Kako veštačka inteligencija pomaže u Internetu stvari
U kursu Arduino i ESP32 pravili smo uređaje koji mere temperaturu, svetlo i pokret, i uređaje koji nešto pokreću – pumpu, servo motor, svetla. Do sada su odluke donosila pravila koja smo sami napisali: „ako je vlažnost ispod 35 %, zalij“. U ovom modulu odluke će donositi model koji je naučio iz podataka.
Od senzora do odluke
- Senzor meri nešto u stvarnom svetu (temperaturu, vlažnost, svetlo, ubrzanje, zvuk).
- Merenja postaju podaci – brojevi.
- Model iz podataka zaključuje šta se dešava („zagušljivo je“, „neko maše rukom“, „biljka je žedna“).
- Na osnovu zaključka uređaj donosi odluku.
- Aktuator (motor, relej, svetlo, zvučnik) izvršava odluku.
Do sada je korak 3 bio if koji smo sami napisali. Sada ćemo pravilo naučiti iz podataka – baš kao u lekciji „Pravila ili učenje“.
Gde se AI koristi u Internetu stvari
| Oblast | Senzori | Šta AI radi |
|---|---|---|
| pametna kuća | temperatura, vlažnost, pokret, potrošnja struje | uči navike ukućana i sam podešava grejanje i svetla |
| poljoprivreda | vlažnost zemlje, temperatura, kamera | procenjuje kada da zalije; prepoznaje bolest lista na fotografiji |
| industrija | vibracije i zvuk mašine | primećuje „čudno“ ponašanje mašine pre nego što se pokvari |
| zdravlje i sport | akcelerometar, puls | prepoznaje hodanje, trčanje, pad; broji korake |
| saobraćaj | kamere, senzori na putu | procenjuje gužvu i podešava semafore |
| životna sredina | kvalitet vazduha, nivo vode | predviđa zagađenje ili poplavu |
AI u oblaku i AI na uređaju
- U oblaku: uređaj šalje podatke preko interneta serveru na kome radi veliki model, a server vraća odgovor. Tako rade glasovni asistenti kada razumeju složena pitanja.
- Na uređaju (engl. edge AI, a za male mikrokontrolere TinyML): mali model radi na samoj ploči – na ESP32 ili micro:bit-u. Odgovor je trenutan, radi bez interneta i podaci ne napuštaju uređaj. Ali model mora da bude mali.
U ovom modulu radimo na uređaju: model ćemo naučiti na računaru, a onda ga preneti na ESP32 i micro:bit.
Plan modula
| Lekcija | Šta radimo |
|---|---|
| ESP32 prikuplja podatke | ESP32 meri, mi označavamo stanje, Python čuva tabelu |
| Model iz Pythona na ESP32 | stablo odlučivanja uči na računaru, pa ga prevodimo u C++ za ESP32 |
| micro:bit prepoznaje pokrete | micro:bit uči i prepoznaje pokrete – sve na samoj ploči |
| TinyML | koliko „pameti“ staje u mali čip i koji alati postoje |
Grupe biraju jednu oblast iz tabele i crtaju lanac senzor → podaci → model → odluka → aktuator za jedan izmišljeni uređaj. Na kraju svaka grupa kaže da li bi model radio u oblaku ili na uređaju i zašto.
Česte zablude
- „Svaki pametni uređaj ima veštačku inteligenciju“ – mnogi „pametni“ uređaji rade samo po pravilima (tajmer, prag) – i to je često sasvim dovoljno.
- „AI uvek mora da radi na internetu“ – mali modeli rade i na samom mikrokontroleru, bez interneta.
Zadaci za vežbu
Pokušaj prvo sam, pa tek onda otvori rešenje.
- Nacrtaj lanac senzor → podaci → model → odluka → aktuator za „pametnu kantu za smeće“ koja sama prepoznaje plastiku.
- Navedi dve prednosti i jednu manu modela koji radi na samom uređaju.
- Automatsko zalivanje iz kursa Arduino i ESP32 ima pravilo „ako je vlažnost ispod 35 % – zalij“. Šta bi model mogao da nauči bolje od ovog pravila?
Rešenje 1: jedno moguće rešenje
senzor: kamera (i vaga) → podaci: fotografija i masa predmeta → model: prepoznavanje slike (plastika / papir / staklo) → odluka: „plastika“ → aktuator: motor otvara pravi pregradak.
Rešenje 2: odgovor
Prednosti: radi bez interneta, odgovara odmah, podaci ostaju na uređaju (privatnost), troši manje podataka. Mana: model mora da bude mali, pa je manje „pametan“ od velikih modela u oblaku.
Rešenje 3: ideje
Na primer: da uzme u obzir i temperaturu i doba dana (leti uveče treba više vode), da nauči koliko brzo se zemlja suši posle zalivanja, ili da iz fotografije lista prepozna da je biljka žedna. Za to bi trebali podaci: merenja i oznake „biljci je trebalo vode“ ili „nije“.
Proveri znanje
Otvori kviz
Kviz: AI i Internet stvari
1. Koji je pravilan redosled u „pametnom“ uređaju?
2. Šta je prednost modela koji radi na samom uređaju?
3. Kako se zove mašinsko učenje na veoma malim čipovima?
4. Šta je aktuator?