關於 非監督式學習定義 ，我們在網路上蒐集到這些相關的討論、資訊與評價

創新工場和BCG諮詢合作的「+AI改造者」系列：創新工場投資的Insilico Medicine，看AI新藥研發平臺如何賦能傳統藥企，一起進行“AI＋生命科學”的顛覆式創新！

改造者系列：AI醫藥的下一站是長壽 -- 本文来自BCG微信公眾號，經授權轉載。

近期，創新工場聯合BCG波士頓咨詢旗下亨德森智庫，推出「AI融合產業：『改造者』如何促進AI普惠」系列研究。人工智能在中國大陸有著明確的落地應用場景，大量的AI企業活躍於這些垂直場景中，我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸。

作為擅於趨勢前瞻的TechVC，創新工場長期看好AI領域，深入佈局，至今已經投出了7只AI獨角獸。在系列研究中，我們采訪了數家創新系AI企業，通過這些「改造者」的視角，探究傳統企業擁抱AI的範式與路徑。

創新工場投資的英矽智能（Insilico Medicine）是一家由人工智能驅動的全球領先生物技術公司，通過發明和迭代人工智能藥物研發平臺，變革創新藥物和療法的發現方式。

英矽智能的AI藥物研發平臺已經證明了自己的能力：在今年2月和8月，半年的時間內，先後公佈了兩種臨床前候選藥物，分別用於治療特發性肺纖維化和腎臟纖維化。

在采訪中，英矽智能創始人兼首席執行官Alex Zhavoronkov博士表示，AI醫藥企業的下一個重要問題將是如何更好地理解生物學和跨物種生物學，長壽業或者抗衰老技術將會是未來的方向。以下：

■系列導讀

本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出，圍繞「AI融合產業：『改造者』1如何促進AI普惠」的課題，我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴，以及傳統企業擁抱AI的範式與路徑。

AI製藥領域於2014年左右興起，在2018—2020年間全面爆發。AI能夠快速識別大量樣本中的客觀規律，加速尋找和測試潛在靶點的過程。「有了AI，我們50個人可以做到的事情，比得上一個典型的製藥公司5000人所做的事情」，英矽智能創始人Alex Zhavoronkov在「未來呼嘯而來」一書中如是分享。2

1 「改造者」 通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸，充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
2「未來呼嘯而來」，彼得·戴曼迪斯（Peter H.Diamandis）和史蒂芬·科特勒（Steven Kotler）著。

■本期受訪嘉賓：Alex Zhavoronkov

英矽智能（Insilico Medicine）是一家由人工智能驅動的全球領先生物技術公司，通過發明和迭代人工智能藥物研發平臺，變革創新藥物和療法的發現方式，加速研發進程，為癌症、纖維化、抗感染、免疫和抗衰老等未被滿足的臨床治療需求提供創新的藥物和療法方案。

Alex Zhavoronkov是英矽智能的創始人兼首席執行官。他擁有皇后大學學士學位，約翰·霍普金斯大學生物技術碩士學位，以及莫斯科國立大學物理和數學博士學位。

■對談實錄

Q1 英矽智能原來在美國創立，後來為什麼選擇遷至中國？

Alex：中國構建了一套完善的體系和土壤，吸引創業企業、大型企業紛紛入駐。中國大陸多樣化的投資者，包括傳統藥企、科技巨頭、PE/VC等各類投資者，能將最優質的AI人才、CRO、藥企融合在一起。投資者能為初創企業提供資質牌照、幫助招聘、企業管理和宣傳等等。英矽還與許多學校開展了合作研究，擁有豐富的內部研發管線。中國完整的生態夥伴體系使得像我們這樣的企業能夠迅速擴大研發規模，甚至與大藥廠競爭。

Q2 英矽智能和輝瑞、安斯泰來、楊森製藥等諸多藥企都有合作，在和大型藥企合作的過程中有什麼心得或者經驗？

Alex：創新型的AI生物技術公司按照創立時間可以分為三大類：2014年之前成立、2014年—2015年左右成立、最近5年成立。2014年之前成立的企業通常不運用深度學習（deep learning），或者不具備向藥企提供解決方案所需的行業知識。2014—2015年間成立的企業則創立的正是時候，生成式對抗網絡（Generative Adversarial Network）出現，AI製藥開始興起。同時，許多藥企缺乏AI的專業知識和AI團隊，如果想要獲取AI方面的知識和技能，就必須與初創企業合作。作為交換，那時候的藥企也通常願意向初創企業提供資料和各類資源。英矽智能很幸運，創立時間（2014）正處於大藥企對外部合作最為開放和寬鬆的時期。而最近幾年成立的企業就沒那麼幸運了，很多藥企已經開始自建AI團隊、自研AI應用，只有具備非常特定細分領域AI技術的初創企業才有可能成功撬動藥企，與之建立合作。

然而據我的觀察，儘管許多大藥企都建有自己的AI部門和數據科學家團隊，但他們並沒有足夠強的AI能力——他們往往缺乏具備足夠AI知識的團隊。以生物醫藥方面的論文發表為例，在2014—2019年間，英矽智能發佈了上百篇AI相關的論文，然而發表AI論文數量最多的藥企阿斯利康則只有65篇，位列其次的諾華有54篇。

藥企往往也不知道從何處開始應用AI，而這正是AI初創公司能夠創造價值的地方。但是，在AI初創公司開始接觸藥企和銷售方案之前，首先要充分理解大型藥企錯綜複雜的組織架構和部門分工，針對不同部門銷售定制化的模塊，而非從一開始就銷售整體性、綜合性的解決方案。這是因為藥企內部通常很難有一個部門能夠處理所有的模塊，部門之間的協同往往沒有那麼強。因此，AI初創公司在提供解決方案的時候也要靈活地劃分模塊，對症下藥，英矽智能通常一次只銷售一個模塊。

儘管銷售是模塊化的，AI初創公司需要具備端到端、全鏈路的解決方案。英矽根據不同的研發週期，設計了三大AI平臺——新藥靶點發現平臺、分子生成和設計平臺、臨床試驗預測平臺。據我們瞭解，中國還沒有任何一家同行，同時擁有生成生物學和生成化學兩大AI平臺，能把靶點發現和小分子化合物生成有機結合在一起的公司很少。此外，英矽智能的AI系統可以用軟件形式呈現，藥企可以自行操作，用自己的數據運算測試。這些都為我們創造了差異化的優勢。

最後，對於藥企而言，如果想要應用綜合的AI解決方案，需要有整體性的戰略為引領。咨詢公司可以充當整合各部門組織、統籌整體戰略的角色，AI企業可以選擇與之合作。

Q3 在您看來，未來AI醫藥領域的發展趨勢是什麼？

Alex：在未來，最重要的不是AI技術，而是如何將AI和行業特定的實驗數據或模型結合。現在市場上已經充滿了各種各樣的技術企業，他們在不斷精進演算法模型和數據。未來的競技不會是關乎演算法或者算力，而是新的商業模式或者應用AI的新方式。

AI初創公司需要積累足夠的行業專識，理解藥企的需求，學習藥企的經驗，並向藥企證明自己提供的模塊能夠在真實的商業環境下應用，並且模塊之間能夠很好地兼容，能融入業務流程，且符合監管要求。比如機器學習加速了藥物識別，但還有很多步驟和流程並不能被加速或跨越：實驗論文不能被跨越，你依然需要向藥物監管部門提供大量實驗數據和模型來證明研究的有效性；實驗中的生物過程不能被加速，你依然需要等待生物體自然的新陳代謝和細胞活動，你也不可能直接從大鼠實驗跨越到人類實驗。而這些都涉及到更細分的新技術問題。

所以，對於AI醫藥企業而言，下一個重要的問題將是如何能夠更好地理解生物學？如何理解跨物種生物學？正因如此，我判斷長壽業或者抗衰老技術將會是未來的方向，即如何運用AI來監督和追蹤生命體在漫長時間裡無數細微的實時變化，來創建數字孿生（digital twin），進行跨物種比較、跨疾病模型比較。我相信AI是説明我們更好地認識生命體的最佳工具。

■要點回顧

1、中國的資本環境天然地聚集了垂直產業領域的優質企業，幫助AI初創公司，即「改造者」，迅速汲取經驗、擴大規模，加速行業創新與賦能。

2、在與垂直行業企業合作時，「改造者」既要有端到端的解決方案，也要有靈活、敏捷的銷售和服務模式。端到端、全鏈路的方案有助於「改造者」更靈活地根據傳統企業的需求組合方案，能夠擴大服務範圍和客群，提升「改造者」的競爭優勢。

3、未來最重要的不是AI技術，而是如何將AI與行業特定的實驗數據或模型結合。限制因素並不是演算法或者算力，而是新的商業模式或者應用AI的方式來實現行業定制化。

疫苗之亂如何解？制度面這樣做就對了！
　
1.中央應明確規定疫苗施打順序的政策，有疑義時也由中央統一解釋，避免地方任意擴張解釋。
　
2.明確規定醫療機構和地方政府造冊請領及事後申報的程序，避免人為操作空間和便於事後究責。
　　
——
　
疫苗施打順序，陷入一個造冊、各自表述的窘境。如果是非法律和公衛專業的政治人物，喊一喊也就罷了。但如果從地方衛生主管機關到檢察官都聲稱搞不清楚狀況，問題可就大了。
　
事實上，中央主管機關訂定的施打順序規則，是依據傳染病防治法第28條授權的法規命令。
　
無視施打順序規則，「可能」的法律責任非常重。
　
在刑事上，#人民 可能觸犯刑法第214條的 #使公務員登載不實罪、刑法第336條第2項的 #公益侵占罪。#公務員 的話，可能觸犯貪汙治罪條例第4條「#侵占公有財物罪」或貪污治罪條例第5條第1項第2款 #違背職務圖利罪。
　
在行政上，依據傳染病防治法第29條和第65條第3款規定，#醫療機構 未配合中央主管機關訂定之預防接種政策，可處30-200萬元罰鍰。
　
為什麼那麼多人或醫療機構有恃無恐？
　
因為疫苗的規則定義不清，範圍不明。再加上橫跨中央及地方的權責，更讓認定莫衷一是。
　
地方主管機關在這樣的狀況下擴張解釋，更進一步讓事態惡化，同時讓相關責任的追究更為艱難。
　
事實上，目前幾乎每一個違反規定的人或單位，都無辜地說：這個那個應該符合中央的某款某款類型，而且地方政府也同意啊！
　
雖然法律上這只是違法性錯誤的問題，但等到違法者多到一定數量，單純的法律問題，就質變成政治問題，要法辦也辦不下去了。
　
面對這些問題，還是要回到相關法律規定逐一爬梳，才可能釐清到底是制度的問題，還是人的問題，或者兩者皆是，並且逐一應對處理。
　
首先，規範疫苗接種的法律是「傳染病防治法」。傳染病防治法第5條很明確地規定「訂定傳染病防治政策及計畫，包括預防接種」的權責，也要「監督、指揮、輔導及考核地方主管機關執行傳染病防治工作有關事項。」
　
地方主管機關的權責則在於「依據中央主管機關訂定之傳染病防治政策、計畫及轄區特殊防疫需要，擬定執行計畫付諸實施，並報中央主管機關備查」和「執行轄區各項傳染病防治工作，包括預防接種」。
　
也就是說，整體的計劃是由中央主管機關制定，地方主管機關則依據中央訂定的政策執行。
　
地方所擬定的執行計畫，#應該報給中央主管機關備查以事後監督。#中央也要對地方進行監督、指揮、輔導及考核。
　
既然中央的大類計畫有所不明，讓人有「誤解」甚至「操作」的空間，那麼，就要由中央及時滾動檢討修正法令，讓分類更明確。
　
如果有不明確的細項，也應該由中央進行解釋，而不是任由地方恣意擴張。
　
其次，醫療機構和地方政府造冊請領及事後申報的程序，應該要凡走過就留下痕跡，以明確事實經過和責任——特別是事先的造冊和事後實際施打的清冊。
　
而在中央欠缺能量實質審查的狀況下，不能苛求中央實質審查或背上背書的責任，而要明訂「形式審查」之旨，讓違反中央法令的情況，能明確符合諸如使公務員登載不實等法律的構成要件，以利事後究責。
　
亡羊補牢，也還不晚。
　
更何況，目前的疫苗只是第一代疫苗。隨著病毒的變化和第二代疫苗的問世，疫苗之亂恐怕會再次上演。
　
甚至在武漢肺炎疫情結束之後，台灣未來仍可能再次面臨新傳染病的挑戰。如何從錯誤中學習，不要再犯相同的錯，是已經付出太多代價的我們，現在就應該做的事。

佈署 IoT Edge 和霧運算技術以開發智慧建築服務

2021年2月19日 星期五

《3S MARKET》這篇報導把物聯網的架構與實作，描寫的非常詳細，雖然在建築的細節上描述不多，但報導中也提及這是個實際驗證，可適用在很多的場域。不知道，有多少人真正看得懂？當然，連這篇都看不懂的人，就別說他真正了解物聯網、Edge 與 Cloud。

事實上這篇報導的描述不難了解，真正物聯網與邊緣運算的挑戰，是在實作。實作真正面臨的，是這些數據處理、融合、分析上的完整度，還有 —— 找到實作的場景！

摘要

基於 SoC 架構的嵌入式系統的進步，使許多商業設備的開發變得足夠強大，足以運行操作系統和複雜的算法。這些設備整合了一組具有連通性、運算能力和成本降低的不同感測器。在這種情況下，物聯網（IoT）的潛力不斷增加，並帶來了其他發展可能性：「事物」現在可以增加數據源附近的運算量；因此，可以在本地系統上，佈署不同的物聯網服務。

這種範例稱為「邊緣運算」，它整合了物聯網技術和雲端運算系統。邊緣運算可以減少感測器與中央數據中心之間，所需的通信頻寬。此方法需要管理感測器、執行器、嵌入式設備，和可能不連續連接到網路的其他資源（例如智慧手機）。這種趨勢對於智慧建築設計非常有吸引力，在智慧建築設計中，必須整合不同的子系統（能源、氣候控制、安全性、舒適性、使用者服務、維護和營運成本）以開發智慧設施。在這項工作中，分析和提出了一種基於邊緣運算範例的智慧服務設計方法。

這種新穎的方法，克服了現有設計中與服務的互操作性，和可伸縮性有關的一些缺點。描述了基於嵌入式設備的實驗架構。能源管理、安全系統、氣候控制和資訊服務，是實施新智慧設施的子系統。

1. 簡介

建築自動化系統使用開放式通信標準和介面，可以整合多種不同的建築控制規則，例如供暖、通風、空調、照明和百葉窗、安全功能和設備。但是，現有建築物通常不具有這些系統。

通常，每種安裝類型都提供特定的服務：供暖通風和空調（HVAC）控制氣候服務，攝影機和感測器提供安全服務等。僅當設計能源管理系統時，不同的子系統相關，但僅透過以下方式，連接建築物的能源管理系統。能源管理服務，集中在專用軟體中。

對於使用者和維護技術人員來說，提供不同服務的不同製造商，發現很難整合新的服務和功能。自動化建築將用於控制和數據採集的軟體，與工業協議和介面整合在一起。此外，將新服務整合到這種解決方案中並不容易，這取決於已安裝軟體的開發。

這些工業發展還為能源管理，提供了雲端連接解決方案和智慧服務。這些服務，也在集中式電腦系統中開發。數據被傳輸到這些系統或雲端進行分析。本文提出使用佈署在物聯網（IoT）技術中的邊緣和霧運算範例，主要有兩個目的：

A. 在自動化和非自動化建築物中，促進新的智慧和可互操作服務的整合（整合）。

B. 允許在建築物的所有子系統之間，分配智慧服務（互操作性）。

透過該建議，可以促進建築物子系統之間的關係。它還促進創建新的智慧服務（例如，新的分佈式智慧控制算法；使用電源管理捕獲的數據，來檢測人類活動；捕獲設備連接的模式辨識，運算可再生電力預測，在安全服務中使用電力數據等）。在這項工作中，我們設計了一個中間軟體的體系結構，該體系結構具有兩個主要層，這些層基於嵌入式設備、IoT 通信協議和硬體支援，來開發人工智慧算法（圖1）。

為了實現這一目標，我們在建築物的設施中添加了兩個概念等級：邊緣節點和霧節點。每個等級都有不同種類的設備和功能。我們佈署並實現了基於層的中間軟體的體系結構，以對模式進行實驗。

本文的組織結構如下：第 2 節回顧了智慧建築技術，建築物中的 IoT 佈署以及邊緣運算範例。第 3 節提出了一種在建築物（自動與否）中佈署邊緣和霧運算範例的方法。第 4 節介紹了進行的實驗。最後，第 5 節介紹了結論和未來的工作。

2. 相關工作

本節介紹與這項工作相關的主要研究領域。首先，我們在分析雲端運算層之後，回顧了基於邊緣運算範例的資源和服務供應。最後，我們研究了實現智慧建築的技術，並在最後的小節中，總結了先前研究的貢獻。

2.1. 邊緣運算資源和服務供應

最近，網路在兩端被標記為「邊緣」和「核心」，以查明處理發生的位置。邊緣端靠近數據源和使用者，核心端由雲端伺服器組成。透過這種方式，邊緣運算範例將運算推送到 IoT 網路的邊緣，以減少數據處理延遲，和發送到雲端的數據數量。基於雲端的後端，可以處理對時間不太敏感，或源設備本身不需要結果的處理請求（例如，物聯網網路狀態下的大數據分析）。

在邊緣運算資源供應方面，正在進行的 Horizo​​n 2020 RECAP 項目，提出了一種整合的雲端 - 邊緣 - 霧端架構，目的在解決應用放置、基礎架構管理和容量供應。雲端/邊緣基礎架構監控功能豐富了應用，基礎架構和工作負載模型，這些模型又被回饋到優化系統中，該系統可以協調應用並持續配置基礎架構。

徐等人進行的研究。 提出了一種用於邊緣運算的實用感知資源分配方法，稱為 Zenith。借助 Zenith，服務提供商可以與邊緣基礎設施提供商，建立資源共享合同，從而允許延遲感知資源調配算法，以滿足其延遲需求的方式，來調度邊緣任務。

邊緣節點資源管理（簡稱 ENORM），是管理邊緣/霧節點資源的框架，可透過監控應用需求，來自動擴展邊緣節點。可以透過靜態優先等級分配，來確定特定應用的優先等級。供應和自動縮放機制，是基於線性搜索的相對簡單的實現。

當源本身是可行動的時，邊緣雲範例也是可行的。 Chen 等人研究了行動設備向邊緣節點（特別是在無線電接入網路邊緣）的智慧運算分流。在這項工作中，作者提供了任務卸載算法，將分佈式運算卸載決策表述，為多使用者運算卸載功能。在同一項工作中，Wang 等人研究了聯合協調卸載任務，到多個邊緣節點的問題，並提出在邊緣等級引入及准入控制，以及兩階段調度方法，與傳統的最近邊緣選擇方法相比，改進了卸載性能。

2.2. 雲端運算服務配置

就社會和行業採用資訊技術而言，雲端運算範例是最具創新性的策略之一。提供的優勢提高了效率，並降低了成本，同時提供了可透過 Internet，普遍存取訪問的按需 IT 資源和服務。

當前，雲端運算服務種類繁多，甚至如何提供，這是一個受到廣泛研究的主題，正在提出許多的方案。甚至有評論總結了雲端運算範例的相關研究。

本小節介紹了有關以下問題的先前工作，這些問題與本手稿的主題有關：（i）安全性； （ii）服務品質（QoS）； （iii）提供邊緣服務。

（i）安全是雲端運算中一個具有挑戰性的問題。雲端服務位於應用環境之外，並且超出了防火牆的保護範圍，因此，需要附加的安全層。另外，邊緣和霧運算應用的行動性和異構性，使得難以定義單個過程。因此，需要一種分佈式安全策略。

此外，必須有一個標準化的環境，才能正確解決此問題，並指定霧運算和邊緣設備，如何相互協作。網路邊緣上的多個霧節點之間的敏感數據通信，需要資源受限的事物的輕量級解決方案。另一個與安全性相關的問題是數據位置。在雲端中運行數據分析是很常見的。因此，關於數據安全或隱私的公有雲與私有雲的爭論就出現了。

（ii）分配給雲端應用的資源，通常是根據合同規定的服務水準協議（SLA）所設置的。但是，實際上，由於偶爾執行大量事務，而導致分配的基礎結構飽和，可能會出現瓶頸。為了解決此問題，可以在資源可用時，動態擴展雲端基礎架構。當前，最具創新性的趨勢，目的在建構自動 SLA 合同合規系統。在 Faniyi 和 Bahsoon，以及 Singh 和 Chana 進行的研究中，可以找到與品質服務管理相關建議的詳盡綜述。考慮到這一點，提出了幾種策略來預測，應用的資源需求和 QoS 的要求。最近的工作試圖將安全性和 QoS 問題結合起來，以提供全面的性能指標。

（iii）最後，濫用雲端服務，是該領域的另一個問題。物聯網環境是霧和邊緣設備不斷加入或離開，動態的執行前後關聯。因此必須在網路邊緣提供彈性的服務。為此，在網路的可用設備之間，共享應用工作負載，可以為高階運算應用提供靈活性。提出了可靠的服務供應方法，來為系統提供更高的彈性，並提供靈活和優化的雲端服務。

在本主題中，將雲端框架和中間軟體技術，設置為與雲端層，以及具有不同介面操作系統，和體系結構的設備之間，進行通信的平台。

2.3. 物聯網在建築服務工程中

物聯網開發為在建築物上，開發數位服務提供了新資源。建築物中常見的物聯網應用，包括節能的過程環節、維護改進、雜務自動化和增強安全性。由於全球變暖，建築物的節能是一個重要的課題。

物聯網技術引入智慧建築，不僅可以減少本地溫室氣體排放，還可以將減少溫室效應擴大到更大的領域。目前，物聯網還被用於建築領域，以協助設施管理。物聯網使營運系統能夠提供更準確和更有用的資訊，從而改善營運，並為房客租戶提供最佳體驗。有基於物聯網的建議，這些建議顯示建築系統，如何與雲端進行通信，並分析所獲取的數據，以開發新的業務見解，從而能夠推動真正的增值和更高的績效。

實驗研究顯示，物聯網平台不僅可以改善，工業能源管理系統中實體的互連性，而且可以降低工業設施的能源成本。 FacilitiesNet 表示，建築物聯網（BIoT）正在推動我們獲取資訊，彼此互動和做出決策的方式發生重大轉變。BIoT 不僅與連接性或設備數量有關，而且還與交付實際和相關結果有關。當前，有很多基於物聯網的智慧家庭應用的例子。

然而，智慧設備或「物」，僅僅是連接到網路的設備或嵌入式系統。增值來自設計協調系統，和提供智慧服務，以提供實際收益的能力。這些特徵基本上，取決於對不同類型連接事物的異質性，及其互操作性的管理，並取決於數據處理提供的情報潛力。

Tolga 和 Esra 進行的研究得出的結論是，就智慧家庭系統中的軟體和硬體而言，物聯網技術尚未變得穩定。原因之一，有可能是物聯網技術仍處於發展階段。McEIhannon 所撰寫有關物聯網應用的邊緣雲和邊緣運算的未來，其評論得出了類似的結論。這篇評論提到概念和發展，目前還處於早期階段，從學術和行業的角度來看，許多挑戰都需要解決。

物聯網帶來了新的機會，但許多企業仍在尋求了解和分析，其將如何影響，並與現有的 IT 結構和管理策略整合。為此，必須創建專門的使用模式和技術，來彌合這一差距。

2.4. 發現

以下結論闡明了這項研究建議的新穎之處：

雲端運算作為「實用」的一般概念，非常適合智慧家庭應用的常規需求。但是，在某些情況下，將所有運算都移到雲端中，是不切實際的。

邊緣計算作為一種計算範例而出現，可以在物聯網設備生成的數據附近執行計算。這種範例可能有助於滿足最新應用的安全性和 QoS 的要求。

當前，控制子系統的高級建築設施，通常使用 Internet、IoT 協議和 Web 服務。專有系統是使用標準的 Internet 通信協議設計的，用於管制和監控。先前的工作顯示，基於無線感測器網路、Web 介面和工業控制模式，用於氣候控制、電源管理或安全性的控制系統，使用不同的監視和控制技術。監控應用分析，得自監控和數據採集系統中的這些子系統。對於不同的子系統，有不同的解決方案。考慮到上述情況，本工作中提出的模式，引入了以下新穎元素：

A. 介紹了一種分層架構（整合了邊緣和霧端等級），以及提供子系統之間互操作性，以及在建築物控制中開發智慧服務的方法，該方法使用了邊緣和霧端範例，這些範例將 IoT 協議整合在一起，並在本地 Intranet 中操作 AI 技術，讓雲端服務的通信層，完善了該層的架構。

B. 介紹了一種基於使用者為中心的方法，用於在互操作性需求下設計、驗證和改進新服務。

C. 該提案允許使用可以在已建的建築物中，實施的非專有硬體和軟體系統。

3. 計算模式設計

建築物中的設施子系統分為有照明、氣候、能源、安全、警報、電梯等。在自動化建築中，這些子系統由專門的控制技術控制和監控。在非自動化建築物中，不存在這些服務，並且子系統透過電子和電氣方式進行控制。在這兩種情況下，所有子系統都為建築營運，提供必要的服務。

從邏輯上講，每個子系統都在其場景中起作用，並且不能與其他子系統互操作。嵌入式電子控制器和連接的不同感測器，可以使每個子系統自動化。這些服務都是基於直接反應性控制規則。除了嵌入式控制系統和感測器之外，通信技術（基於 Internet 協議）和新的行動設備還為開發管制、監控和數據訪問服務，提供了新的可能性。

在智慧型動設備上開發，並連接到 Web 伺服器的人機介面和專用應用，是近年來已實現的服務的範例。每個子系統中的專家（氣候、安全性、電源等），都具有可以轉換為專家規則的知識。這些規則被轉換為用於管理、維護、控制、優化和其他活動的控制算法。這些規則是可以，在可程式設備上編程和實現的。但是，它們是靜態的，不會在出現新情況時發生變化，並且不能互操作，也無法適應每個安裝的特性。

例如，氣候或安全專家決定，如何使用標準啟動條件，來配置每個子系統。每個控制規則僅在一個子系統（此範例中為氣候或安全性）中工作，因此，這些子系統之間沒有互操作性。考慮到這種情況，提出的模式有助於並允許，基於不同子系統的互操作性，來整合新的數位服務，並將人工智慧（AI）技術的新服務，引入當前設施。

例如，諸如電梯控制的設施，可以用於安全服務或建築能源管理服務。氣候控制設施，可以與安全子系統整合在一起。整合到模式中的天氣預報軟體系統，可以由能源管理服務，或建築物空調服務使用。

目的是讓每個子系統中的專家，參與設計整合服務，並將所有子系統轉換為可互操作的系統。該模式會開發自動規則，並允許在考慮安裝行為本身的情況下進行決策。該模式基於一個過程，該過程包括四個開發階段（圖2）和分為不同級別的硬體 - 軟體體系結構（圖3）。該體系結構的主要等級，是邊緣等級和霧等級。這兩個層次介紹了在建築物中，應用物聯網技術的新穎性。下面介紹了模式的各個階段（分析、設計、實施和啟動）。

．分析：在此階段確定了不同的專家使用者（氣候、安全、電力、水、能源、管理人員，以及資訊和通信技術（ICT）技術人員）。諮詢專家使用者，以指定需要控制的主要過程。資訊通信技術專家作為整合環節，參與了這一過程。第一種方法產生了設計控制規則，和潛在服務所需的事物（對象）。在此階段，使用以使用者為中心的方法，並捕獲子系統的需求。

．設計：我們提出了一個三層架構（邊緣、霧端和雲端），如圖 3 所示。

．實施和數據分析：在此階段中已安裝和整合了子系統。服務基於每個子系統中的規則，分析事物（對象）生成的數據，以設計基於機器學習的服務。

．啟動：最初，在每個子系統的監督下制訂專家規則。然後，使用回饋過程安裝規則。最後，透過人工智慧技術，可以推斷出自動的和經過調整的規則。

3.1. 分析與設計

專家使用者對此過程，進行不同的審查。以使用者為中心的技術，用於設計整合流程。目的是獲得所需的所有事物（對象），它們之間的關係，以及潛在的服務。一旦指定了事物（對象）和服務，就必須關聯通信協議和控制技術。選擇了物聯網協議和嵌入式控制器；提出了人機介面；指定了邊緣層和霧層及其功能；分析專家規則和智慧服務。最後，提出了維護和操作方法。所有這些任務在專家技術人員，和資訊技術專家之間共享。

結果是事物的定義，它們之間的關係，以及與邊緣和霧層的交互作用。該過程中代表了建築物的所有子系統，數據感測器、執行器、控制器、規則和過程經過設計，可以整合所有子系統。數據集、對象和設備，由物聯網概念表示。事物由具有狀態和配置數據的實體，和前後關聯組成。事物數據位於霧和邊緣節點中，儲存的不同配置中的關聯性。

事物以數據向量表示：[ID、類型、節點、前後關聯情境]。

– ID是辨識碼。

– 類型可以是感測器、執行器、變量、過程、設備、介面、數據儲存，或可以在 IoT 生態系統中寫入、處理、通信、儲存或讀取數據的任何對象。

– 節點指定建築物子系統、功能描述、層類型（邊緣、霧端、通信或雲端）、IoT 協議和時程存取訪問。

– 前後關聯表示在 IoT 生態系統中，用於發布或讀取數據的時間、日期、位置，與其他事物的關係、狀態和訪問頻率。

表 1 是由事物（[ID、類型、節點]）。所有事物都可以訪問配置文件（CF），以了解如何使用可用數據，以及如何使用適當的訪問權限配置新數據。前後關聯數據位於內建記憶體，或是靜態儲存。使用定義的事物，設計不同的控制規則。這些控制規則是分佈在連接到網路的不同嵌入式系統中，控制過程的一部分。事物表示佈署在安裝的不同子系統中，所有的可用資源。在此等級上，設計師對所有事物進行分析、指定和關聯。基本控制算法是使用此資訊實現的。配置關聯性允許層和設備之間，所有事物的互操作性。

在此階段的另一級設計，必須提出物聯網管理中，使用的節點要求和規範。設計的流程和服務，將在邊緣或模糊節點中實施。必須指定每個節點，以確定其內部功能、通信及其服務。在獲取數據的地方，開發了智慧和處理能力。邊緣和霧層的節點，位於數據感測器、執行器和控制器附近。本文提出的方法，使用具有兩個功能的兩層（邊緣和霧端）。每一層都可以佈署互連節點的網路，以促進互操作性。

邊緣和霧層的功能是：

邊緣層功能：在連接感測器/執行器的嵌入式設備上，開發的控制軟體。某些 AI 算法可以安裝在邊緣節點上。中央處理器（CPU）和計算資源有限。安裝了通信介面，以允許在本地網路中進行整合。

霧層功能：局域網級別的通信、AI 範例、儲存、配置關聯性和監控活動。霧節點透過處理、通信和儲存，來處理 IoT 的Gateway、伺服器設備，或其他設備中的數據。在此等級實施本地、全球的整合服務。利用這些節點的硬體、軟體和通信功能，開發了基於機器學習範例的算法。霧層設備還可以在很少單位的設施或服務中，執行邊緣節點功能。

透過這兩個等級，可以優化建築設施，以獲得不同子系統之間的整合和互操作性。

表 1 顯示了每件事與關聯性配置，和節點規範的關係。節點標識其所屬的子系統（控制、能源、氣候等），層（霧端、邊緣、通信和雲端）及其執行的功能。

3.2. 架構設計

在分析和設計階段，獲得對象（事物）及其關係。規範和要求用於實現每個層。實施取決於提供所需功能的設計，和現有技術（硬體、通信和軟體）。在此階段，開發了一種適合現有設施的體系結構。物聯網協議提供互操作性，而 AI 範例則提供了適應性和優化性。邊緣運算節點用於控制設備，霧運算節點安裝在本地網路節點上。這些等級為配置、安裝和運行新流程，提供了強大的資源。

物聯網協議，傳達所有子系統數據。每個子系統由對象/事物（虛擬等級）組成，安裝為可連接的感測器/執行器/控制器設備（硬體等級）。

物聯網通信中，針對建築場景建立的要求是：標準協議、低功耗、易於存取訪問和維護、支援整合新模組，非專有硬體或軟體，以及低成本設備。

MQTT 協議，是目的在用於提供整合和互操作性資源，異構通信場景的主要物聯網協議之一。該協議被提議作為感測器、執行器、控制器、通信設備，和子系統之間的通信範例。

MQTT 協議的一些主要功能，在不同的著作中有所顯示，這使其特別適合於這項研究。他們之中有一些是：

．它是針對資源受限的場景開發的發布 - 訂閱消息協議。

．它具有低頻寬要求。

．這是一個非常節能的協議。

．編程資源非常簡單，使其特別適合於嵌入式設備。

．具有三個 QoS 等級，它提供了可靠和安全的通信。

MQTT 開發了無所不在的網路，該網路支持 n-m 節點通信模式。任何節點都可以查詢其他節點，並對其進行查詢。在這些情況下，任何節點都可以充當基地台的角色，能夠將其資訊傳輸到遠端處理位置。無處不在的感測器網路（USN）中的節點，可以處理本地數據。如果使用 Gateway，則它們具有全局可訪問性；他們可以提供擴展服務。

節點（邊緣或霧），可以具有本地和全局存取訪問權限。這些設施具有不同的可能性和益處。本地數據處理，對於基本過程控制是必需的，而全局處理則可用於模式檢測和資訊生成。從這個意義上講，擬議的平台使用了組合功能：連接到 IoT 雲端服務，本地網路區域上不同的 USN。在這種情況下，運算層（邊緣或模糊等級）將用作控制流程和雲端服務之間的介面。該層可以在與雲端進行通信之前，進行處理數據。

實現邊緣和霧端運算節點需要執行三個操作：

．連接和通信服務：所有設備必須在同一網路中，並且可以互操作。所有感測器和執行器都可用於開發服務。此活動的一個示例，是在 Internet 上遠端讀取建築物的電源參數、環境條件和開放的天氣預報數據。此活動中應實現其他功能，例如連接的安全性、可靠性和互操作性。

．嵌入式設備（邊緣運算層）中的控制算法和數據處理：在此活動中，這些設備中實現的基本控制規則和數據分析服務，可以開發新功能。此階段可以應用於數據過濾、運算氣候數據或分析功耗、直接反應控製，或使用模式辨識技術檢測事件。

．Gateway 節點（霧運算層）上的高階服務：此等級使用和管理 AI 範例，和 IoT 通信協議。霧運算節點對數據執行智慧分析，對其進行儲存，過濾並將其傳遞到不同等級，以糾正較低級別的新控制措施，或者生成雲端中服務感興趣的資訊。此階段的應用示例，包括分析新模式、預測用水量，或功耗、智慧檢測和其他預測服務。

3.3. 測試與回饋

在測試階段使用標準方法，邊緣和霧層提供不同的功能。提出了針對不同子系統的機器學習模式，並且可以將其安裝在邊緣或霧節點上。必須執行以下操作，來測試機器學習應用：

A. 定義和捕獲數據集：必須辨識、捕獲和儲存主要變量。在不同的建築子系統中，過程數據集是由連接到邊緣層的感測器捕獲的數據。使用通信協議監控和儲存數據集。一個案例是電表，該電表在配電盤中連接到嵌入式設備（邊緣節點），該嵌入式設備傳送電力數據，以在霧節點設備中儲存和處理。

B. 訓練數據集和形式辨識模式。先前數據集的一個子集，用於訓練不同的模式。評估針對從未用於訓練的數據測試模式，此過程的結果已由專家使用者驗證。目的是獲得一組代表性的結果，以了解模式在現實世界中的表現。

C. 實際場景中的驗證：必須在邊緣和霧節點上，實施新的服務和控制算法。這些模式具有用於分析數據，實施特定模式，並使用結果開發最佳參數的算法。在此階段，可以修改或進行改善模式。

D. 用統計術語和模式演變，得出測試結果：基於 AI 算法的模式而將產生近似值，而不是精確的結果。分析應用結果以確定置信度，並允許模式演化。該活動支持開發新的 AI 服務，或對已實現的算法進行修改。有監督的自動更改，是維護和改進系統的過程。此階段的過程，包括所有模式層。

建議對使用邊緣和霧，任何的安裝進行這些活動。如前所述，該模式既可以安裝在既有舊的建築物中，也可以安裝在新建築物中。對於新建築設計，基於建議模式的安裝更易於整合。此外，可以提供的服務的潛力，也使其對於既有建築物具有吸引力。

4.在建築子系統中，實施智慧服務

該模式在預先存在的住宅建築物上，進行了測試。設計和實施電源管理、管制和監控服務。物聯網協議（MQTT 和 HTTP）和 ML 範例，用於建議的層體系結構。基於 KNN 的機器學習方法，和樹決策算法用於管理功耗（家用電器），和可再生能源發電（風能和太陽能）。使用房屋中的霧節點，在雲端平台上實現監控和統計數據。該節點連接到控制可再生，和家用電器子系統的不同邊緣節點。

在圖 6 中，邊緣節點，整合在先前安裝的可再生子系統中。透過邊緣層上的這種新設備、電源管理、安全控制和操作流程得以整合，並且可以與其他子系統互操作。可以設計新的智慧服務。邊緣節點將數據傳輸到霧節點 Gateway，該 Gateway 管理功耗和發電，並控製家用電器。該節點中的輸入，是可再生能源發電的數據。輸出控件是 ON-OFF 開關，用於優化發電、安全性和操作。

4.1. 分析與設計

分析了住宅建築，以設計電源管理，安全和控制服務。 在第一種方法中，所需的主要事物（對象），它們之間的關係和不同的服務，如表 2 所示。

4.2. 執行

分析房屋中的建築子系統，以整合這個執行模式層：邊緣控制、霧服務，與雲端的通信和雲端服務。 選擇了本實驗工作中使用的感測器、執行器和控制過程（事物）。 表 3 列出了使用的嵌入式設備。

家庭服務中的控制過程，需要反應時間和互操作性。人機介面、數據存取訪問和分析服務，是本地和雲端運算上的服務。上面提到的兩個需求，都使用不同的協議處理：控制/通信上的 MQTT，和雲端服務上的 HTTP（RESTful API）是用於整合，並使所有子系統互操作的 IoT 協議。在提出的該層模式中，還使用 MQTT 協議、控制、數據處理，以及使用 RESTful 協議，到雲端的數據通信，來開發機器對機器（M2M）應用。

MQTT 使用開放的消息協議，該協議可以將遙測樣式的數據（即在遠端位置收集的測量結果），以消息的形式，從設備和感測器，沿著不可靠或受約束的網路傳輸，到伺服器（BROKER）。消息是簡單、緊湊的二進制數據包，有效載荷（壓縮的標頭，比超連結傳輸協議（HTTP）少得多的詳細資訊），並且非常適合推送簡單的消息傳遞方案，例如溫度更新或移動通知。例如，消息也可以很好地用於，將受約束的或更小的設備，和感測器連接到 Web 服務。

MQTT 通信協議，使所有對象可以互操作。透過此協議實現的發布者和訂閱者模式，可以互連所有設備和事物。該通信層由安裝在霧節點上的代理設備管理。不同的發布者和訂閱者，在不同的節點上實現。安裝了一個 Gateway 設備（霧節點）和兩個嵌入式控制器（邊緣節點），來控製家用電器和電源管理。事物和流程佈署在所有節點上。

邊緣節點控制子系統，霧節點根據決策樹，以及專家定義的規則，實現 AI 範例。霧設備將數據傳輸到雲端平台，以開發儀表板螢幕，來監看子系統的狀態。

可以開發新的雲端平台服務：事件檢測、機器學習處理、統計分析等。專家使用者設計基本的控制算法。在學習和訓練過程之後，將根據專家系統的結果，對這些算法進行調整和修改。在這項工作中，目標是在不損失生產力的情況下優化資源（控制和能源）。在邊緣或霧節點中，執行不同的控製過程；分類過程和決策樹在霧節點中實現。算法以 Python 語言實現。此語言的開源庫用於不同的應用。

4.3. 佈署與測試

對於現有建築物，邊緣節點交錯插入已安裝的控制器、配電板，以及感測器和執行器中。如果在分析階段指定了新的東西（電錶、氣候和控制器），則會安裝一些新的感測器/執行器。這項工作中佈署的邊緣節點具有以下優點：

．請勿干擾先前的安裝操作。

．他們使用新的專家規則和自動規則，引入新控件。

．他們測試和重新配置，在分析、學習和測試驗證中，設計更新的專家規則。


圖 7. 佈署在配電盤中的節點。 使用 IoT 協議通信，在不同節點中開發數據捕獲、控制算法、數據分析、儲存和通信服務

在電力管理過程中，專家使用者根據電力消耗、發電量、消耗負荷曲線、氣候數據和氣候預測數據，對具有選定流程的時間表，進行可程式處理。邊緣節點捕獲數據，並將其發送到霧節點。

霧節點處理室內和室外環境的日記數據，以及天氣狀況。霧節點還可以捕獲其他感測器數據。對房屋中的這些數據消耗和生成方式，進行檢測和分類。消費和發電結果，作為數據添加，以便與儲存的數據一起進行分析。可以使用機器學習方法開發，作為家用電器或人類活動檢測的智慧服務（圖8）。

4.3.1. 機器學習：數據捕獲過程（邊緣節點）和家用電器分類（霧節點）

連接在主配電盤中的電表，用於捕獲數據，並使用標準的 K 近似值，最近鄰（KNN）分類算法，來開發形式辨識模式。 KNN 是機器學習系統中最常見的方法之一。電表捕獲電流；如果連接了新的家用電器，則電流數據會更改。不同的家用電器具有不同的變化等級。

用於辨識家用電器的不同模式的主要變量，是連接時的電流水準差異。數據捕獲過程流程圖（圖9），顯示了在邊緣節點中實現的算法，以捕獲預處理並傳遞電力數據。

在此過程中，監督階段使用訓練數據集。接下來，真實場景中的驗證，將測試分類模式。家用分類設備將用於不同的服務：人類活動的辨識、負載控制、可再生能源管理、空調、安全性等。在訓練階段，已捕獲了不同的家用電器開機，以獲得一組形式。每個家庭都有一個矩心向量，將用於分類過程中的檢測。如上面所示的算法所示，分類器處理將產生連接時的電流數據作為輸入。KNN 分類過程流程圖（圖10）描述了 KNN 方法，它在霧節點中實現。

4.3.2. 可再生電源管理。控制電力自耗的決策樹

每個建築物都有不同的需求曲線，以及在接入電網方面的特定情況。為此，整合和可互操作的設施，可以實施適用於每種情況的不同解決方案，從而提供對太陽風資源的最佳管理，優化電源效率，簡化管理流程，並實現最高的成本節省。當可再生能源超過消耗的能源時，在使用 AC 耦合到電網的設施中，會出現問題。

在實驗工作中，太陽能在一天的中央時段的能量，大於所消耗的能量（圖11）。但是，在分析了消耗曲線之後，可以在這段時間內連接負載，以避免注入電網。可以透過設計一種算法，來滿足這一要求，該算法可以預測，何時發生此事件，以自動連接不同的負載。利用所有感測器和執行器的整合，和互操作通信，已經開發了在不同節點中，所實現的算法（圖12）。

13. 在電源管理子系統上開發的決策樹。 它由專業使用者設計，並整合在邊緣節點上。該決策樹的目的，在優化可再生能源的使用。

4.3.3. 基於 Edge 和 Fog 節點的 Control Home

圖 14 顯示了安裝在住宅房間中的邊緣節點。 該節點可以控制四個設備（設備），並捕獲感測器數據（功耗、發電量、溫度、濕度等）。該設備可以使用 MQTT 協議進行通信。該協議允許設備之間，進行其他類型的通信：智慧手機、新邊緣節點等。圖 7 和圖 14 顯示了可以在其他建築物中，佈署的標準實現。在所有系統中，都有配電板，這些配電盤佈署了霧節點和邊緣節點，如圖所示。

4.3.4. 使用物聯網協議的雲端服務

雲端服務可以監控，透過霧節點或人機介面（HMI）訪問的數據。 IoT 協議（MQTT）從任何已連接 Internet 的設備推送數據。事件檢測、儲存統計分析等其他服務，完善了該資源的功能。提供類似服務的不同平台，顯示了商用物聯網技術的狀態：Amazon IoT、Microsoft Azure、Ubidots 和 Thingspeak，是提供 IoT 平台的公司一些案例。提供了資源以及客戶端，和 IoT 平台之間的應用程式介面（API）通信，以便可以使用它們。

用於設計儀表板監控和管制的 HMI 資源，是這些平台上的主要實用功能之一。霧節點使用雲端 API 傳達數據和資訊，可以實施其他控制服務。在這些雲端平台上，預先建構了用於監控數據的儀表板設計。使用 API​​ 實用功能，霧節點中的過程處理，會將數據發送到每個儀表板。API 文件指定了在設備、IoT 平台和 Mobile-Alerts Cloud 之間，交換數據的結構，以及用於加速項目的代碼案例和形成資料庫。

圖 15 顯示了在 Ubidots 雲平台上，設計的儀表板。Ubidots是本實驗工作中使用的物聯網平台。該模式可以在實現這些協議的層，和平台中使用不同的標準協議。圖 16 顯示了在雲端平台中，IF 變量 THEN 動作的事件配置。大多數物聯網平台，都提供此功能。

5. 結論

為了設計物聯網系統，越來越多地提出邊緣霧模式。但是，每個範例都提供特定應用領域的解決方案。不同子系統之間的整合和互操作性，可以改善這種情況，並提供更好的服務。這項工作的主要目的，是透過提出一種基於邊緣層和霧層，兩層體系結構的運算模式，來解決這個問題。透過這兩層，可以基於使用邊緣或霧節點中，嵌入式的設備捕獲數據所產生的新型有用資訊，來設計和開發新服務。這些節點使用雲端平台和 IoT 協議（例如 MQTT）。

MQTT 是作為不同層（霧 – 邊緣 – 雲）之間提出的通信協議，並進行實驗的。雲端平台用於開發儀表板的面板資訊和 Internet 上的新服務，例如控制、儲存和通信事件。該平台可用於透過 API，交付不同的服務。

該模式可以在現有建築物和新建築物中，開發這些服務。在這種情況下，要求每個子系統中的專家和專業人員，參與新服務的設計。

為了測試該模式的功能，並顯示如何在實際設施中，實現該模式，在住宅中進行了一項實驗性工作。在此霧和邊緣節點前後關聯中，描述了實現的幾個範例。開發了模式辨識和決策樹方法，以展示人工智慧在設計 IoT 解決方案中的潛力。已安裝服務的結果顯示，邊緣和霧節點佈署，產生了預期中整合和互操作性的好處。

提出的工作演示了，如何將邊緣和霧範例，整合到可以增強其優勢的新架構中，從而擴展了應用領域。該體系結構的主要科學貢獻，是整合、技術的互操作性，及其為開發 AI 服務提供的設施的範例。所有這些改進，都在已開發的實驗的不同示例中顯示。具體的優化和改進，將在以後的工作中進行。此外，使用機器學習平台，和 AI 範例的新控制規則，將確保可以創建和改進新的智慧服務。

附圖：圖1.自動建構子系統和資訊技術環境。
圖2.基於使用者為中心關係的模式。
圖3.通信架構。 每個等級都有不同的功能。 提出了兩個通信等級：IoT（使用消息隊列遙測傳輸（MQTT））和 Web（使用代表性狀態傳輸（REST）協議）。這些協議的層，涵蓋了已建立的整合和互操作性要求。
圖4. 在建築物的現有設施上實施的邊緣霧架構示例：邊緣節點是較低的層次，必須與安裝的設備進行新連接。互連所有子系統的霧節點，是透過整合連接到邊緣節點的新設備來實現的。邊緣和霧節點，可以佈署在所有建築物子系統中。
圖5. 住宅建築中的第一個實驗工作。
圖6. 整合在先前安裝的可再生子系統中，邊緣節點的示例。 該節點可以使用新算法控制 ON-OFF 開關，以管理發電過程，以及通信和監控電源數據。
表1.事物示例描述。寫入 ID、類型和節點數據，以配置 XML 文件。配置關聯性儲存在霧節點中。
表 2. 實驗工作中的分析和設計要求。
表 3. 實驗室內使用的嵌入式設備。
圖 7 顯示了分佈在配電板上的節點（邊緣和霧狀）。在此節點中，設計並安裝了功率計、ON-OFF 開關控件和 AI 服務。
圖 8. 佈署的智慧電源功能。在霧節點中實施的分類過程，可用於檢測電連接和人類活動。可以使用 IoT 通信實現其他服務
圖9. 邊緣節點中捕獲，並預處理的用電量數據；MQTT 協議用於通信數據。另外，其他節點可以使用捕獲的數據，來提供其他智慧服務，佈署了整合和互操作性。
圖10. 分類過程。處理捕獲的電數據以檢測家用電器連接。可以使用 IoT 協議整合，來設計其他智慧服務。
圖11. 該圖顯示了實驗工作中的消耗和生產數據。 在自儲存的電力自備設施中，沒有儲存並且沒有注入電網，所產生的能量必須即時使用，並且不得超過所消耗的能量。 能源經理必須預測此事件，並提前連接電荷。
圖 12. 用電自耗設施中的可再生電源管理。
圖 13 是在電源管理子系統中，開發的算法的示例。 可以在邊緣節點上安裝此過程。該節點獲取氣候數據預測，並預測系統是否可以在不儲存的情況下，使用可再生能源。
圖14. 佈署的邊緣節點。該節點可以使用新算法，控制 ON-OFF 開關，並可以在每個房間或建築物中，通信和監控感測器數據。
圖 15. 在雲平台上配置的儀表板。顯示了風力發電數據和預測風力。
圖 16. 在雲端平台上配置事件的儀表板：IF 事件 THEN 動作。 該服務顯示了，如何使用雲端訪問來控制設施。與霧節點的 Internet 通信，可以控制建築物中的不同子系統，並使用電子郵件，SMS 或其他 Internet 服務來通報事件。

資料來源：https://3smarket-info.blogspot.com/2021/02/iot-edge.html?m=1&fbclid=IwAR0uijX5WdNrfzmGjVsakFGaEsWivPgyH1zumxVr7fwvvgqtdFFTI6jJXS8

✅訂閱 👉🏽 http://bit.ly/sub_tao
我身上穿的衣服都在這買的 👉🏽
https://www.taigersportswear.com [ 95折嚐鮮折扣碼 tao ]

💻#10週科學減肥 系列：https://goo.gl/V23AdL
💻#有問有答 系列：https://goo.gl/7X7PdS
💻#人生攻略 系列：https://goo.gl/utjNgQ

⌚️SWOLE 👉🏽 https://www.swoleoclock.com [ 9折折扣碼 tao ]
💊Myprotein 👉🏽 http://tidd.ly/8b59ba2e [ 75折扣碼 tao25 ]
㊙️台蓄雞胸肉 👉🏽 https://goo.gl/fpciPC [ NT$250折扣碼 CFTTAO ]

✍🏾工商 ONLY 👉🏽 business@ricegvng.com

📤來問我問題 ✍🏾
♛ WEIBO: Tao-Taiger负责人
♛ Instagram/IG: ricegvng
♛ Facebook : ricegvng

連續382天斷食
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2495396/pdf/postmedj00315-0056.pdf

郭漢聰醫師講解斷食和注意事項
http://www.relativehumanity.com.tw/Fasting.htm

胃潰瘍可能導致胃癌
https://www.ncbi.nlm.nih.gov/pubmed/8657240

長時間斷食可能導致心肌萎縮
https://www.springer.com/cda/content/document/cda_downloaddocument/9783642290558-c2.pdf?SGWID=0-0-45-1331359-p174310858

長時間斷食可能可以感善免疫系統
https://news.usc.edu/63669/fasting-triggers-stem-cell-regeneration-of-damaged-old-immune-system/


▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬▬
歡迎回來我的頻道
我們今天要討論的是
斷食對於身體的潛在危害
其實放眼望去
大家討論斷食的好處很多
但不多人分享斷食
可能對於身體的一些危險
同時我們也會
有蚊子
同時我們也會破除一些
鄉民對於斷食的迷思
在影片開始以前呢
請記得訂閱
因為接下來我會繼續分享
這些有關斷食
或是訓練飲食等等的影片內容
如果你剛步入健身啊
或是你已經在健身一段時間的話呢
你絕對不想要錯過接下來這些內容
所以趕快按下訂閱後
我們就可以開始今天影片內容
首先你需要知道
自己到底適不適合做斷食
如果你是這邊以下的人的話
那基本上你和斷食
是沒有任何的緣分的
如果你患有以下這些條件的話
那做長時間斷食
或是間歇性斷食
可能會造成身體一些不必要的危險
那斷食的定義其實是
一段時間不讓身體攝取
任何有帶熱量的物質
通常我們要進入到斷食的階段
會是至少四到十六小時
這段窗口是沒有任何的熱量來源
假設你早餐吃了
中餐沒有吃
晚餐再吃
那這樣的時間內呢
其實不太算是斷食
因為在這段時間
你的身體還是習慣
去從你吃的食物中換取能量
而不是從你自己身上的脂肪
或是酮體得到能量
這是很大的差異的
很多人認為
早餐吃完後
中餐忘記吃
晚餐再吃
那肚子很餓
這樣是因為斷食所造成的
其實並不是
普遍的斷食的方式會在
晚餐吃完後呢
一直到隔天早餐不吃
中餐才吃
那你隔天沒吃早餐
到中餐這段時間
其實是不太會造成肚子飢餓的
所以這是我們在對斷食
要先建立一個共識
我們討論斷食呢
是空腹後早餐不吃
或是一個長時間
從四到十六小時的斷食窗口
當然斷食最恐怖的一個地方就是
如果你長時間不進食的話
會不會有機會把自己給餓死
簡單來說
是絕對有餓死的可能的
而過去呢也有一些案例
是長時間沒有進食
最後的下場呢
就是餓死
在1981年的時候
蘇格蘭的一個監獄
曾經有十位政治犯
那個時候為了要表示對於當時
英國政府不滿
他們決定用斷食的方式呢
表示抗議
這些斷食者的下場
其實都是非常淒慘的
最長的人斷食達到七十幾天
最後這十位政治犯的下場呢
都是被餓死
另外一個很有趣的一件事是
在同樣的區域
早在十年前
有一位二十七歲過度肥胖的蘇格蘭男性
他曾經為了要減脂
所以嘗試了斷食
而且他這個斷食是
長達一年又十八天的斷食
這全程的斷食
都有被醫生嚴密的記錄下來
也有醫生的監督
而在三百八十二天的斷食
這位過度肥胖的男性
他只攝取水
每天該攝取的
維生素和礦物質
以及電解質
在這段時間他總共
原本的體重兩百零七公斤
一路瘦到八十二公斤
而且在斷時後的五年
都沒有復胖
這位蘇格蘭男性
他至今還是世界紀錄的保持者
成功斷食了一年又十八天
這位蘇格蘭的男性
和後面十位斷食死亡的政治犯
他們的差異在於
這些政治犯可能因為環境
因為他們當時在監獄
沒有辦法攝取每天所需要
維持身體機能的維生素
礦物質和電解質
甚至他們可能連
乾淨的水份都沒辦法取得
我認為這應該是
導致他們這些人斷食換來死亡的原因
那在過去七零年代呢
也有實驗發現
長時間的斷食
可能會造成心臟的肌肉萎縮
最後導致死亡
那這些實驗的對象呢
他們都是肥胖
而且患有第二型糖尿病的患者
那這些患者至少都斷食
長達八到六十天
反觀比較普及的短時間斷食
或是間歇性斷食
一般都是十六小時斷食
八小時進食窗口
如果你今天是從事間歇性斷食的話
其實是不需要擔心肌肉會流失的
肌肉並不會流失
你身體在這段斷食的期間
其實是充滿了大量的生長激素
這些生長激素會保護你的肌肉
不被消耗而變成能量
你身體會尋找不同的管道來得到能量
一開始會先從你肝臟中的肝醣
還有細胞中的肝醣中去轉換成葡萄糖
當肝醣被耗盡後
身體就會進入這個
糖值新生的生物化學作用
去轉換脂肪成為葡萄糖
供給身體的細胞
這是我們最想要達到的目標
燃燒身體體脂肪
讓我們的體脂肪減少
雖然接下來兩點
並不會造成生命的危險
但是有些女性發覺
長時間的斷食
會擾亂她們的經期週期
那也有些人因為胃酸分泌過多
在長時間斷食的情況下
沒有食物吸收胃裡面的胃酸
導致胃酸逆流造成身體不適
如果妳是女生發覺
斷食擾亂你的經期的話
第一個
妳可以看一下
妳自己斷食的時間是不是太長了
可以縮短這個斷食的窗口
第二個就是
當妳復食後
妳是不是攝取
少於妳每天的基礎代謝
再來是妳可以看一下
妳自己是不是睡眠有充足
可能沒有睡到六到八小時
或是妳運動量是不是太高
同時妳也可以尋求相關門診
詢問醫師的意見
該怎麼樣去改善這個問題
如果你有胃酸逆流的問題的話
應該要停止斷食
吃一點食物
讓胃酸被食物吸收
而你在復食這段期間
你攝取的食物也要盡量避免酒精
油炸物啊或是巧克力這種東西
再來呢
我們就要戳破一些普遍的迷思
我們剛在影片上半段的時候
有稍微帶到
斷食這個階段
是不會造成肌肉的流失的
尤其是如果
你沒有嘗試長時間斷食
像是超過一個禮拜
整整都不吃東西的話
如果你去做這種間些性斷食的話
你是完全不用去擔心肌肉的流失
很多人認為斷食
好像會傷害自己的消化系統
其實是完全相反
一般沒有嘗試斷食的人
每天三餐的情況下
甚至加一個宵夜
你基本上是沒有任何時間
讓你的腸胃消化系統
有任何休息的時間
沒有任何休息的時間的話
才會導致很多消化系統的問題
反觀從事間歇性斷食的人
在這個斷食階段呢
反而是一個機會
讓我們消化系統
有足後的時間修復排毒
也是腸胃細胞汰舊換新的階段
能夠改善腸胃吸收養分的效率
還蠻多人蠻肯定認為
斷食會造成胃癌
其實癌症他是一個非常
難被理解的一種疾病
造成癌症的原因
沒有那麼好的被斷定
一般人當然沒有辦法說
斷食就是造成胃癌的原因
但如果以目前的病例
還有這些數據統計下來的話
得過胃潰瘍的患者
會大幅度地提高得為癌的機率
而會得胃潰瘍的患者
是因為感染了幽門桿菌造成的
跟斷食是沒有直接關係的
根據流行病學的統計研究
家庭衛生
教育程度
個人衛生程度較低的人呢
比較會容易得幽門桿菌
如果你會擔心斷食造成胃癌的話
其實我覺得你應該要更注意這三點
也有人質疑斷食會造成免疫力下降
其實正好是相反
在2014年的時後
美國大學USC做了一個研究發現
在斷食兩到三天後
我們身體的白血球細胞會漸漸地變少
這樣子的結果
會告訴我們身體的幹細胞去
叫他生產更多的白血球
而當我們產生這些新的白血球後呢
我們的抵抗力相對的也會改善
然而也有另外一個個案在1970年的時候
有一位美國男性因為當時他得了結腸癌
進入到這個減肥的診所
即使有醫生的監督之下
後來長時間斷食候還得了肺癌
而因為後來得了肺癌而過世
那至於說是不是因為
長時間斷食而造成肺癌的產生呢
這個結果其實到目前為止
還沒有一個明確的答案
但是我們可以成功學到的就是
如果你的身體原本就有一些疾病的話
那麼斷食這種飲食方式
可能就不適合你
最後一個可能是比較具有爭議的就是
斷食這段期間會讓我的體力下降
或是讓我沒有力氣做重訓
其實我覺得這是因人而異
如果是以生物學角度來說的話
其實我們在做運動或是重訓
這種強度訓練
前面十秒鐘肌肉發力的能量來源
並不是從食物中而來
也不是從血糖中而來
而是從你身體ATP能量系統而來
但是如果你今天是像做長跑
或是你要長時間付出勞力的話
那麼可能也會需要身體
有足夠的食物或是能量來源
去供給你每一天所付出的勞力
或是所做的長時間的訓練
但是以我個人來說
我每天的工作
雖然是長時間
但是我大部分呢
都是坐在電腦桌前
那我在重訓呢
我也不覺得受到任何的影響
除了在重訓階段
我可能需要花比較多的時間
組間休息
那我可能在訓練的時候
充血感並不會像我
今天肚子中有食物這麼的好
但是他並不至於影響到我的訓練表現
有不致於影響到我的力量突破
我覺得這是
真的是因人而異
沒有辦法因為一個人自己認為怎麼樣
就像是我
我也沒辦法告訴你
你今天斷食
是不會造成力量減少
我只能告訴你
我 是不會有任何力量的減少
很多人斷食
也不會有力量沒辦法輸出
或是力量減少的問題
所以這真的是要看個人
最後補充
影片裡面講的所有這些資訊呢
都是供你參考而已
並不應該要取代醫生給你的建議或是指示
凡事必須要自己先求證
即使斷食適合很多人
但不見得適合你
如果你要嘗試斷食的話
請為自己的行為負責
不要讓我看到還有人白目問我說
如果我今天出事的話
你要負責嗎
科學是一直會不斷進步的
就像是我們人
也要一直不斷去更新自己的知識
這些知識其實不需要醫生的執照
或是營養師執照去解讀
我們只需要一個正常智商的頭腦
一個開放學習的心胸就可以了
希望這集影片內容對你有幫助
接下來我也希望做一個影片內容
有關於斷食後該怎麼樣去復食
才不會傷害到身體
如果你對這個影片內容有興趣的話
底下讓我知道
或是你有一些其他想要知道的內容
你也可以在影片底下提出來
也許將來是我會把他納入
變成是我影片的題材
那這集內容就先到這邊
希望你喜歡
我們下次見
Peace