurile fizice din lumea fizică, ci și între lucrurile virtuale din lumea informației. Rețelele de comunicații oferă capacități de transfer de date fiabil și eficient. Infrastructura de rețea poate fi implementată sau realizată prin tehnologii de rețea existente (de exemplu, rețele TCP-IP) sau rețele în evoluție, urmând tendințele actuale de telecomunicații.
Alte aplicații
Dincolo de aceste sectoare, AI este utilizată în diverse industrii: Retail: personalizarea experiențelor de cumpărături și gestionarea inventarului. Transport: Dezvoltarea de mașini autonome și îmbunătățirea managementului traficului. Energie: Creșterea eficienței energetice și estimarea cererii. Guvern: Îmbunătățirea siguranței publice, a detectării infracțiunilor și a serviciilor pentru cetățeni.
Provocări IoT
Scalabilitate: Multe aplicații și sisteme IoT contemporane includ un număr foarte mare de dispozitive conectate. Pe măsură ce aceste rețele cresc, gestionarea și coordonarea dispozitivelor devin din ce în ce mai dificile, deoarece în multe cazuri creșterea rapidă a nodurilor conectate sau numărul crescut de fluxuri de date ar putea necesita modificări substanțiale ale infrastructurii. Soluție: O soluție ar putea fi utilizarea arhitecturilor scalabile, cum ar fi edge computing și procesarea distribuită, și aplicarea echilibrării sarcinii (load balancing) pentru gestionarea eficientă a numeroaselor dispozitive. Congestia rețelei: Aceasta este, de asemenea, legată de problema scalabilității menționată mai sus, deoarece numărul crescut de dispozitive conectate ar putea cauza trafic/congestie în rețea, ceea ce va degrada calitatea serviciului, având în vedere creșterea pierderii de pachete, întârzierile asociate și alte probleme. Soluție: Soluțiile posibile includ optimizarea protocoalelor de comunicare, utilizarea compresiei datelor și prioritizarea datelor critice. Securitate: Dispozitivele IoT sunt de obicei operate pe echipamente electronice cu putere redusă și capacitate de procesare scăzută, ceea ce nu permite implementarea eficientă a mecanismelor de securitate pe ele. Având în vedere creșterea semnificativă a vulnerabilităților de firmware, dispozitivele IoT reprezintă de obicei ușa din spate perfectă pentru a intra într-o rețea securizată. Soluție: Implementați criptarea, autentificarea, controlul accesului și actualizări regulate. Utilizați detecția intruziunilor și detecția anomaliilor pentru identificarea timpurie a amenințărilor de securitate. Managementul Dispozitivelor: Gestionarea numeroaselor dispozitive IoT devine o provocare majoră, mai ales dacă sunt eterogene și vin cu multe caracteristici complicate, mecanisme de autentificare, cerințe de actualizare etc. Soluție: Utilizați platforme de gestionare a dispozitivelor pentru sarcini automate, cum ar fi actualizările și monitorizarea. Implementați protocoale standardizate precum MQTT și CoAP. Interoperabilitate: De obicei, în sistemele IoT mari, diversele componente (senzori, actuatoare, microcontrolere etc.) pot proveni de la diferiți furnizori și, având în vedere cadrul IoT nu atât de standardizat, pot crea probleme de interoperabilitate. Pot fi necesare ajustări la adăugarea de hardware și software nou pentru a menține funcționalitatea și a integra tehnologiile inovatoare. Soluție: O soluție posibilă este adoptarea standardelor industriale pentru comunicare și formate de date. Utilizați soluții middleware pentru a gestiona diferite protocoale. Consum de energie: Există multe aplicații IoT instalate în locuri îndepărtate sau în spații unde asigurarea energiei electrice ar putea fi foarte dificilă (de exemplu, pe fundul lacului pentru a monitoriza poluarea). Acest lucru înseamnă că fie avem nevoie de baterii care să dureze mult timp, fie să limităm consumul de energie, dar ideal ambele. Soluție: Optimizați protocoalele de comunicare, utilizați tehnologii cu consum redus de energie, cum ar fi LPWAN, și proiectați hardware eficient din punct de vedere energetic sau transferați o parte din funcționalitate către o unitate centrală de procesare. Confidențialitatea Datelor: O preocupare majoră în sistemele IoT este ce se întâmplă cu datele colectate, mai ales dacă sunt sensibile (de exemplu, date medicale într-un sistem IoT de e-sănătate). Soluție: Utilizați criptarea, anonimizarea datelor și politici explicite de confidențialitate în practică. Respectați legi precum GDPR și HIPAA.
Sănătate
AI ajută la diagnosticarea bolii, dezvoltarea tratamentului și îngrijirea personalizată: Diagnosticul bolii: Analizarea datelor pacientului pentru detectarea precoce și precisă a bolii. Dezvoltarea tratamentului: Utilizarea datelor pentru a dezvolta noi medicamente și terapii. Îngrijire personalizată: personalizarea planurilor de tratament pe baza datelor individuale ale pacientului.
Avantajele teledetecției
După cum se poate observa din analiza istorică, teledetecția s-a îmbunătățit semnificativ în ceea ce privește înregistrarea datelor legate de spațiu, timp și radiații. Aceasta înseamnă că suprafața Pământului este frecvent înregistrată la rezoluții spațiale mai mari și mai multe părți ale spectrului electromagnetic. Teledetecția este considerată un instrument modern, specializat, care își găsește aplicații în multe discipline științifice, inclusiv științe ale mediului, silvicultură, geologie, arheologie, oceanografie etc. Printre avantajele care justifică utilizarea teledetecției pentru achiziționarea și procesarea datelor de pe planeta noastră, următoarele sunt considerate foarte semnificative. Rezumat Acoperire: O imagine din satelit acoperă o suprafață mare, necesitând sute de fotografii aeriene și chiar mai multe mii de ore de colectare a probelor. Acoperire repetată: Frecvența înregistrărilor este foarte importantă, mai ales în analizele diferitelor serii. Frecvența, similară sistemului prin satelit, variază de la câteva ore la câteva zile. Accesibilitate: În zone îndepărtate sau inaccesibile, cum ar fi exemple de zone deșertice, oceane, păduri tropicale etc., teledetecția oferă posibilitatea de a colecta și analiza date. Omogenitatea datelor: informațiile și datele înregistrate de sistemele prin satelit oferă date uniforme privind performanța spațială și vizuală a obiectelor și datelor înregistrate. Caracteristicile datelor multispectrale: Datele înregistrate în diferite părți ale spectrului electromagnetic oferă mai multe posibilități de afișare a informațiilor dorite. Digital Data Form: Oferă posibilitatea analizei digitale folosind software specializat în toate avantajele pe care aceasta le presupune. Durata timpului de înregistrare: timpul necesar de înregistrare este foarte scurt, ceea ce înseamnă o modificare minimă a modificărilor spațiale și vizuale care pot apărea din schimbările de mediu. Costul datelor: costul relativ scăzut al înregistrării datelor combinat cu capabilitățile pe care le oferă este, de asemenea, un avantaj semnificativ.
Dezavantajele teledetecției
Deși s-au înregistrat progrese semnificative de la apariția teledetecției, unele probleme legate de aplicarea acesteia în probleme de mediu rămân nerezolvate. Una dintre cele mai grave probleme se referă la datele înregistrate, care conțin erori din cauza condițiilor atmosferice, a topografiei zonei și a funcționării sistemului de satelit. Aceste erori sunt legate de diferențele dintre radiația reflectată reală și cea înregistrată de satelit. Este foarte important pentru aplicarea ulterioară cu succes a acestor date adaptarea datelor cât mai aproape posibil la valorile reale, mai ales în cazurile în care analiza se referă la studii temporale. O altă problemă cu care se confruntă oamenii de știință este dificultatea de a înțelege natura și mecanismul relațiilor și interacțiunilor chiar foarte simple dintre radiația înregistrată de satelit și obiectele țintă. Modificările care apar în condițiile atmosferei, litosferei și hidrosferei sunt atât de mari în dimensiuni spațiale și temporale, iar mecanismele de interacțiune dintre energie și materie sunt atât de complexe, încât relațiile simple obiect-detector sunt greu de determinat.
Finanţa:
Aplicațiile AI în finanțe includ servicii personalizate, managementul riscurilor și automatizarea operațională: Detectarea riscurilor și a fraudelor: identificarea rapidă a activităților potențial frauduloase. Recomandări personalizate: Oferirea de consiliere și servicii financiare personalizate. Procesarea documentelor: extragerea și analizarea datelor din documente pentru sarcini precum procesarea împrumuturilor.
Cerințe IoT
Conectivitate bazată pe identificare: trebuie să existe un suport pentru ca „Lucrurile” să fie conectate la IoT pe baza identificatorilor lor (ID-uri), care ar putea fi eterogene, prin urmare este necesară o procesare unificată. Interoperabilitate: trebuie asigurată interoperabilitatea între sistemele eterogene și distribuite. Rețea automată: Infrastructura de rețea IoT ar trebui să ofere funcții de control pentru rețeaua automată, inclusiv auto-gestionare, auto-configurare, auto-vindecare, auto-optimizare și auto-protecție, pentru a putea susține și facilita adaptarea în diferite domenii de aplicație, diferite medii de comunicare și un număr mai mare și tipuri de dispozitive. Furnizarea serviciilor autonome: Serviciile trebuie furnizate prin captarea, comunicarea și prelucrarea automată a datelor „Lucrurilor” conform regulilor configurate de operatori și/sau configurate de abonați. Capacități bazate pe locație: localizarea este o tehnologie cheie activatoare în IoT, deoarece serviciile bazate pe locație trebuie să fie acceptate. Lucrurile ar trebui să poată urmări poziția lor pentru a facilita furnizarea de servicii care depind de locația lor. Securitate: capacitatea oricărui Lucru de a se conecta în orice moment și în orice loc generează amenințări semnificative de securitate împotriva CIA (Confidențialitate, Integritate și Autenticitate) atât pentru date, cât și pentru servicii. Prin urmare, există o cerință importantă de a integra diferite politici și măsuri de securitate legate de lucruri și de comunicarea acestora într-un cadru IoT. Protecția confidențialității: Datele achiziționate de „Lucruri” pot conține informații private ale proprietarilor și/sau utilizatorilor acestora. Prin urmare, protecția vieții private trebuie să fie susținută în timpul transmiterii, agregării, stocării, extragerii și procesării acestor date, fără a stabili o barieră în calea autentificării sursei de date. Servicii legate de corpul uman de înaltă calitate și foarte sigure: Serviciile care se bazează pe capturarea, comunicarea și prelucrarea datelor legate de comportamentul uman (de exemplu, exerciții fizice, sănătate, locație etc.) în mod automat sau prin intervenție umană ar trebui oferite, garantând în același timp calitate înaltă, acuratețe și securitate. Plug and Play: este important ca sistemele IoT să accepte capacitatea plug and play pentru a permite sau a facilita generarea, compunerea și achiziționarea din mers a configurațiilor bazate pe semantică pentru a integra fără probleme o interconectare de lucruri cu aplicațiile respective și pentru a răspunde eficient cerințelor acestor aplicații. Administrabilitate: Aplicațiile dintr-un sistem IoT trebuie de obicei să funcționeze automat fără intervenția sau participarea oamenilor și, prin urmare, întregul proces de operare trebuie să fie gestionabil de către entitățile relevante pentru a asigura operațiuni normale de rețea.