Ĉiu sektoro serĉas plibonigi siajn operaciojn, produktivecon kaj sekurecon efektivigante pli da aŭtomatigo. Komputilaj programoj devas povi distingi ŝablonojn kaj plenumi laborpostenojn fidinde kaj sekure por helpi ilin.
Tamen, la mondo estas nestrukturita, kaj la spektro de laboroj, kiujn homoj plenumas, ampleksas senfinan nombron da scenaroj, kiujn malfacilas adekvate esprimi en programoj kaj reguloj.
Edge AI-progresoj ebligis komputilojn kaj aparatojn labori kun la "inteligenteco" de homa ekkono, sendepende de kie ili estas. Inteligentaj AI-ebligitaj apoj lernas fari kompareblajn taskojn en diversaj situacioj, same kiel homoj faras en la reala vivo.
Ni profunde rigardos Edge AI, ĝiajn avantaĝojn, uzkazojn kaj multe pli en ĉi tiu afiŝo.
Kio estas Edge AI?
Randa komputado permesas al uzantoj havi pli facilan aliron al datumstokado kaj prilaborado. Ĉi tio estas plenumita per ekzekuto de procezoj sur lokaj aparatoj kiel tekkomputiloj, IoT-aparatoj aŭ specialigitaj randserviloj.
La latenteco kaj bendolarĝo zorgas, ke foje malhelpas nub-bazitajn operaciojn ne estas problemo por randaj funkcioj.
Edge AI miksas artefarita inteligento kaj randa komputado (AI). Ĉi tio implicas ekzekuti AI-algoritmojn sur lokaj aparatoj kun pretiga potenco ĉe la rando.
Edge AI forigas la bezonon de sistema konektebleco kaj integriĝo, permesante al uzantoj prilabori datumojn en reala tempo sur siaj aparatoj. Kvankam AI-operacioj bezonas multan komputikan potencon, la plimulto el ili nun estas efektivigitaj en nub-bazitaj centroj.
La malavantaĝo estas, ke servointerrompo aŭ konsiderinda malrapideco povus okazi pro konekto aŭ retaj malfacilaĵoj.
Integrante AI-procezojn en randajn komputilajn aparatojn, edge AI venkas ĉi tiujn zorgojn. Kolektante datumojn kaj servante uzantojn sen devi komuniki kun aliaj fizikaj retejoj, uzantoj povas ŝpari tempon.
Kiel funkcias Edge AI-teknologio?
Maŝinoj devas povi vidi, identigi objektojn, funkciigi aŭtojn, kompreni parolon, paroli, moviĝi kaj plenumi aliajn homsimilajn taskojn. Por duobligi homan scion, AI uzas datumstrukturon konatan kiel profunda Neŭra reto.
Ĉi tiuj DNN-oj estas instruitaj respondi al certaj specoj de demandoj montrante plurajn specimenojn de tiu demando kune kun precizaj respondoj.
Pro la granda kvanto da datumoj necesaj por trejni precizan modelon kaj la postulo por datumsciencistoj kunlabori pri konstruado de la modelo, ĉi tiu trejnadprocezo, konata kiel "profunda lernado", estas ĝenerale farita en datumcentro aŭ la nubo. La modelo evoluas en "inferencmotoron" kiu povas respondi realmondajn problemojn post estado trejnita.
La inferenca motoro en randaj AI-deplojoj funkcias en komputilo aŭ aparato en malproksima loko, kiel ekzemple fabriko, hospitalo, aŭtomobilo, satelito aŭ domo de homo.
Kiam AI renkontas problemon, la problemaj datumoj estas ofte transdonitaj al la nubo por plia trejnado de la originala AI-modelo, kiu eventuale anstataŭigas la randan inferencmotoron. Post kiam la randaj AI-modeloj estas efektivigitaj, ili nur fariĝas pli kaj pli saĝaj, danke al ĉi tiu retrosciiga buklo.
profitoj
AI-algoritmoj estas precipe utilaj en lokoj vizitaditaj de finuzantoj kun realaj problemoj ĉar ili povas interpreti lingvon, vidindaĵojn, sonojn, odorojn, temperaturon, vizaĝojn kaj aliajn analogajn specojn de nestrukturitaj informoj.
Pro zorgoj pri latenteco, bendolarĝo kaj privateco, iuj AI-aplikoj estus nepraktikaj aŭ eĉ neeblaj efektivigeblaj en centralizita nubo aŭ komerca datumcentro.
La sekvantaroj estas kelkaj el la avantaĝoj de edge AI:
- Realtempaj komprenoj: Ĉar randteknologio analizas datumojn loke prefere ol en malproksima nubo, kiu estas prokrastita de longdistanca konektebleco, ĝi respondas al uzantpetoj en reala tempo.
- inteligento: AI-aplikoj estas pli potencaj kaj adapteblaj ol tradiciaj programoj, kiuj povas nur respondi al enigaĵoj, kiujn la programisto antaŭdiris. AI Neŭra reto, aliflanke, estas trejnita ne por respondi specifan demandon, sed prefere por respondi specifan specon de demando, eĉ se la demando mem estas nova. Aplikoj ne povus prilabori senfine diversajn enigojn kiel tekston, parolitajn vortojn aŭ filmetojn sen AI.
- Privateco Pliigita: AI povas studi realmondajn datumojn sen iam elmontri ĝin al homo, konsiderinde pliigante privatecon por iu ajn, kies aspekto, voĉo, medicina bildo aŭ aliaj personaj informoj devas esti studitaj. Edge AI plibonigas privatecon eĉ plu stokante datumojn loke kaj transdonante nur la analizon kaj komprenojn al la nubo.
- Kosto Reduktita: Movante komputikpotencon pli proksimen al la rando, aplikoj postulas malpli interretan bendolarĝon, rezultigante signifajn ŝparaĵojn en retaj elspezoj.
- Konsekvenca plibonigo: Ĉar AI-modeloj estas trejnitaj per pli da datumoj, ili fariĝas pli precizaj. Kiam randa AI-apliko renkontas datumojn, kiujn ĝi ne povas trakti precize aŭ memfide, ĝi ofte alŝutas ĝin por ke la AI povu retrejni kaj lerni de ĝi. Kiel rezulto, ju pli longa modelo estas en produktado ĉe la rando, des pli preciza ĝi estos.
Edge AI uzkazoj
Industria maŝinaro kaj konsumantaj aparatoj estas la du ĉefaj segmentoj de la randa AI-merkato. Demonstraj testoj montras plibonigon en areoj kiel reguligado kaj optimumigo de ekipaĵo kaj aŭtomatigo de lertaj laborkapabloj.
Konsumantaj aparatoj kun AI-ebligitaj fotiloj kiuj aŭtomate detektas bildsubjektojn ankaŭ progresas. Oni antaŭvidas, ke la merkato de konsumantaj aparatoj kreskos draste ekde 2021, pro la fakto, ke la nombro da aparatoj estas pli granda ol la nombro da industriaj ekipaĵoj. Ni listigis kelkajn popularajn uzkazojn de AI malsupre:
- Aŭtonomaj Virabeloj - Virabeloj perdis kontrolon kaj malaperis dum ili faris forajn flugtestojn, laŭ la novaĵoj. La piloto de aŭtonoma virabelo ne estas implikita en la flugado de la virabelo. Ili observas aferojn de malproksime kaj uzas la dronon nur kiam ĝi estas absolute esenca. Amazon Prime Air, virabel-liverkomerco, kiu disvolvas memveturajn virabelojn por liveri erojn, estas la plej konata ekzemplo de tio.
- Memveturaj Aŭtoj – La plej ekscita uzo de randa komputado estas memveturaj aŭtoj. Memveturantaj aŭtoj devas fari tujajn taksojn de situacioj en multaj cirkonstancoj, kio postulas realtempan datumtraktadon. La Leĝo pri Voja Trafika Leĝo de Japanio kaj la Leĝo pri Vojaj Veturiloj pri Transportado estis reviziitaj en decembro 2019, faciligante akiri nivelon 3 memveturajn veturilojn sur la vojo. La sekurecaj postuloj, kiujn aŭtonomaj aŭtoj devas plenumi, same kiel la lokoj, en kiuj ili povas veturi, estas inter ili. Kiel rezulto, aŭtoproduktantoj disvolvas memveturajn veturilojn, kiuj plenumas ĉi tiujn postulojn. Toyota, ekzemple, tretas la TRI-P4 kun kompleta aŭtomatigo (nivelo 4).
- Smartphones - Ĉi tio estas la randa AI-aparato kun kiu ni ĉiuj plej konas. Siri kaj Google Assistant, kiuj uzas randan AI por funkciigi sian voĉon uzantinterfacoj, estas idealaj ekzemploj de randa AI sur saĝtelefonoj. Sur-aparata AI eliminas la bezonon sendi aparatojn al la nubo ĉar pretigo okazas sur la aparato (rando). Ĉi tio helpas protekti privatecon samtempe reduktante trafikon.
- Distro - Virtuala realeco, pliigita realeco, kaj miksrealaj aplikoj por distro inkluzivas fluantan videomaterialon al virtualrealecaj okulvitroj. Subkontraktante pretigon de la okulvitroj ĝis randserviloj proksime de la fina aparato, la grandeco de tiaj okulvitroj povas esti minimumigita. Mikrosofto, ekzemple, ĵus rivelis HoloLens, holografian komputilon adaptitan en kapvestaĵon, kiu permesas al uzantoj sperti pliigitan realecon. Microsoft planas uzi la HoloLens disponigi konvencian komputadon, datuman analizon, medicinan bildigon, kaj videoludad-ĉe-la-rando-aplikojn.
- Vizaĝa rekono - Vizaĝa rekono rekonsistemoj estas progreso en gvatfotiloj kiuj povas lerni rekoni individuojn surbaze de iliaj vizaĝoj. AI fotilmodulo kiu uzas randajn AI komputilajn teknikojn por taksi vizaĝajn trajtojn en reala tempo. Ĝi povas detekti vizaĝojn rapide kaj precize, igante ĝin ideala por merkataj iloj, kiuj celas iujn trajtojn kiel aĝo, kaj ankaŭ vizaĝan rekonon por malŝlosi aparatojn.
5G kaj Edge AI
La esenca postulo por 5G en altkreskaj areoj kiel ekzemple plene memveturaj aŭtoj, realtempaj virtualrealaj spertoj kaj misi-kritikaj aplikoj kondukas pli da novigado en randa komputado kaj Edge AI.
5G estas la venontgeneracia ĉela reto tio celas signife plibonigi servokvaliton, kiel pli bonan trairon kaj reduktitan latentecon - donante 10 fojojn pli rapidajn datumkursojn ol ekzistantaj 5G-retoj.
Konsideru realtempan pakaĵetan transdonon en memveturantaj aŭtoj, kiu postulas fin-al-finan prokraston de malpli ol 10 ms por aprezi la postulon por rapida datumtransigo kaj loka sur-aparata komputado.
La minimuma fin-al-fina prokrasto por nuba aliro estas pli granda ol 80 ms, kio estas neakceptebla por multaj realaj aplikoj. Randa komputado plenumas la sub-milisekundajn postulojn de 5G-aplikoj reduktante energiuzon je 30-40%, rezultigante ĝis 5 fojojn malpli da energikonsumo kompare kun nuba aliro.
Randa komputado kaj 5G pliigas retan rapidecon, ebligante la efektivigon kaj disfaldiĝon de diversaj realtempaj AI-aplikoj, kiel ekzemple AI-bazita realtempa video-analitiko, kiuj dependas de malalta latenta transdono de datumoj.
estontaj
Edge AI fariĝas pli populara, kaj signifaj investoj estis faritaj en la kampo. Ekzemple, en januaro 2020, estis sciigite ke Apple pagis $ 200 milionojn por aĉeti la Seatlan-bazitan AI-firmaon Xnor.ai.
Randa pretigo estas uzata de la AI-teknologio de Xnor.ai por prilabori datumojn sur la inteligenta telefono de la uzanto. Kun enkonstruita AI en saĝtelefonoj, ni devus atendi plibonigojn en voĉa prilaborado, vizaĝrekonoteknologio kaj privateco.
Kun la enkonduko de 5G, ni povas atendi pli malaltajn prezojn kaj pli da postulo je randaj AI-servoj tra la mondo.
konkludo
Ĉar homoj pasigas pli da tempo sur siaj porteblaj aparatoj, pli da entreprenoj kaj programistoj vidas la valoron de efektivigo de Edge-teknologio por liveri pli rapidan, pli efikan servon dum pliigas profitmarĝenojn.
Koncerne al entrepreno-nivelaj AI-bazitaj servoj, same kiel konsumantkomforto kaj feliĉo, ĉi tio malfermos tute novan universon de eblecoj.
Grandaj firmaoj kiel Amazon kaj Google investis milionojn en la disvolviĝo de siaj Edge AI-sistemoj, tiel ekgvidi kaj investi en ĉi tiuj teknologioj estas la sola maniero resti konkurenciva.
Pliigita postulo je IoT-aparatoj, aliflanke, igos 5G-retojn kaj Edge Computing pli vaste uzataj.
Lasi Respondon