Katra nozare cenšas uzlabot savu darbību, produktivitāti un drošību, ieviešot vairāk automatizācijas. Datorprogrammām jāspēj saskatīt modeļus un uzticami un droši veikt darbus, lai tām palīdzētu.
Tomēr pasaule ir nestrukturēta, un cilvēku veikto darbu spektrs ietver bezgalīgu skaitu scenāriju, kurus ir grūti adekvāti izteikt programmās un noteikumos.
Edge AI sasniegumi ir ļāvuši datoriem un sīkrīkiem strādāt ar cilvēka izziņas “inteliģenci” neatkarīgi no tā, kur tie atrodas. Viedās AI lietotnes iemācās veikt salīdzināmus uzdevumus dažādās situācijās, tāpat kā cilvēki to dara reālajā dzīvē.
Šajā ziņā mēs padziļināti apskatīsim Edge AI, tā priekšrocības, lietošanas gadījumus un daudz ko citu.
Kas ir Edge AI?
Edge skaitļošana ļauj lietotājiem vieglāk piekļūt datu glabāšanai un apstrādei. Tas tiek panākts, izpildot procesus vietējās ierīcēs, piemēram, klēpjdatoros, IoT ierīcēs vai specializētos malas serveros.
Latentums un joslas platums rada bažas, ka dažkārt mākoņdatošanas operācijas nerada problēmas malas funkcijām.
Edge AI maisījumi mākslīgais intelekts un malu skaitļošana (AI). Tas ietver AI algoritmu izpildi vietējās ierīcēs ar apstrādes jaudu pie malas.
Edge AI novērš nepieciešamību pēc sistēmas savienojamības un integrācijas, ļaujot lietotājiem savās ierīcēs apstrādāt datus reāllaikā. Lai gan AI operācijām ir nepieciešama liela skaitļošanas jauda, lielākā daļa no tām tagad tiek veiktas mākoņdatošanas centros.
Trūkums ir tāds, ka savienojuma vai tīkla problēmu dēļ var rasties pakalpojuma pārtraukumi vai ievērojams lēnums.
Integrējot AI procesus malas skaitļošanas ierīcēs, malas AI pārvar šīs bažas. Apkopojot datus un apkalpojot lietotājus, nesazinoties ar citām fiziskām vietnēm, lietotāji var ietaupīt laiku.
Kā darbojas Edge AI tehnoloģija?
Mašīnām jāspēj redzēt, identificēt objektus, vadīt automašīnas, saprast runu, runāt, pārvietoties un veikt citus cilvēkiem līdzīgus uzdevumus. Lai dublētu cilvēka izziņu, AI izmanto datu struktūru, kas pazīstama kā dziļa neironu tīklu.
Šie DNN tiek mācīti atbildēt uz noteikta veida vaicājumiem, parādot vairākus šī jautājuma paraugus kopā ar precīzām atbildēm.
Tā kā precīza modeļa apmācībai nepieciešams liels datu daudzums un datu zinātniekiem ir jāsadarbojas modeļa veidošanā, šis apmācības process, kas pazīstams kā “dziļā mācīšanās”, parasti tiek veikts datu centrā vai mākonī. Modelis kļūst par “secinājumu dzinēju”, kas pēc apmācības var atbildēt uz reālajām problēmām.
Secinājumu dzinējs malas AI izvietošanā darbojas datorā vai ierīcē, kas atrodas attālā vietā, piemēram, rūpnīcā, slimnīcā, automašīnā, satelītā vai cilvēka mājā.
Kad mākslīgais intelekts saskaras ar problēmu, problemātiskie dati bieži tiek pārsūtīti uz mākoni, lai papildus apmācītu oriģinālo AI modeli, kas galu galā aizstāj malu secinājumu dzinēju. Tiklīdz malu AI modeļi ir ieviesti, pateicoties šai atgriezeniskās saites cilpai, tie kļūst tikai vairāk un gudrāki.
Ieguvumi
AI algoritmi ir īpaši izdevīgi vietās, kuras apmeklē galalietotāji ar reālām problēmām, jo tie var interpretēt valodu, skatus, skaņas, smaržas, temperatūru, sejas un cita veida analogu nestrukturētu informāciju.
Sakarā ar bažām par latentumu, joslas platumu un privātumu, dažas AI lietojumprogrammas būtu nepraktiskas vai pat neiespējamas ieviest centralizētā mākoņa vai biznesa datu centrā.
Tālāk ir minētas dažas malas AI priekšrocības:
- Reāllaika ieskati: Tā kā malu tehnoloģija datus analizē lokāli, nevis attālā mākonī, ko aizkavē tālsatiksmes savienojums, tā reaģē uz lietotāju pieprasījumiem reāllaikā.
- Intelekts: AI lietojumprogrammas ir jaudīgākas un pielāgojamākas nekā tradicionālās programmas, kas spēj reaģēt tikai uz programmētāja paredzētām ievadēm. AI neironu tīklu, no otras puses, ir apmācīts neatbildēt uz konkrētu jautājumu, bet gan atbildēt uz konkrēta veida jautājumu, pat ja jautājums pats par sevi ir jauns. Lietojumprogrammas bez AI nevarētu apstrādāt bezgalīgi dažādas ievades, piemēram, tekstu, izrunātus vārdus vai video.
- Privātums ir palielinātsAI var pētīt reālās pasaules datus, nekad tos nepakļaujot cilvēkam, tādējādi ievērojami palielinot privātumu ikvienam, kura izskats, balss, medicīniskais attēls vai cita personiskā informācija ir jāizpēta. Edge AI vēl vairāk uzlabo privātumu, saglabājot datus lokāli un pārsūtot tikai analīzi un ieskatus uz mākoni.
- Samazinātas izmaksas: pārvietojot skaitļošanas jaudu tuvāk malai, lietojumprogrammām ir nepieciešams mazāks interneta joslas platums, kā rezultātā tiek ievērojami ietaupīti tīkla izdevumi.
- Pastāvīgs uzlabojums: Tā kā AI modeļi tiek apmācīti iegūt vairāk datu, tie kļūst precīzāki. Kad malas AI lietojumprogramma saskaras ar datiem, kurus tā nevar apstrādāt precīzi vai pārliecinoši, tā bieži tos augšupielādē, lai AI varētu pārkvalificēties un mācīties no tiem. Rezultātā, jo ilgāk modelis tiek ražots pie malas, jo precīzāks tas būs.
Edge AI lietošanas gadījumi
Rūpnieciskās iekārtas un patēriņa sīkrīki ir divi galvenie AI tirgus segmenti. Demonstrācijas testi liecina par uzlabojumiem tādās jomās kā iekārtu regulēšana un optimizēšana un kvalificēta darbaspēka prasmju automatizācija.
Patēriņa sīkrīki ar AI iespējotām kamerām, kas automātiski nosaka attēla objektus, arī gūst panākumus. Paredzams, ka, sākot ar 2021. gadu, patērētāju ierīču tirgus strauji pieaugs, jo ierīču skaits ir lielāks nekā industriālo iekārtu skaits. Tālāk mēs esam uzskaitījuši dažus populārus AI lietošanas gadījumus:
- Autonomie droni – droni Saskaņā ar ziņām ir zaudējuši kontroli un pazuduši, veicot tālvadības lidojumu testus. Autonomā drona pilots bezpilota lidaparāta lidošanā nav iesaistīts. Viņi uzrauga lietas no tālienes un izmanto dronu tikai tad, kad tas ir absolūti nepieciešams. Amazon Prime Air, bezpilota lidaparātu piegādes uzņēmums, kas izstrādā pašpiedziņas dronus, lai piegādātu preces, ir vispazīstamākais piemērs tam.
- Pašbraucošas automašīnas – aizraujošākā malu skaitļošanas izmantošana ir pašbraucošas automašīnas. Pašbraucošām automašīnām daudzos apstākļos ir nekavējoties jāizvērtē situācijas, tādēļ ir nepieciešama datu apstrāde reāllaikā. Japānas Ceļu satiksmes likums un Autotransporta transportlīdzekļu likums tika pārskatīti 2019. gada decembrī, padarot vienkāršāku 3. līmeņa pašbraucošu transportlīdzekļu nosūtīšanu uz ceļa. To skaitā ir drošības prasības, kurām jāatbilst autonomajām automašīnām, kā arī vietas, kur tās drīkst braukt. Rezultātā autoražotāji izstrādā pašpiedziņas transportlīdzekļus, kas atbilst šīm prasībām. Piemēram, Toyota ievieš TRI-P4 ar pilnu automatizāciju (4. līmenis).
- Viedtālruņi - tas ir visplašāk pazīstamais AI sīkrīks. Siri un Google Assistant, kas izmanto malas AI, lai nodrošinātu viņu balsi lietotāja saskarnes, ir ideāli malas AI gadījumi viedtālruņos. Ierīces AI novērš nepieciešamību nosūtīt ierīces datus uz mākoni, jo apstrāde notiek ierīcē (malā). Tas palīdz aizsargāt privātumu, vienlaikus samazinot trafiku.
- Izklaide – virtuāla realitāte, paplašinātā realitāte un jauktās realitātes lietojumprogrammas izklaidei ietver video materiāla straumēšanu uz virtuālās realitātes brillēm. Nododot apstrādi no brillēm uz malas serveriem gala ierīces tuvumā, šādu briļļu izmēru var samazināt līdz minimumam. Piemēram, Microsoft tikko prezentēja HoloLens — hologrāfisku datoru, kas ievietots galvassegas, kas ļauj lietotājiem izjust paplašināto realitāti. Microsoft plāno izmantot HoloLens lai nodrošinātu parastās skaitļošanas, datu analīzes, medicīniskās attēlveidošanas un jaunākās spēļu lietojumprogrammas.
- Sejas atpazīšana – Sejas atpazīšanas sistēmas ir sasniegums novērošanas kamerās, kas var iemācīties atpazīt personas, pamatojoties uz viņu sejām. AI kameras modulis, kas izmanto malas AI datoru metodes, lai novērtētu sejas īpašības reāllaikā. Tas var ātri un precīzi noteikt sejas, padarot to ideāli piemērotu mārketinga rīkiem, kuru mērķauditorija ir noteiktas pazīmes, piemēram, vecums, kā arī sejas atpazīšana ierīču atbloķēšanai.
5G un Edge AI
Būtiskā prasība pēc 5G strauji augošās jomās, piemēram, pilnībā pašbraucošas automašīnas, reāllaika virtuālās realitātes pieredze un misijai kritiskās lietojumprogrammas, veicina vairāk inovāciju malu skaitļošanā un Edge AI.
5G ir nākamās paaudzes mobilais tīkls kuras mērķis ir ievērojami uzlabot pakalpojumu kvalitāti, piemēram, labāku caurlaidspēju un samazinātu latentumu, nodrošinot 10 reizes lielāku datu pārraides ātrumu nekā esošie 5G tīkli.
Apsveriet reāllaika pakešu piegādi pašbraucošajiem automobiļiem, kam nepieciešama pilnīga aizkave, kas ir mazāka par 10 ms, lai novērtētu prasību pēc ātras datu pārsūtīšanas un lokālas aprēķiniem ierīcē.
Minimālā pilnīga aizkave mākoņa piekļuvei ir lielāka par 80 ms, kas ir nepieņemami daudzām reālajām lietojumprogrammām. Edge skaitļošana atbilst 5G lietojumprogrammu prasībām, kas ir mazākas par milisekundēm, vienlaikus samazinot enerģijas patēriņu par 30–40%, tādējādi samazinot enerģijas patēriņu līdz pat 5 reizēm, salīdzinot ar piekļuvi mākoņdatam.
Edge skaitļošana un 5G palielina tīkla ātrumu, ļaujot ieviest un izvietot dažādas reāllaika AI lietojumprogrammas, piemēram, uz AI balstītu reāllaika video analīzi, kuras pamatā ir zema latentuma datu pārraide.
Nākotne
Edge AI kļūst arvien populārāks, un šajā jomā ir veikti ievērojami ieguldījumi. Piemēram, 2020. gada janvārī tika paziņots, ka Apple samaksāja 200 miljonus ASV dolāru, lai iegādātos Sietlā bāzēto AI uzņēmumu Xnor.ai.
Malu apstrādi izmanto Xnor.ai AI tehnoloģija, lai apstrādātu datus lietotāja viedtālrunī. Izmantojot viedtālruņos iebūvēto AI, mums vajadzētu sagaidīt uzlabojumus balss apstrādē, sejas atpazīšanas tehnoloģijā un privātumā.
Līdz ar 5G ieviešanu mēs varam sagaidīt zemākas cenas un lielāku pieprasījumu pēc izciliem AI pakalpojumiem visā pasaulē.
Secinājumi
Tā kā cilvēki vairāk laika pavada savās mobilajās ierīcēs, arvien vairāk uzņēmumu un izstrādātāju redz Edge tehnoloģijas ieviešanas vērtību, lai nodrošinātu ātrāku un efektīvāku pakalpojumu, vienlaikus palielinot peļņas normu.
Runājot par uzņēmuma līmeņa AI balstītiem pakalpojumiem, kā arī patērētāju komfortu un laimi, tas pavērs pilnīgi jaunu iespēju kopumu.
Lielie uzņēmumi, piemēram, Amazon un Google, ir ieguldījuši miljonus savu Edge AI sistēmu izstrādē, tādējādi uzņemoties vadību un investīcijas šajās tehnoloģijās ir vienīgais veids, kā saglabāt konkurētspēju.
No otras puses, pieaugošais pieprasījums pēc IoT ierīcēm padarīs 5G tīklus un Edge Computing plašāk izmantotus.
Atstāj atbildi