本博客文章的一个版本发表于2019年2月21日标普全球市场情报网站。

我们周围都是嵌入式传感器和设备，它们的处理能力比我们桌上的许多电脑都强。手机、家庭控制系统、恒温器和无处不在的语音操作小工具中的机器学习模块，构成了一个完整的技术物种，现在它们通过我们自己的通信设备填充的同一个互联网环境与我们共存。这些是通常被称为“物联网”(IoT)的简单组成部分。

真正的革命发生在一个不同的、不那么引人注目的环境中，一个工业领域，从制造业、精炼厂到医疗保健。在这些非常大的系统和组织中，无数的嵌入式智能传感器通过共享的API连接在一起，导致了一种新型的网络计算能力，这可能会使我们想象中的当今互联网相形见绌。

嵌入式系统的挑战

这个庞大的工业阵列连接传感器有许多特点，使其不同于大多数人熟悉的消费智能设备。首先，这些传感器的普遍性和互联性，加上其输入的不可预测性，使得它们的响应时间不受人为干预。例如，一个健身追踪器没电了，不需要紧急响应。相比之下，来自控制多个炼油厂阀门的智能传感器的故障或延迟的紧急信号可能引发其他传感器和执行器的不良连锁反应，从而导致相应的系统故障。

其次，这些智能传感器构成了一个开放和异步的分布式系统，不能预测其所嵌入的环境的行为。这个系统也是分散的，因为中央单位很难接收和传送关于整个系统状态的最新信息。

第三，工业物联网的分布式特性使其面临一系列安全威胁，因为对分布式结构的一个组件的一次入侵就可能危及整个系统。

虽然很容易创建机器学习算法来报告系统各部分的行为，但对于这些程序来说，很难对大型互连嵌入式系统的输入和故障做出快速的推理和反应。通过使用边缘计算，可以实现显著的改进，这需要传感和处理来自接近空间的嵌入式系统的信息。

更为复杂的是在较粗的级别上聚合此类局部信息，以便能够获得全局和及时的信息，并在需要时采取纠正措施。这之所以困难，是因为传感器在感知和处理数据的精度和复杂程度上存在差异，而有时会报告错误的读数。

共识AI解决方案

解决这些问题的一种方法是设计分布式算法，可以在嵌入式传感器系统的诊断和作用的整体任务中进行合作。例如，智能聚合以决定给定行动的局部异常的感知，网络部分恶意软件的集体检测，以及对预定流量和内容模式的有效响应，等等。

我们知道，这种分布式系统在解决由相互连接的局部单元引起的全局问题方面非常有效，因为这是人类成功管理大型分布式任务的方式。组织以令人眼花缭乱的速度创建，以处理许多行业和服务中的控制和分配问题，它们通过交织当地的专业知识来发挥作用，这些专业知识能够发现并解决需要及时解决方案的问题，从网络故障到供应链中断。

这种分布式形式的人工智能并不是一个虚幻的目标。一些这样的系统已经被设计和测试，并在解决诸如优化和图形着色等难题所需的时间方面显示出巨大的改进。这些问题的特点是，随着它们的规模呈线性增长，找到解决方案的时间呈指数增长。一个常见的例子是旅行推销员问题，它可以被视为网络铺设的一个比喻，以尽量减少覆盖多个城市和用户所需的遍历数量。随着越来越多的节点加入到这样的网络中，可能的解决方案的数量呈指数级增长，导致不可能在有限时间内找到最小化连接的节点。

合作系统的美妙之处在于，一旦部署，它们就可以展示组合内爆．这些内爆的特点是，由于合作的有效性，解决问题的可能途径的数目突然减少。因此，需要大量时间才能解决的问题现在可以用线性或多项式时间来呈现。当这些代理或程序在解决复杂问题时交换的消息的质量和数量都增加时，就会发生内爆。

在这些联网嵌入式传感器的背景下，共识系统能够聚合不同的，有时是不正确的信息，以快速合理地诊断问题。这些类型的合作系统将允许控制这些大型嵌入式系统，而不必求助于对网络中泛滥的所有数据进行详尽的分析。更棒的是，人们希望随着常识推理的算法形式(例如，我以前没有见过这个问题吗?)在未来得到发展，我们将实现完全嵌入式传感器能够以一种我们称之为智能的形式控制系统的梦想。

想在未来了解更多关于人工智能的知识吗?订阅我们的博客。