Indholdsfortegnelse[Skjule][At vise]
Hver sektor søger at forbedre sin drift, produktivitet og sikkerhed ved at implementere mere automatisering. Computerprogrammer skal være i stand til at skelne mønstre og udføre opgaver pålideligt og sikkert for at hjælpe dem.
Men verden er ustruktureret, og det spektrum af job, som mennesker udfører, omfatter et uendeligt antal scenarier, som er svære at udtrykke tilstrækkeligt i programmer og regler.
Edge AI-fremskridt har gjort det muligt for computere og gadgets at arbejde med "intelligensen" af menneskelig kognition, uanset hvor de er. Smarte AI-aktiverede apps lærer at udføre sammenlignelige opgaver i en række forskellige situationer, ligesom mennesker gør i det virkelige liv.
Vi vil tage et dybt kig på Edge AI, dets fordele, use cases og meget mere i dette indlæg.
Hvad er Edge AI?
edge computing giver brugerne lettere adgang til datalagring og -behandling. Dette opnås ved at udføre processer på lokale enheder såsom bærbare computere, IoT-enheder eller specialiserede edge-servere.
Latenstiden og båndbredden er bekymret for, at undertiden sky-baserede operationer ikke er et problem for edge-funktioner.
Edge AI-blandinger kunstig intelligens og edge computing (AI). Dette indebærer eksekvering af AI-algoritmer på lokale enheder med processorkraft på kanten.
Edge AI eliminerer behovet for systemtilslutning og integration, hvilket giver brugerne mulighed for at behandle data i realtid på deres enheder. Selvom AI-operationer kræver meget regnekraft, udføres størstedelen af dem nu i skybaserede centre.
Ulempen er, at tjenesteafbrydelse eller betydelig langsomhed kan forekomme på grund af forbindelses- eller netværksproblemer.
Ved at integrere AI-processer i edge computing-enheder overvinder edge AI disse bekymringer. Ved at indsamle data og servicere brugere uden at skulle kommunikere med andre fysiske websteder, kan brugerne spare tid.
Hvordan fungerer Edge AI-teknologi?
Maskiner skal være i stand til at se, identificere objekter, betjene biler, forstå tale, tale, bevæge sig og udføre andre menneskelignende opgaver. For at duplikere menneskelig kognition bruger AI en datastruktur kendt som en dyb neurale netværk.
Disse DNN'er læres at svare på visse slags forespørgsler ved at blive vist flere eksempler på det spørgsmål sammen med nøjagtige svar.
På grund af den store mængde data, der er nødvendig for at træne en nøjagtig model og kravet om, at dataforskere samarbejder om at bygge modellen, udføres denne træningsproces, kendt som "deep learning", generelt i et datacenter eller skyen. Modellen udvikler sig til en "inferensmotor", der kan besvare problemer i den virkelige verden efter at være blevet trænet.
Inferensmotoren i Edge AI-implementeringer fungerer på en computer eller enhed på et fjerntliggende sted, såsom en fabrik, et hospital, en bil, en satellit eller en persons hus.
Når AI støder på et problem, overføres de problematiske data ofte til skyen for yderligere træning af den originale AI-model, som til sidst erstatter edge-inferensmotoren. Når først edge AI-modeller er implementeret, bliver de kun flere og klogere takket være denne feedback-loop.
Fordele
AI-algoritmer er særligt fordelagtige på steder, der frekventeres af slutbrugere med problemer i den virkelige verden, fordi de kan fortolke sprog, syn, lyde, dufte, temperatur, ansigter og andre analoge former for ustruktureret information.
På grund af bekymringer med latenstid, båndbredde og privatliv ville nogle AI-applikationer være upraktiske eller endda umulige at implementere i et centraliseret cloud- eller forretningsdatacenter.
Følgende er nogle af fordelene ved edge AI:
- Indsigt i realtid: Da edge-teknologi analyserer data lokalt i stedet for i en fjern sky, der er forsinket af langdistanceforbindelse, reagerer den på brugeranmodninger i realtid.
- Intelligens: AI-applikationer er mere kraftfulde og tilpasningsdygtige end traditionelle programmer, som kun kan reagere på input, som programmøren har forudsagt. En AI neurale netværk, på den anden side er trænet til ikke at besvare et specifikt spørgsmål, men snarere til at besvare en bestemt slags spørgsmål, selvom spørgsmålet i sig selv er nyt. Applikationer ville være ude af stand til at behandle uendeligt forskellige input, såsom tekst, talte ord eller video uden AI.
- Privatlivets fred øget: AI kan studere data fra den virkelige verden uden nogensinde at udsætte dem for et menneske, hvilket øger privatlivets fred betydeligt for enhver, hvis udseende, stemme, medicinske billede eller andre personlige oplysninger skal studeres. Edge AI forbedrer privatlivets fred yderligere ved at gemme data lokalt og kun overføre analysen og indsigten til skyen.
- Omkostninger reduceret: Ved at flytte computerkraft tættere på kanten kræver applikationer mindre internetbåndbredde, hvilket resulterer i betydelige besparelser i netværksudgifter.
- Konsekvent forbedring: Efterhånden som AI-modeller trænes på flere data, bliver de mere nøjagtige. Når en edge AI-applikation støder på data, som den ikke er i stand til at håndtere præcist eller sikkert, uploader den det ofte, så AI'en kan genoptræne og lære af det. Som et resultat, jo længere en model er i produktion på kanten, jo mere nøjagtig vil den være.
Edge AI use cases
Industrielle maskiner og forbrugergadgets er de to hovedsegmenter af edge AI-markedet. Demonstrationstests viser forbedringer inden for områder som regulering og optimering af udstyr og automatisering af kvalificeret arbejdskraft.
Forbrugergadgets med AI-aktiverede kameraer, der automatisk registrerer billedmotiver, gør også fremskridt. Markedet for forbrugerenheder forventes at vokse dramatisk fra 2021 og frem på grund af det faktum, at antallet af enheder er større end antallet af industrielt udstyr. Vi har listet nogle populære edge AI-brugscases nedenfor:
- Autonome Droner – Droner ifølge nyhederne har mistet kontrollen og forsvundet, mens de udførte fjernflyvningsprøver. Piloten af en autonom drone er ikke involveret i flyvningen af dronen. De holder øje med tingene på afstand og bruger kun dronen, når det er absolut nødvendigt. Amazon Prime Air, en droneleveringsvirksomhed, der udvikler selvkørende droner til at levere varer, er det mest kendte eksempel på dette.
- Selvkørende biler – Den mest spændende brug af edge computing er selvkørende biler. Selvkørende biler skal foretage øjeblikkelige vurderinger af situationer under mange omstændigheder, hvilket nødvendiggør databehandling i realtid. Japans Road Traffic Act og Road Transportation Vehicle Law blev revideret i december 2019, hvilket gør det nemmere at få niveau 3 selvkørende køretøjer på vejen. De sikkerhedskrav, som selvkørende biler skal opfylde, samt de steder, hvor de kan køre, er blandt dem. Som følge heraf udvikler bilproducenter selvkørende køretøjer, der opfylder disse krav. Toyota, for eksempel, sætter TRI-P4 igennem sine trin med komplet automatisering (niveau 4).
- Smartphones – dette er den edge AI-gadget, som vi alle er mest fortrolige med. Siri og Google Assistant, som anvender edge AI til at drive deres stemme brugergrænseflader, er ideelle forekomster af edge AI på smartphones. On-device AI eliminerer behovet for at sende enhedsdata til skyen, fordi behandlingen finder sted på enheden (edge). Dette hjælper med at beskytte privatlivets fred, samtidig med at det reducerer trafikken.
- Underholdning – Virtuel reality-, augmented reality- og mixed reality-applikationer til underholdning omfatter streaming af videomateriale til virtual reality-briller. Ved at outsource behandling fra brillerne til kantservere nær slutenheden, kan størrelsen af sådanne briller minimeres. Microsoft har for eksempel netop afsløret HoloLens, en holografisk computer monteret i en hovedbeklædning, der giver brugerne mulighed for at opleve augmented reality. Microsoft planlægger at bruge HoloLens at levere konventionel databehandling, dataanalyse, medicinsk billedbehandling og gaming-at-the-edge-applikationer.
- Ansigtsgenkendelse – Ansigtsbehandling genkendelsessystemer er et fremskridt inden for overvågningskameraer, der kan lære at genkende individer baseret på deres ansigter. AI-kameramodul, der bruger edge AI-computerteknikker til at vurdere ansigtskarakteristika i realtid. Den kan registrere ansigter hurtigt og præcist, hvilket gør den ideel til marketingværktøjer, der retter sig mod bestemte egenskaber, såsom alder, samt ansigtsgenkendelse til oplåsning af enheder.
5G og Edge AI
Det vitale krav til 5G i højvækstområder såsom fuldt selvkørende biler, real-time virtual reality-oplevelser og missionskritiske applikationer driver mere innovation inden for edge computing og Edge AI.
5G er næste generations mobilnetværk der søger at forbedre servicekvaliteten markant, såsom bedre gennemløb og reduceret latenstid - hvilket giver 10 gange hurtigere datahastigheder end eksisterende 5G-netværk.
Overvej pakkelevering i realtid i selvkørende biler, som kræver en ende-til-ende forsinkelse på mindre end 10 ms for at forstå kravet om hurtig dataoverførsel og lokal beregning på enheden.
Den minimale ende-til-ende forsinkelse for cloud-adgang er større end 80 ms, hvilket er uacceptabelt for mange applikationer i den virkelige verden. edge computing opfylder sub-millisekundekravene til 5G-applikationer, samtidig med at energiforbruget reduceres med 30-40 %, hvilket resulterer i op til 5 gange mindre energiforbrug sammenlignet med cloud-adgang.
Edge computing og 5G øger netværkshastigheden, hvilket giver mulighed for implementering og implementering af forskellige AI-applikationer i realtid, såsom AI-baseret videoanalyse i realtid, som er afhængig af dataoverførsel med lav latens.
Fremtid
Edge AI bliver mere populær, og der er foretaget betydelige investeringer på området. For eksempel blev det i januar 2020 annonceret, at Apple betalte 200 millioner dollars for at købe det Seattle-baserede AI-firma Xnor.ai.
Kantbehandling bruges af Xnor.ai's AI-teknologi til at behandle data på brugerens smartphone. Med indbygget AI på smartphones bør vi forvente forbedringer i stemmebehandling, ansigtsgenkendelsesteknologi og privatliv.
Med introduktionen af 5G kan vi forvente lavere priser og større efterspørgsel efter edge AI-tjenester i hele verden.
Konklusion
Efterhånden som folk bruger mere tid på deres mobile enheder, ser flere virksomheder og udviklere værdien af at implementere Edge-teknologi for at levere hurtigere og mere effektiv service og samtidig øge avancerne.
Med hensyn til AI-baserede tjenester på virksomhedsniveau, såvel som forbrugerkomfort og -glæde, vil dette åbne op for et helt nyt univers af muligheder.
Store firmaer som Amazon og Google har investeret millioner i udviklingen af deres Edge AI-systemer, og at tage føringen og investere i disse teknologier er den eneste måde at forblive konkurrencedygtig på.
Øget efterspørgsel efter IoT-enheder vil på den anden side gøre 5G-netværk og Edge Computing mere udbredt.
Giv en kommentar