Índice analítico[Ocultar][Mostrar]
Todos os sectores buscan mellorar as súas operacións, produtividade e seguridade implementando máis automatización. Os programas informáticos deben ser capaces de discernir patróns e realizar traballos de forma fiable e segura para poder axudalos.
Non obstante, o mundo non está estruturado e o espectro de traballos que executan os humanos abarca un número infinito de escenarios que son difíciles de expresar adecuadamente en programas e regras.
Os avances de Edge AI fixeron posible que os ordenadores e os aparellos funcionen coa "intelixencia" da cognición humana, independentemente de onde estean. As aplicacións intelixentes habilitadas para a intelixencia artificial aprenden a facer tarefas comparables nunha variedade de situacións, como o fan os humanos na vida real.
Nesta publicación analizaremos en profundidade Edge AI, os seus beneficios, casos de uso e moito máis.
Que é Edge AI?
Informática Edge permite aos usuarios un acceso máis sinxelo ao almacenamento e procesamento de datos. Isto conséguese executando procesos en dispositivos locais, como portátiles, dispositivos IoT ou servidores de borde especializados.
A latencia e o ancho de banda que ás veces obstaculizan as operacións baseadas na nube non son un problema para as funcións de borde.
Mesturas de Edge AI intelixencia artificial e Edge Computing (AI). Isto implica executar algoritmos de intelixencia artificial en dispositivos locais con potencia de procesamento no límite.
Edge AI elimina a necesidade de conectividade e integración do sistema, o que permite aos usuarios procesar datos en tempo real nos seus dispositivos. Aínda que as operacións de IA precisan de moita potencia computacional, a maioría delas agora realízanse en centros baseados na nube.
A desvantaxe é que pode producirse unha interrupción do servizo ou unha lentitude considerable debido a dificultades de conexión ou de rede.
Ao integrar procesos de intelixencia artificial nos dispositivos informáticos de borde, a intelixencia artificial supera estas preocupacións. Ao recoller datos e dar servizo aos usuarios sen ter que comunicarse con outros sitios físicos, os usuarios poden aforrar tempo.
Como funciona a tecnoloxía Edge AI?
As máquinas teñen que ser capaces de ver, identificar obxectos, manexar automóbiles, comprender a fala, falar, moverse e executar outras tarefas similares ás humanas. Para duplicar a cognición humana, a IA usa unha estrutura de datos coñecida como deep rede neural.
Estes DNN ensínanse a responder a certo tipo de consultas mostrándolles varias mostras desa pregunta xunto con respostas precisas.
Debido á gran cantidade de datos necesarios para adestrar un modelo preciso e á necesidade de que os científicos de datos cooperen na construción do modelo, este proceso de formación, coñecido como "aprendizaxe profunda", realízase xeralmente nun centro de datos ou na nube. O modelo desenvólvese nun "motor de inferencia" que pode responder a problemas do mundo real despois de ser adestrado.
O motor de inferencia nos despregamentos de IA de borde funciona nun ordenador ou dispositivo nun lugar remoto, como unha fábrica, un hospital, un automóbil, un satélite ou a casa dunha persoa.
Cando a IA atopa un problema, os datos problemáticos transfírense con frecuencia á nube para obter un adestramento adicional do modelo orixinal de IA, que finalmente substitúe o motor de inferencia de borde. Unha vez que se implementan os modelos de IA de borde, só se fan máis e máis sabios, grazas a este bucle de comentarios.
Beneficios
Os algoritmos de IA son especialmente beneficiosos en lugares frecuentados por usuarios finais con problemas do mundo real porque poden interpretar a linguaxe, as imaxes, os sons, os olores, a temperatura, as caras e outros tipos analóxicos de información non estruturada.
Debido á preocupación pola latencia, o ancho de banda e a privacidade, algunhas aplicacións de IA serían pouco prácticas ou incluso imposibles de implementar nunha nube centralizada ou nun centro de datos empresarial.
As seguintes son algunhas das vantaxes de Edge AI:
- Insights en tempo real: Como a tecnoloxía de punta analiza os datos localmente en lugar de nunha nube distante que se ve atrasada pola conectividade de longa distancia, responde ás solicitudes dos usuarios en tempo real.
- Intelixencia: as aplicacións de IA son máis potentes e adaptables que os programas tradicionais, que só poden responder ás entradas que o programador predixo. Unha IA rede neural, por outra banda, está adestrado para non responder a unha pregunta específica, senón para responder a un tipo específico de pregunta, aínda que a propia pregunta sexa nova. As aplicacións non poderían procesar infinitamente varias entradas como texto, palabras faladas ou vídeo sen AI.
- Privacidade aumentada: a IA pode estudar datos do mundo real sen expolos a un ser humano, o que aumenta considerablemente a privacidade de quen deba estudar a súa aparencia, voz, imaxe médica ou outra información persoal. Edge AI mellora aínda máis a privacidade almacenando datos localmente e transferindo só a análise e os coñecementos á nube.
- Custo reducido: Ao achegar a potencia informática ao límite, as aplicacións requiren menos ancho de banda de internet, o que supón un aforro significativo nos gastos de rede.
- Mellora consistente: A medida que se adestran os modelos de IA en máis datos, vanse facendo máis precisos. Cando unha aplicación de IA de punta atopa datos que non é capaz de manexar con precisión ou confianza, adoita cargalos para que a IA poida volver adestrarse e aprender del. Como resultado, canto máis tempo estea un modelo en produción no borde, máis preciso será.
Casos de uso de Edge AI
A maquinaria industrial e os aparellos de consumo son os dous segmentos principais do mercado de IA de punta. As probas de demostración están a mostrar melloras en áreas como a regulación e optimización de equipamentos e a automatización das habilidades de traballo cualificado.
Os gadgets de consumo con cámaras habilitadas para AI que detectan automaticamente os suxeitos da imaxe tamén están a progresar. Prevese que o mercado de dispositivos de consumo crecerá drasticamente a partir de 2021, debido ao feito de que o número de dispositivos é maior que o de equipos industriais. A continuación enumeramos algúns casos de uso de IA de bordo máis populares:
- Drones autónomos – Drones foron perdendo o control e desaparecendo mentres realizaban probas de voo a distancia, segundo a noticia. O piloto dun dron autónomo non participa no voo do dron. Vixian as cousas desde lonxe e só usan o dron cando é absolutamente esencial. Amazon Prime Air, unha empresa de entrega de drons que está a desenvolver drons autónomos para entregar artigos, é o exemplo máis coñecido disto.
- Coches autónomos - The O uso máis interesante da computación de punta son os automóbiles que se conducen por si mesmos. Os coches autónomos deben facer avaliacións inmediatas de situacións en moitas circunstancias, o que require o tratamento de datos en tempo real. A Lei de tráfico por estrada de Xapón e a Lei de vehículos de transporte por estrada revisáronse en decembro de 2019, polo que é máis sinxelo conseguir vehículos autónomos de nivel 3 na estrada. Os requisitos de seguridade que deben cumprir os coches autónomos, así como os lugares nos que poden circular, están entre eles. Como resultado, os fabricantes de automóbiles están a desenvolver vehículos autónomos que cumpran estes requisitos. Toyota, por exemplo, está a pór en marcha o TRI-P4 cunha automatización completa (nivel 4).
- Smartphones - Isto é o gadget de IA de punta co que todos estamos máis familiarizados. Siri e Google Assistant, que empregan IA de punta para potenciar a súa voz interfaces de usuario, son exemplos ideais de IA de punta en teléfonos intelixentes. A IA no dispositivo elimina a necesidade de enviar datos do dispositivo á nube porque o procesamento ten lugar no dispositivo (borde). Isto axuda a protexer a privacidade ao mesmo tempo que reduce o tráfico.
- Entretemento - Virtual aplicacións de realidade, realidade aumentada e realidade mixta para entretemento inclúen a transmisión de material de vídeo a lentes de realidade virtual. Ao terceirizar o procesamento das lentes a servidores de borde próximos ao dispositivo final, pódese minimizar o tamaño de tales lentes. Microsoft, por exemplo, acaba de presentar HoloLens, un ordenador holográfico instalado nun sombreiro que permite aos usuarios experimentar a realidade aumentada. Microsoft planea usar HoloLens para proporcionar aplicacións informáticas convencionais, análise de datos, imaxes médicas e xogos de punta.
- Recoñecemento facial – Facial Os sistemas de recoñecemento son un avance nas cámaras de vixilancia que poden aprender a recoñecer persoas en función dos seus rostros. Módulo de cámara de intelixencia artificial que utiliza técnicas informáticas avanzadas de intelixencia artificial para avaliar as características da cara en tempo real. Pode detectar rostros de forma rápida e precisa, polo que é ideal para ferramentas de mercadotecnia orientadas a determinados trazos como a idade, así como o recoñecemento facial para desbloquear dispositivos.
5G e Edge AI
O requisito vital para o 5G en áreas de alto crecemento, como os coches totalmente autónomos, as experiencias de realidade virtual en tempo real e as aplicacións de misión crítica impulsan máis innovación na computación de punta e na IA Edge.
5G é a rede móbil de próxima xeración que busca mellorar significativamente a calidade do servizo, como un mellor rendemento e unha latencia reducida, proporcionando velocidades de datos 10 veces máis rápidas que as redes 5G existentes.
Considere a entrega de paquetes en tempo real en automóbiles autónomos, o que require un atraso de extremo a extremo inferior a 10 ms para apreciar o requisito dunha transferencia rápida de datos e un cálculo local no dispositivo.
O atraso mínimo de extremo a extremo para o acceso á nube é superior aos 80 ms, o que é inaceptable para moitas aplicacións do mundo real. Informática Edge cumpre os requisitos de menos de milisegundos das aplicacións 5G ao tempo que reduce o uso de enerxía nun 30-40 %, o que resulta en ata 5 veces menos consumo de enerxía en comparación co acceso á nube.
A computación Edge e 5G aumentan a velocidade da rede, permitindo a implementación e a implantación de varias aplicacións de IA en tempo real, como a análise de vídeo en tempo real baseada na IA, que dependen da transferencia de datos de baixa latencia.
Futuro
Edge AI é cada vez máis popular e realizáronse importantes investimentos neste campo. Por exemplo, en xaneiro de 2020, anunciouse que Apple pagou 200 millóns de dólares para comprar a empresa de intelixencia artificial con sede en Seattle Xnor.ai.
A tecnoloxía AI de Xnor.ai usa o procesamento de borde para procesar datos no teléfono intelixente do usuario. Coa IA integrada nos teléfonos intelixentes, deberíamos esperar melloras no procesamento de voz, tecnoloxía de recoñecemento facial e privacidade.
Coa introdución do 5G, podemos esperar prezos máis baixos e máis demanda de servizos de IA de punta en todo o mundo.
Conclusión
A medida que a xente pasa máis tempo nos seus dispositivos móbiles, máis empresas e desenvolvedores están vendo o valor de implementar a tecnoloxía Edge para ofrecer un servizo máis rápido e eficiente ao tempo que aumentan as marxes de beneficio.
En termos de servizos baseados na IA a nivel empresarial, así como de comodidade e felicidade do consumidor, isto abrirá un universo de posibilidades totalmente novo.
Grandes empresas como Amazon e Google investiron millóns no desenvolvemento dos seus sistemas Edge AI, polo que tomar o liderado e investir nestas tecnoloxías é a única forma de manterse competitivo.
Por outra banda, o aumento da demanda de dispositivos IoT fará que as redes 5G e Edge Computing sexan máis utilizados.
Deixe unha resposta