Human e Artificial Intelligence per IoT: case studies di Smart grids

Transcript

1 GRUPPO TELECOM ITALIA Internet of things: new business models Peschiera Borromeo, Maggio 2016 Human e Artificial Intelligence per IoT: case studies di Smart grids TIM SWARM Joint Open Lab

2 Sommario 4 IoT: dai dati ai servizi 4 2 Game-changers per l IoT 4 Modelli di business: aggregators multi-sided platforms 4 L esempio del progetto «INTrEPID»

3 JOL SWARM Lab: Beyond the Internet of things (IoT) Università coinvolta: Politecnico di Torino Aree: Internet of things e sistemi distribuiti per abilitare nuovi servizi Il Laboratorio SWARM studia e progetta servizi innovativi che facciano leva sulla interazione di una moltitudine («sciami») di persone, oggetti, dati, luoghi, sfruttando il valore competitivo dell operatore. I sistemi diventano sciami intelligenti (swarm intelligence) capaci di abilitare nuovi servizi co-operando fra loro. AREAS: AREAS: SWARM INTELLIGENCE, ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, INTERNET OF THINGS, COOPERATIVE APPLICATIONS 3

4 IoT: da data collection verso serivizi basati su AI Partiti da pura "data collection à verso controllo e analytics per aiutare gli utenti a capirne il valore à verso sistemi autonomici 4

5 Game-changers per l'iot Deep learning: parte del campo del machine learning; uso di Deep neural networks con una gerarchia di layer che emulano larete del ns cervello BlockChain: abilitata dalla piattaforma Ethereum, consente (tra le varie caratteristiche) una decentralizzazione delle transazioni operate dalle cose Attraverso i Big Data forte inpulso a sistemi di AI («AlphaGO») Questa tecnologia apre nuovi modelli di business dinamici basati su autonomous systems 5

6 Humans e AI: Peer-to-Peer IoE 4 Dispositivi smart con caratteristiche di AI aiutano a costruire valore mediante interazioni con gli humans: sistemi cyber-physical con integrazione senza soluzione di continuità tra persone e intelligenza artificiale * Source: nfotype=pm&appname=gbse_gb_ti_u SEN&htmlfid=GBE03620USEN&attachm ent=gbe03620u SEN.PDF 6

7 Energy Aggregator Multi-Sided Platform Cosa intendiamo per MSP per Energy Aggregator Reason Why: gestire dinamicamente la domanda energetica consente di massimizzare i margini di operatori energetici Come: Generare raccomandazioni per gli utenti «pilotando» la domanda Valore Telco: accesso ad altri «big data» che possono «aiutare» a pilotare la domanda (Telco BD o IoT) 7

8 Smart Home Brain Multi-Sided Platform Cosa intendiamo per MSP in ambito Smart Home Reason Why: la casa è sempre più connessa: per l operatore è una grandeopportunità e sfida capire come operare in questo mercato Come: creare nuovi servizi a valore aggiunto per la casa connessa Valore Telco: soluzioni Smart home e accesso ad altri «big data» che possono «aiutare» gli utenti e offrire servizi terze parti 8

9 Un esempio.. Il progetto INTrEPID 9

10 Il contesto: Cognitive IoT 4 Cyber and Physical system (human and machine in-the-loop) 4 Apprendere dai sensori e dallo user behavior e chiudere l anello di controllo 4 Operare con sistemi legacy (spesso non disponibili presenti elettrodomestici smart) IoT Devices Measures from IOT DEVICES (i.e. CONNECTED APPLIANCES) System Brain : algorithms, Machine learning and control strategies Legacy Devices Humans (e.g. feedbacks) SOLUTION: LEVERAGING ON HUMANS TO «CLOSE THE LOOP») and gather information 10

11 Apprendere dalle abitudini.. Measure INTrEPID home System INTrEPID Cloud Brain Habits detection 11

12 per provare a cambiare le abitudini attraverso suggerimenti mirati Activate or schedule delay start INTrEPID Cloud Brain Brain initially schedules starting from activation time close to habits GAIN TRUST from the users and maximize acceptance rate After this try to MOVE habits to fit desired load profile 12

13 Sperimentate diverse modalità di interazione per trasferire il valore delle informazioni ricavate dal sistema IoT Newsletter#1 - Understanding your standby consumption Newsletter#2 - Your total power consumption Newsletter#3 - Your fridge energy consumption Newsletter#4 - Your washing machine energy consumption Newsletter#5 - Your dishwasher energy consumption Newsletter#6 - Your oven energy consumption Newsletter#7 - INTrEPID 2.0 features Newsletter#8 - Your TV energy consumption Newsletter#9 - The INTrEPID District-Game Newsletter#10 - Trends on your standby consumption Newsletter#11 - The INTrEPID District-Game (update) 13

14 e sperimentate diverse forme di ingaggio con gli utenti per avere Humans in the control loop : CPS Game Active engagement: INTrEPID game Increase awareness impact : INTrEPID District 14

15 Abbiamo misurato l ingaggio degli utenti Mobile App Analytics TRENDS +95% trends 15

16 ..e misurato la reazione alle raccomandazioni di cambiamento delle attivazioni dei carichi I suggerimenti sono stati spinti contro le abitudini per misurare il comportamento degli utenti 16

17 Thanks and Q&A!

18 Claudio BOREAN Joint Open Lab SWARM