모든 부문은 더 많은 자동화를 구현하여 운영, 생산성 및 안전을 향상시키기 위해 노력하고 있습니다. 컴퓨터 프로그램은 패턴을 식별하고 이를 지원하기 위해 안정적이고 안전하게 작업을 수행할 수 있어야 합니다.
그러나 세상은 구조화되어 있지 않으며 인간이 수행하는 작업의 범위는 프로그램과 규칙으로 적절하게 표현하기 어려운 수많은 시나리오를 포함합니다.
Edge AI의 발전으로 컴퓨터와 장치가 어디에 있든 상관없이 인간 인지의 "지능"과 함께 작동할 수 있게 되었습니다. 스마트 AI 지원 앱은 인간이 실생활에서 하는 것처럼 다양한 상황에서 유사한 작업을 수행하는 방법을 학습합니다.
이 게시물에서는 Edge AI, 그 이점, 사용 사례 등에 대해 자세히 살펴보겠습니다.
엣지 AI란?
에지 컴퓨팅 사용자가 데이터 저장 및 처리에 더 쉽게 액세스할 수 있습니다. 이것은 랩톱, IoT 장치 또는 특수 에지 서버와 같은 로컬 장치에서 프로세스를 실행하여 수행됩니다.
때때로 클라우드 기반 작업을 방해하는 대기 시간 및 대역폭 문제는 에지 기능의 문제가 아닙니다.
Edge AI 혼합 인공 지능 그리고 엣지 컴퓨팅(AI). 이는 엣지에서 처리 능력을 갖춘 로컬 장치에서 AI 알고리즘을 실행하는 것을 수반합니다.
Edge AI는 시스템 연결 및 통합의 필요성을 제거하여 사용자가 장치에서 실시간으로 데이터를 처리할 수 있도록 합니다. AI 작업에는 많은 컴퓨팅 성능이 필요하지만 현재 대부분은 클라우드 기반 센터에서 수행됩니다.
단점은 연결 또는 네트워크 장애로 인해 서비스 중단 또는 상당한 속도 저하가 발생할 수 있다는 것입니다.
AI 프로세스를 에지 컴퓨팅 장치에 통합함으로써 에지 AI는 이러한 문제를 극복합니다. 다른 물리적 사이트와 통신할 필요 없이 데이터를 수집하고 사용자에게 서비스를 제공함으로써 사용자는 시간을 절약할 수 있습니다.
Edge AI 기술은 어떻게 작동합니까?
기계는 사물을 보고, 식별하고, 자동차를 작동하고, 말을 이해하고, 말하고, 움직이고, 다른 인간과 유사한 작업을 수행할 수 있어야 합니다. 인간의 인지를 복제하기 위해 AI는 딥(deep)이라는 데이터 구조를 사용합니다. 신경망.
이러한 DNN은 정확한 답변과 함께 해당 질문의 여러 샘플을 표시하여 특정 종류의 쿼리에 응답하도록 학습됩니다.
정확한 모델을 교육하는 데 필요한 대량의 데이터와 데이터 과학자가 모델 구축에 협력해야 하기 때문에 "딥 러닝"으로 알려진 이 교육 프로세스는 일반적으로 데이터 센터 또는 클라우드에서 수행됩니다. 이 모델은 훈련 후 실제 문제에 답할 수 있는 "추론 엔진"으로 발전합니다.
에지 AI 배포의 추론 엔진은 공장, 병원, 자동차, 위성 또는 개인의 집과 같은 원격 위치에 있는 컴퓨터 또는 장치에서 작동합니다.
AI에 문제가 발생하면 문제가 있는 데이터를 클라우드로 자주 전송하여 원래 AI 모델의 추가 교육을 받고 결국 에지 추론 엔진을 대체합니다. 에지 AI 모델이 구현되면 이 피드백 루프 덕분에 더욱 더 현명해집니다.
장점
AI 알고리즘은 언어, 시각, 소리, 냄새, 온도, 얼굴 및 기타 아날로그 종류의 구조화되지 않은 정보를 해석할 수 있기 때문에 실제 문제가 있는 최종 사용자가 자주 방문하는 위치에서 특히 유용합니다.
대기 시간, 대역폭 및 개인 정보 보호에 대한 우려로 인해 일부 AI 애플리케이션은 비실용적이거나 중앙 집중식 클라우드 또는 비즈니스 데이터 센터에서 구현하는 것이 불가능할 수도 있습니다.
Edge AI의 장점은 다음과 같습니다.
- 실시간 인사이트: 에지 기술은 장거리 연결로 인해 지연되는 원거리 클라우드가 아닌 로컬에서 데이터를 분석하여 사용자 요청에 실시간으로 응답합니다.
- 인텔리전스: AI 애플리케이션은 프로그래머가 예측한 입력에만 응답할 수 있는 기존 프로그램보다 더 강력하고 적응력이 뛰어납니다. AI 신경망반면에 는 특정 질문에 대답하는 것이 아니라 질문 자체가 참신하더라도 특정 종류의 질문에 대답하도록 훈련됩니다. 응용 프로그램은 AI 없이는 텍스트, 음성, 비디오 등 다양한 입력을 끝없이 처리할 수 없습니다.
- 개인정보 보호 강화: AI는 실제 데이터를 인간에게 노출하지 않고 연구할 수 있으므로 외모, 음성, 의료 이미지 또는 기타 개인 정보를 연구해야 하는 모든 사람의 프라이버시를 상당히 강화합니다. Edge AI는 데이터를 로컬에 저장하고 분석 및 통찰력만 클라우드로 전송하여 개인 정보를 더욱 향상시킵니다.
- 비용 절감: 컴퓨팅 성능을 에지에 가깝게 이동하면 애플리케이션에 필요한 인터넷 대역폭이 줄어들어 네트워킹 비용이 크게 절감됩니다.
- 지속적인 개선: AI 모델이 더 많은 데이터로 훈련될수록 더 정확해집니다. 에지 AI 애플리케이션이 정확하거나 확실하게 처리할 수 없는 데이터를 발견하면 AI가 재교육하고 학습할 수 있도록 종종 데이터를 업로드합니다. 결과적으로 모델이 에지에서 생산되는 기간이 길수록 정확도가 높아집니다.
에지 AI 사용 사례
산업용 기계와 소비자 가전은 에지 AI 시장의 두 가지 주요 부문입니다. 시연 테스트는 장비 규제 및 최적화, 숙련된 노동 기술 자동화와 같은 영역에서 개선을 보여주고 있습니다.
사진 피사체를 자동으로 감지하는 AI 지원 카메라가 장착된 소비자 기기도 발전하고 있습니다. 컨슈머 디바이스 시장은 산업용 장비의 수보다 디바이스의 수가 더 많아 2021년 이후부터 폭발적으로 성장할 것으로 예상됩니다. 아래에 몇 가지 인기 있는 에지 AI 사용 사례가 나열되어 있습니다.
- 자율 드론 - 드론 뉴스에 따르면 원격 비행 테스트를 수행하는 동안 통제력을 잃고 사라졌습니다. 자율 드론의 조종사는 드론 비행에 관여하지 않습니다. 그들은 멀리서 사물을 주시하고 절대적으로 필요할 때만 드론을 사용합니다. 물건을 배달하는 자율주행 드론을 개발하고 있는 드론 배송업체 아마존 프라임에어가 가장 잘 알려진 사례다.
- 자가 운전 자동차 – The 에지 컴퓨팅의 가장 흥미로운 용도는 자율 주행 자동차입니다. 자율주행차는 실시간 데이터 처리가 필요한 여러 상황에서 상황을 즉각적으로 평가해야 합니다. 일본의 도로교통법과 도로교통법은 2019년 3월 개정돼 4급 자율주행차를 도로에서 더 쉽게 이용할 수 있도록 했다. 자율주행차가 충족해야 하는 안전 요구 사항과 운전할 수 있는 위치가 그 중 하나입니다. 결과적으로 자동차 제조업체는 이러한 요구 사항을 충족하는 자율 주행 차량을 개발하고 있습니다. 예를 들어 Toyota는 TRI-P4를 완전 자동화(레벨 XNUMX)로 진행하고 있습니다.
- 스마트폰 – 이 우리 모두에게 가장 친숙한 엣지 AI 장치입니다. Edge AI를 사용하여 음성을 강화하는 Siri 및 Google Assistant 사용자 인터페이스, 스마트폰에서 엣지 AI의 이상적인 인스턴스입니다. 온디바이스 AI는 장치(에지)에서 처리가 이루어지기 때문에 장치 데이터를 클라우드로 보낼 필요가 없습니다. 이는 트래픽을 줄이는 동시에 개인 정보를 보호하는 데 도움이 됩니다.
- 엔터테인먼트 – 가상 현실, 증강 현실 및 엔터테인먼트를 위한 혼합 현실 응용 프로그램에는 비디오 자료를 가상 현실 안경으로 스트리밍하는 것이 포함됩니다. 안경에서 최종 장치 근처의 에지 서버로 처리를 아웃소싱하면 이러한 안경의 크기를 최소화할 수 있습니다. 예를 들어, Microsoft는 사용자가 증강 현실을 경험할 수 있도록 헤드기어에 장착된 홀로그램 컴퓨터인 HoloLens를 방금 공개했습니다. Microsoft는 HoloLens를 사용할 계획입니다. 기존 컴퓨팅, 데이터 분석, 의료 영상 및 가장자리 게임 응용 프로그램을 제공합니다.
- 안면 인식 – 안면 인식 시스템은 얼굴을 기반으로 개인을 인식하는 방법을 학습할 수 있는 감시 카메라의 발전입니다. Edge AI 컴퓨터 기술을 사용하여 얼굴 특성을 실시간으로 평가하는 AI 카메라 모듈. 얼굴을 빠르고 정확하게 감지할 수 있어 연령과 같은 특정 특성을 대상으로 하는 마케팅 도구와 장치 잠금 해제를 위한 얼굴 인식에 이상적입니다.
5G 및 엣지 AI
완전 자율 주행 자동차, 실시간 가상 현실 경험 및 미션 크리티컬 애플리케이션과 같은 고성장 영역에서 5G에 대한 필수 요구 사항은 에지 컴퓨팅 및 에지 AI에서 더 많은 혁신을 주도합니다.
5G는 차세대 셀룰러 네트워크입니다. 기존 10G 네트워크보다 5배 더 빠른 데이터 속도를 제공하여 처리량 향상 및 대기 시간 감소와 같은 서비스 품질을 크게 향상시키는 것을 추구합니다.
빠른 데이터 전송 및 로컬 장치 내 계산에 대한 요구 사항을 이해하기 위해 10ms 미만의 종단 간 지연이 필요한 자율 주행 자동차의 실시간 패킷 전달을 고려하십시오.
클라우드 액세스를 위한 최소 종단 간 지연은 80ms보다 크므로 많은 실제 응용 프로그램에서 허용되지 않습니다. 에지 컴퓨팅 5G 애플리케이션의 밀리초 미만 요구 사항을 충족하는 동시에 에너지 사용량을 30~40% 줄여 클라우드 액세스에 비해 에너지 소비를 최대 5배까지 줄입니다.
에지 컴퓨팅과 5G는 네트워크 속도를 높여 짧은 대기 시간 데이터 전송에 의존하는 AI 기반 실시간 비디오 분석과 같은 다양한 실시간 AI 애플리케이션의 구현 및 배포를 가능하게 합니다.
미래
Edge AI는 점점 대중화되고 있으며 이 분야에 상당한 투자가 이루어졌습니다. 예를 들어, 2020년 200월 Apple은 시애틀에 기반을 둔 AI 회사인 Xnor.ai를 인수하기 위해 XNUMX억 달러를 지불했다고 발표했습니다.
엣지 프로세싱은 Xnor.ai의 AI 기술이 사용자의 스마트폰에서 데이터를 처리하는 데 사용됩니다. 스마트폰에 내장된 AI를 통해 음성 처리, 안면 인식 기술 및 개인 정보 보호의 개선을 기대할 수 있습니다.
5G의 도입으로 우리는 전 세계적으로 엣지 AI 서비스에 대한 더 낮은 가격과 더 많은 수요를 기대할 수 있습니다.
결론
사람들이 모바일 장치에 더 많은 시간을 할애함에 따라 더 많은 비즈니스와 개발자가 Edge 기술을 구현하여 더 빠르고 효율적인 서비스를 제공하는 동시에 수익 마진을 높이는 가치를 인식하고 있습니다.
기업 차원의 AI 기반 서비스는 물론 소비자의 편안함과 행복까지 새로운 가능성을 열어줄 것입니다.
Amazon 및 Google과 같은 대기업은 Edge AI 시스템 개발에 수백만 달러를 투자했기 때문에 이러한 기술을 주도하고 투자하는 것이 경쟁력을 유지하는 유일한 방법입니다.
반면에 IoT 장치에 대한 수요가 증가하면 5G 네트워크와 Edge Computing이 더 널리 사용될 것입니다.
댓글을 남겨주세요.