Theory
હવે એક જાતે તપાસો
તમે બે case studies તૈયાર થયેલી જોઈ; હવે છેલ્લી પ્રવૃત્તિ એ છે કે તમે જૂથમાં જાતે એક AIoT use case નું વિશ્લેષણ કરો અને એ રજૂ કરો. અહીંથી જ વિષય તમારો પોતાનો બને છે: AIoT વિશે વાંચવાને બદલે તમે એક ખરી પરિસ્થિતિને છૂટી પાડો છો અને દેખાડો છો કે દરેક ટુકડો ક્યાં બંધ બેસે છે.
આ છેલ્લો પાઠ એ કામ સારી રીતે કરવા માટેની માર્ગદર્શિકા છે, એટલે કે કોઈ પણ AIoT use case ને ઊંડાણથી અને પ્રામાણિકપણે તપાસવાનું તથા સ્પષ્ટ રીતે રજૂ કરવાનું માળખું. આ સ્વાભાવિક સમાપન છે: આખો વિષય તમે પસંદ કરેલી પરિસ્થિતિ પર લગાડવો, sensors થી માંડીને નૈતિકતા સુધી. માળખાને અનુસરો, અને કોઈ પણ use case સ્પષ્ટ, પૂરેપૂરું વિશ્લેષણ બની જશે.
Follow along
AIoT use case તપાસવા માટેનું માળખું
- નક્કર use case પસંદ કરો કોઈ ખરી, ચોક્કસ પરિસ્થિતિ લો: smart parking, આરોગ્ય પર દેખરેખ, કચરાનું વ્યવસ્થાપન, છૂટક વેપાર, ટ્રાફિક નિયંત્રણ કે એવું કંઈક.
- IoT ઉપકરણો અને data ઓળખો કયાં sensors વપરાય છે, અને એ કયો data ભેગો કરે છે? AI ને શું જાણવું જરૂરી છે એ પ્રમાણે sensors બેસાડો.
- Connectivity અને data નો પ્રવાહ સમજાવો કઈ connectivity (Wi-Fi, BLE, Zigbee, LoRaWAN) અને શા માટે; data gateways મારફતે કઈ રીતે વહે છે, અને AI ક્યાં ચાલે છે (edge પર કે cloud માં).
- નિર્ણયો અને ક્રિયાઓ વર્ણવો Inputs પરથી AI કયા નિર્ણયો લે છે, અને એમાંથી કઈ ક્રિયાઓ કે ચેતવણીઓ નીપજે છે (actuators, સૂચનાઓ).
- લાભ, પડકારો અને નૈતિકતા તોળો લાભો; પડકારો (data ની ગુણવત્તા, latency, વીજવપરાશ); અને જવાબદારીઓ (ખાનગીપણું, સલામતી, નૈતિકતા).
Theory
એને સારી રીતે રજૂ કરવું
સારી રજૂઆત AIoT ની આખી વાર્તા છેડેથી છેડા સુધી કહે છે: system શું અનુભવે છે, data કઈ રીતે મુસાફરી કરે છે, AI ક્યાં અને કઈ રીતે નિર્ણય લે છે, એમાંથી કઈ ક્રિયાઓ થાય છે, અને સૌથી અગત્યનું, પડકારો તથા જવાબદારીઓની પ્રામાણિક ચર્ચા, ફક્ત ચમકતા લાભો જ નહીં.
જૂથ તરીકે કામ કરો: ભાગ વહેંચી લો (કોઈ sensors પર, કોઈ AI પર, કોઈ નૈતિકતા પર), પણ ધ્યાન રાખો કે એ ટુકડા જોડાઈને એક સુસંગત system બને, કારણ કે AIoT નો આખો મુદ્દો જ integration છે. નક્કર રહો (ચોક્કસ પરિસ્થિતિ, ચોક્કસ sensors) અને ટીકાત્મક રહો (ખરા પડકારો અને ખાનગીપણાની ચિંતાઓ નામ દઈને કહો). શ્રેષ્ઠ વિશ્લેષણો એ દેખાડે છે કે તમે ફક્ત AIoT શું કરી શકે એ જ નહીં, પણ એને જવાબદારીપૂર્વક કઈ રીતે ચલાવવું એ પણ સમજો છો. રજૂઆત અને મૂલ્યાંકનની વિગતો તમારી સંસ્થા પાસેથી ખાતરી કરીને જ નક્કી કરો.
Quiz
જૂથ પ્રવૃત્તિ માટે AIoT use case તપાસતી વખતે તમારું વિશ્લેષણ પૂરું ગણાય એ માટે એમાં શું હોવું જોઈએ?
- ફક્ત રોમાંચક લાભો, અને દરેક ખામીની અવગણના
- આખું ચિત્ર: sensors અને data, connectivity અને data નો પ્રવાહ, AI ક્યાં ચાલે છે અને શું નક્કી કરે છે, કઈ ક્રિયાઓ થાય છે, અને સાથે પડકારો તથા નૈતિક જવાબદારીઓ પણ
- ફક્ત ટેકનોલૉજીનું નામ, કોઈ વિગત વગર
- એવી ખાતરી કે આ system માં કોઈ જોખમ જ નથી
Show the answer
આખું ચિત્ર: sensors અને data, connectivity અને data નો પ્રવાહ, AI ક્યાં ચાલે છે અને શું નક્કી કરે છે, કઈ ક્રિયાઓ થાય છે, અને સાથે પડકારો તથા નૈતિક જવાબદારીઓ પણ
પૂરેપૂરું AIoT વિશ્લેષણ આખી system ની લકીર દોરે છે: sensors અને data, connectivity અને data નો પ્રવાહ, AI ક્યાં પ્રક્રિયા કરે છે અને શું નક્કી કરે છે, એમાંથી નીપજતી ક્રિયાઓ, અને સાથે પડકારો (data ની ગુણવત્તા, latency, વીજવપરાશ) તથા જવાબદારીઓ (ખાનગીપણું, સલામતી, નૈતિકતા). વિકલ્પ A અધૂરો અને અપ્રામાણિક છે: ખામીઓ છોડી દેવાથી સારા AIoT વિશ્લેષણનો અડધો ભાગ જ ગુમાવાય છે, અને આ વિષયે એના પર જ ભાર મૂક્યો છે. વિકલ્પ C બહુ છીછરો છે: ટેકનોલૉજીનું નામ લેવું પણ એ કઈ રીતે કામ કરે છે એ ન સમજાવવું એટલે કશી ખરી સમજ ન દેખાડવી. વિકલ્પ D ખોટો અને ભોળો છે: કોઈ ખરી system જોખમ વગરની હોતી નથી, અને એવો ડોળ કરવો એ તો જરૂરી પ્રામાણિક, ટીકાત્મક વલણથી સાવ ઊલટું છે. ક્ષમતાઓ અને જવાબદારીઓ બંનેને આવરી લેતું ઊંડું, સંતુલિત વિશ્લેષણ જ ખરી સમજ દેખાડે છે.
Think first
શીખેલું બધું પાકું કરવા માટે જાતે use case તપાસવો એ સૌથી સારો રસ્તો કેમ છે?
બીજા એક પાઠને બદલે વિષયનો અંત વિશ્લેષણ અને રજૂઆતની પ્રવૃત્તિથી કેમ કરવો? વિચારીને પછી tap કરો.
Show the answer
કારણ કે ખ્યાલોને કોઈ ખરી પરિસ્થિતિ પર સક્રિય રીતે લગાડવા, અને પછી એ સમજાવવું પડે, એ તમને આખો વિષય જોડીને ખરેખર સમજવા મજબૂર કરે છે, જે ફક્ત નિષ્ક્રિય વાંચનથી કદી થતું નથી. એટલે જ કરવું એ સાંભળવા કરતાં ચડિયાતું છે.
જ્યારે તમે AIoT વિશે ફક્ત વાંચો છો, ત્યારે ખ્યાલો છૂટા અને છીછરા રહી જઈ શકે છે: 'edge computing' કે 'data quality' જેવા શબ્દો ઓળખાય ખરા, પણ એ એકબીજા સાથે કઈ રીતે બંધ બેસે છે અને ક્યારે મહત્ત્વના બને છે એ ઊંડાણથી પકડાતું નથી. પણ જ્યારે તમે એક નક્કર use case લઈને જાતે એનું વિશ્લેષણ કરો છો, ત્યારે તમારે બધું જોડવું જ પડે છે: એ પરિસ્થિતિ માટે કયાં sensors જોઈએ એ નક્કી કરવું પડે (ઉપકરણોના પ્રકાર અને 'કામ પ્રમાણે sensor' વાળો ખ્યાલ લગાડીને), એમને કઈ connectivity બંધ બેસે એ (પહોંચ, વીજવપરાશ અને data વચ્ચેની સોદાબાજી લગાડીને), AI ક્યાં ચાલવું જોઈએ એ (edge સામે cloud ની સોદાબાજી લગાડીને), એ કયા નિર્ણયો લે છે એ (નિર્ણય લેવાની ભાત લગાડીને), અને પ્રામાણિકપણે શું ખોટું થઈ શકે એ (પડકારો અને નૈતિકતા લગાડીને).
એકાએક ખ્યાલો ગોખવાની યાદી નહીં પણ તમે વાપરી રહ્યા હો એવાં ઓજારો બની જાય છે, અને તમારી સમજમાં રહેલા ખાડા છતા થઈ જાય છે (જો તમે કહી ન શકો કે LoRaWAN અહીં કેમ બંધ બેસે છે, તો સમજાય કે connectivity ફરી જોવી પડશે).
એને રજૂ કરવું પડે એ બીજું એક પડ ઉમેરે છે: બીજાને કશુંક સમજાવવું એ સમજણની સૌથી કડક કસોટી પણ છે અને એને ઘડનારું સાધન પણ, કારણ કે તમારે ખ્યાલોને એક સુસંગત વાર્તામાં ગોઠવવા પડે છે અને પ્રશ્નોના જવાબ આપવા પડે છે, જેનાથી બાકી રહેલા ખાડા દેખાય પણ છે અને પુરાય પણ છે.
જૂથમાં કામ કરવાથી તમને બીજાના દૃષ્ટિકોણ પણ સાંભળવા મળે છે અને તમારાથી છૂટી ગયેલા ભાગ દેખાય છે, ઉપરાંત ખરા AIoT પ્રોજેક્ટ્સમાં જરૂરી સહકારનો મહાવરો પણ થાય છે. અને પોતાનો use case પસંદ કરવાથી કામ રસપ્રદ બને છે અને દેખાય છે કે આ ખ્યાલો તમને અપાયેલા બે દાખલાથી ઘણે આગળ સુધી લાગુ પડે છે; એ કોઈ પણ AIoT system માટેનું સામાન્ય ઓજારપેટી છે.
એટલે આ પ્રવૃત્તિ છેડે મૂકેલો ભરતીનો ટુકડો નથી; આ એ બિંદુ છે જ્યાં જ્ઞાન ક્ષમતામાં ફેરવાય છે: તમે અહીંથી AIoT systems નું ખરેખર વિશ્લેષણ કરી શકો અને એમના વિશે વિચારી શકો એવી સ્થિતિમાં નીકળો છો, ફક્ત વર્ણન કરી શકો એટલું નહીં. સક્રિય રીતે લગાડવું અને સમજાવવું એ જ સમજણને ખરેખર પાકી કરે છે, અને એ જ વિષય પૂરો કરવાની ઉત્તમ રીત છે. કરો અને સમજાવો, એટલે એ તમારું થઈ જશે.
Theory
BCA601-02 પૂરું
તમે AI ના પાયાથી (narrow AI વિશે પ્રામાણિક રહીને) શરૂ કરીને IoT ઉપકરણો અને connectivity માંથી પસાર થઈને એમના AIoT તરીકેના જોડાણ સુધી, પછી real-time પ્રક્રિયા, edge સામે cloud, નિર્ણય લેવાની રીત, પડકારો અને નૈતિકતા સુધી, અને છેલ્લે જાતે systems તપાસવા સુધીની સફર કરી. AI અને IoT નો એ આખો પટ છે. બે વસ્તુ સાથે લઈ જાઓ: AIoT systems બનાવવા માટેની નક્કર ઓજારપેટી, અને એમને સારી તથા જવાબદારીપૂર્વક બનાવવા માટેની પ્રામાણિક, ટીકાત્મક સમજ. Smart farm તો ફક્ત શરૂઆત હતી; આખું જોડાયેલું જગત હવે તમે વિચારીને સમજી શકો એવી વસ્તુ છે.
Summary
Key takeaways
- અંતિમ પ્રવૃત્તિ એ છે કે જૂથમાં એક ખરા AIoT use case નું વિશ્લેષણ કરીને એ રજૂ કરવું, અને એમાં આખો વિષય લગાડવો.
- માળખાનું પગથિયું 1: નક્કર use case પસંદ કરો (smart parking, આરોગ્ય પર દેખરેખ, કચરાનું વ્યવસ્થાપન, ટ્રાફિક, છૂટક વેપાર).
- પગથિયું 2: IoT ઉપકરણો અને એ જે data ભેગો કરે છે એ ઓળખો, અને AI ને શું જોઈએ છે એ પ્રમાણે sensors બેસાડો.
- પગથિયું 3: connectivity તથા data નો પ્રવાહ સમજાવો, અને AI ક્યાં ચાલે છે (edge કે cloud) તથા શા માટે એ કહો.
- પગથિયું 4: inputs પરથી AI જે નિર્ણયો લે છે અને એમાંથી નીપજતી ક્રિયાઓ કે ચેતવણીઓ વર્ણવો.
- પગથિયું 5: લાભોને પ્રામાણિકપણે પડકારો (data ની ગુણવત્તા, latency, વીજવપરાશ) અને જવાબદારીઓ (ખાનગીપણું, સલામતી, નૈતિકતા) સામે તોળો.
- યાદ રાખવાની કડી: use case ને છેડેથી છેડા સુધી તપાસો, એટલે કે sensors, connectivity, AI, નિર્ણયો, ક્રિયાઓ અને નૈતિકતા, અને એને એક સુસંગત, પ્રામાણિક વાર્તા તરીકે રજૂ કરો.