物联网(IoT)在我们生活的各个领域造成了广泛的破坏。物联网的发展不受独特技术领域进步的影响；相反，一系列新兴技术和创新趋势汇聚在一起，创造了对无处不在世界的统一体验。边缘计算、5G/6G和云计算的出现引入了一套架构模式，以限度地减少延迟、网络带宽要求，并允许系统扩展超出限制。在“新常态”的世界中，商业和社会转型带来的无限机遇将物联网应用融入我们的日常生活，数十亿个传感器相互无缝交互。
    暴露无孔不入的渠道和部署智能自动化的快速扩张为21世纪数字化转型的未来带来了严峻挑战。AI和ML有前途的应用大多在集中式云生态系统中执行，远离行动点。这种情报并非旨在从环境中获得态势感知。利用捕获和分析时间数据以及在运营周期的活动窗口内及时解释感官事件的好处正在成为获得战略优势和解决网络安全问题的关键当务之急。随着传感器和应用程序的多样性呈指数增长。
    在工业自动化的背景下，以边缘为中心的设计应用并不新鲜。基于目的的控制系统旨在记录异常和逻辑驱动的切换功能以管理企业资产。边缘架构的现代设计需要自主操作，并支持直观的工作流程，而人工干预有限或无需人工干预。围绕自动驾驶汽车、机器人手术、远程患者监控、智能家庭能源自动化、智能电网监控、智慧城市基础设施等的炒作，都是依靠边缘节点来模仿专家的思维和像人类一样有意识的行为。通常的AI/ML模型通过处理大量历史数据的大规模计算来增强可操作的洞察力。
    计算密集型迭代训练随着时间的推移提高了模型性能。此类功能通常部署为离线流程，以执行更深入的分析并提取预测/规范趋势。在边缘智能的当前和未来实施范围内，我们见证了三个需要解决的关键问题或变化：
    预定义规则/定制验证的限制可以通过可扩展且直观的AI/ML模型来解决，该模型能够从离散的感官反馈/事件中提取可操作的见解。但是，此类功能与远程云基础设施建立了强耦合。
    无法通过实时聚合入站数据和事件来开发需要自适应知识丰富能力的态势感知。这种上下文感知对于扩展自主操作、灾难性故障以及在对云的依赖化的情况下开发边缘到边缘协作至关重要。
    通过推断第2点，边缘运行时系统应通过缩短响应时间或采取预防措施，限度地减少分布式物联网资产对网络安全威胁的暴露。此外，应在行动点识别侵入式请求/命令和勒索软件攻击的模式。
    因此，新兴的物联网系统打算继承一种新的智能，可以在事件生命周期的*短窗口内感知、决定和处理物理事件。认知人工智能与分布式物联网系统的融合有望提供一站式解决方案，以解决智能边缘原生平台的战略需求，并实现下一代物联网系统的工业4.0基准。
    认知模型旨在复制人类行为和推理模式，以理解预测性和规范性趋势。认知AI模型的基于语义的学习对历史数据的依赖性，并且随着时间的推移具有内在的增量知识开发能力。这样的运行时非常适合边缘节点上的任何直观操作，这些操作受限于有限的处理和持久性能力。随着时间的推移重新训练模型，无法实现获得运营成熟度和响应自动化的系统化过程。认知成熟度的提高应通过逐步获取信息和进行时间点分析来实现。
    此外，发展认知智能、感知和神经运动能力的过程主要是通过无监督学习的自适应过程来完成的。通过认知AI围绕自我学习、权衡上下文和分析冲突证据的能力提高了物联网系统智能边缘运行时的运营智能、可扩展性和可扩展性。
    移动边缘计算和Cloudlets的进步趋势正在将基于边缘的智能传播到连接和更受控制的企业系统中。然而，在普遍的网络物理生态系统的多样性中，离散边缘节点的自主性将需要在*少监督的情况下获得运营智能。
    认知计算智能的新兴创新揭示了引入当代基于软计算的算法、架构重新思考和下一代物联网系统的渐进式系统设计的巨大潜力。认知物联网系统粉碎了软件和硬件子系统的孤岛和相互依赖之间的强烈划分。边缘原生AI组件的灵活性足以识别物理环境的变化并实时动态调整分析结果。因此，人机或机器与机器之间的交互变得更加动态、可互操作并且与任何操作的时间和范围相关。
    结论
    随着我们将注意力转移到新范式，认知边缘运行时的实时模式识别和异常检测功能显着降低了分布式物联网应用程序和网络的脆弱性。这种保护性智能可以补充不太安全的现有自动化，也可以成为未来实施的一部分。因此，认知人工智能与边缘计算的融合将通过克服新兴的面向边缘的设计模式的固有局限性，继续颠覆物联网系统的创新。由于嵌入式设备上计算和存储能力的快速发展，两种新兴技术趋势之间的联系将继续加强。