प्रत्येक क्षेत्र अधिक ऑटोमेशन लागू करून त्यांचे कार्य, उत्पादकता आणि सुरक्षितता वाढवण्याचा प्रयत्न करीत आहे. संगणक प्रोग्राम नमुने ओळखण्यास आणि त्यांना मदत करण्यासाठी विश्वसनीय आणि सुरक्षितपणे कार्य करण्यास सक्षम असणे आवश्यक आहे.
तथापि, जग असंरचित आहे, आणि मानव राबवित असलेल्या नोकऱ्यांच्या स्पेक्ट्रममध्ये असंख्य परिस्थितींचा समावेश आहे ज्या कार्यक्रम आणि नियमांमध्ये पुरेशा प्रमाणात व्यक्त करणे कठीण आहे.
एज एआयच्या प्रगतीमुळे संगणक आणि गॅझेट कुठेही असले तरीही मानवी आकलनशक्तीच्या “बुद्धिमत्ता” सह कार्य करणे शक्य झाले आहे. स्मार्ट AI-सक्षम अॅप्स विविध परिस्थितींमध्ये तुलना करण्यायोग्य कार्ये करण्यास शिकतात, जसे की मानव वास्तविक जीवनात करतात.
आम्ही या पोस्टमध्ये एज एआय, त्याचे फायदे, वापर प्रकरणे आणि बरेच काही पाहू.
एज एआय म्हणजे काय?
एज संगणन वापरकर्त्यांना डेटा स्टोरेज आणि प्रक्रियेत सुलभ प्रवेश करण्याची अनुमती देते. स्थानिक उपकरणे जसे की लॅपटॉप, IoT उपकरणे किंवा विशेष एज सर्व्हरवर प्रक्रिया राबवून हे पूर्ण केले जाते.
लेटन्सी आणि बँडविड्थ चिंता करतात की काहीवेळा स्टिमी क्लाउड-आधारित ऑपरेशन्स एज फंक्शन्ससाठी समस्या नसतात.
एज एआय मिश्रित कृत्रिम बुद्धिमत्ता आणि एज कंप्युटिंग (एआय). यामध्ये काठावर प्रक्रिया शक्ती असलेल्या स्थानिक उपकरणांवर AI अल्गोरिदम कार्यान्वित करणे आवश्यक आहे.
एज एआय सिस्टम कनेक्टिव्हिटी आणि इंटिग्रेशनची गरज काढून टाकते, वापरकर्त्यांना त्यांच्या डिव्हाइसवर रिअल-टाइममध्ये डेटावर प्रक्रिया करण्यास अनुमती देते. जरी AI ऑपरेशन्सना भरपूर संगणकीय शक्तीची आवश्यकता असली तरी, त्यापैकी बहुतांश आता क्लाउड-आधारित केंद्रांमध्ये चालते.
गैरसोय असा आहे की कनेक्शन किंवा नेटवर्क अडचणींमुळे सेवा व्यत्यय किंवा लक्षणीय मंदपणा येऊ शकतो.
एज कंप्युटिंग उपकरणांमध्ये एआय प्रक्रिया एकत्रित करून, एज एआय या चिंतांवर मात करते. डेटा संकलित करून आणि इतर भौतिक साइटशी संप्रेषण न करता वापरकर्त्यांना सेवा देऊन, वापरकर्ते वेळ वाचवू शकतात.
एज एआय तंत्रज्ञान कसे कार्य करते?
यंत्रांना वस्तू पाहणे, ओळखणे, ऑटोमोबाईल चालवणे, बोलणे समजणे, बोलणे, हालचाल करणे आणि इतर मानवासारखी कार्ये पार पाडणे यासाठी सक्षम असणे आवश्यक आहे. मानवी आकलनशक्ती डुप्लिकेट करण्यासाठी, एआय डीप म्हणून ओळखल्या जाणार्या डेटा स्ट्रक्चरचा वापर करते मज्जासंस्थेसंबंधीचा नेटवर्क.
या DNN ला अचूक उत्तरांसह त्या प्रश्नाचे अनेक नमुने दाखवून विशिष्ट प्रकारच्या प्रश्नांना प्रतिसाद देण्यास शिकवले जाते.
अचूक मॉडेल प्रशिक्षित करण्यासाठी आवश्यक असलेल्या डेटाच्या मोठ्या प्रमाणामुळे आणि मॉडेल तयार करण्यासाठी डेटा शास्त्रज्ञांना सहकार्य करण्याची आवश्यकता असल्यामुळे, "डीप लर्निंग" म्हणून ओळखली जाणारी ही प्रशिक्षण प्रक्रिया सामान्यतः डेटा सेंटर किंवा क्लाउडमध्ये केली जाते. मॉडेल एक "अनुमान इंजिन" मध्ये विकसित होते जे प्रशिक्षित झाल्यानंतर वास्तविक-जगातील समस्यांना उत्तर देऊ शकते.
एज एआय डिप्लॉयमेंटमधील निष्कर्ष इंजिन एखाद्या दूरस्थ ठिकाणी जसे की कारखाना, रुग्णालय, ऑटोमोबाईल, उपग्रह किंवा एखाद्या व्यक्तीचे घर अशा संगणकावर किंवा उपकरणावर कार्य करते.
जेव्हा AI ला समस्या येते तेव्हा मूळ AI मॉडेलच्या अतिरिक्त प्रशिक्षणासाठी समस्याप्रधान डेटा वारंवार क्लाउडवर हस्तांतरित केला जातो, जे शेवटी एज इन्फरन्स इंजिनची जागा घेते. एकदा का एज एआय मॉडेल्स अंमलात आणल्यानंतर, ते अधिक आणि शहाणे होतात, या फीडबॅक लूपमुळे धन्यवाद.
फायदे
AI अल्गोरिदम विशेषत: अंतिम वापरकर्त्यांद्वारे वास्तविक-जगातील समस्यांसह वारंवार येत असलेल्या ठिकाणी फायदेशीर आहेत कारण ते भाषा, दृष्टी, आवाज, सुगंध, तापमान, चेहरे आणि इतर अॅनालॉग प्रकारच्या असंरचित माहितीचा अर्थ लावू शकतात.
विलंबता, बँडविड्थ आणि गोपनीयतेच्या चिंतेमुळे, काही AI ऍप्लिकेशन्स अव्यवहार्य किंवा केंद्रीकृत क्लाउड किंवा व्यवसाय डेटा सेंटरमध्ये अंमलात आणणे अगदी अशक्य आहे.
edge AI चे खालील काही फायदे आहेत:
- रिअल-टाइम अंतर्दृष्टी: एज टेक्नॉलॉजी लांब-अंतराच्या कनेक्टिव्हिटीमुळे उशीर झालेल्या दूरच्या क्लाउडमध्ये डेटाचे विश्लेषण न करता स्थानिक पातळीवर डेटाचे विश्लेषण करते, ते रिअल-टाइममध्ये वापरकर्त्याच्या विनंत्यांना प्रतिसाद देते.
- गुप्तचर: AI ऍप्लिकेशन्स पारंपारिक प्रोग्राम्सपेक्षा अधिक शक्तिशाली आणि जुळवून घेण्यायोग्य आहेत, जे फक्त प्रोग्रामरने अंदाज केलेल्या इनपुटला प्रतिसाद देऊ शकतात. एक AI मज्जासंस्थेसंबंधीचा नेटवर्क, दुसरीकडे, विशिष्ट प्रश्नाचे उत्तर न देण्याऐवजी विशिष्ट प्रश्नाचे उत्तर देण्यास प्रशिक्षित केले जाते, जरी प्रश्न स्वतःच कादंबरी असला तरीही. अॅप्लिकेशन्स एआयशिवाय मजकूर, बोललेले शब्द किंवा व्हिडिओ यासारख्या निरनिराळ्या इनपुटवर प्रक्रिया करू शकत नाहीत.
- गोपनीयता वाढली: AI वास्तविक-जगातील डेटाचा मानवी समोर कधीही न दाखवता त्याचा अभ्यास करू शकते, ज्यांचा देखावा, आवाज, वैद्यकीय प्रतिमा किंवा इतर वैयक्तिक माहितीचा अभ्यास करणे आवश्यक आहे अशा कोणासाठीही गोपनीयता वाढवते. एज एआय स्थानिक पातळीवर डेटा संचयित करून आणि केवळ विश्लेषण आणि अंतर्दृष्टी क्लाउडवर हस्तांतरित करून गोपनीयता आणखी सुधारते.
- खर्च कमी केला: संगणकीय शक्ती काठाच्या जवळ हलवून, अनुप्रयोगांना कमी इंटरनेट बँडविड्थची आवश्यकता असते, परिणामी नेटवर्किंग खर्चात लक्षणीय बचत होते.
- सातत्यपूर्ण सुधारणा: AI मॉडेल अधिक डेटावर प्रशिक्षित असल्याने ते अधिक अचूक बनतात. जेव्हा एज एआय ऍप्लिकेशनला डेटा येतो जो तो अचूकपणे किंवा आत्मविश्वासाने हाताळू शकत नाही, तेव्हा तो अनेकदा तो अपलोड करतो जेणेकरून AI पुन्हा प्रशिक्षित करू शकेल आणि त्यातून शिकू शकेल. परिणामी, एखादे मॉडेल जितके लांब उत्पादनात असेल तितके ते अधिक अचूक असेल.
एज एआय वापर प्रकरणे
इंडस्ट्रियल मशिनरी आणि ग्राहक गॅझेट्स हे एज एआय मार्केटचे दोन मुख्य विभाग आहेत. प्रात्यक्षिक चाचण्या उपकरणांचे नियमन आणि ऑप्टिमाइझ करणे आणि कुशल कामगार कौशल्ये स्वयंचलित करणे यासारख्या क्षेत्रात सुधारणा दर्शवत आहेत.
AI-सक्षम कॅमेरे असलेले ग्राहक गॅझेट जे आपोआप चित्र विषय शोधतात ते देखील प्रगती करत आहेत. उपकरणांची संख्या औद्योगिक उपकरणांच्या संख्येपेक्षा जास्त आहे या वस्तुस्थितीमुळे 2021 पासून ग्राहक उपकरण बाजार नाटकीयरित्या वाढण्याचा अंदाज आहे. आम्ही खाली काही लोकप्रिय एज एआय वापर प्रकरणे सूचीबद्ध केली आहेत:
- स्वायत्त ड्रोन - ड्रोन बातम्यांनुसार रिमोट फ्लाइंग चाचण्या आयोजित करताना नियंत्रण गमावले आणि गायब झाले. स्वायत्त ड्रोनचा पायलट ड्रोनच्या उड्डाणात सहभागी नसतो. ते दुरूनच गोष्टींवर लक्ष ठेवतात आणि जेव्हा ते अत्यंत आवश्यक असते तेव्हाच ड्रोन वापरतात. अॅमेझॉन प्राइम एअर, ड्रोन डिलिव्हरीचा व्यवसाय जो वस्तू वितरित करण्यासाठी सेल्फ-ड्रायव्हिंग ड्रोन विकसित करत आहे, हे याचे सर्वात प्रसिद्ध उदाहरण आहे.
- सेल्फ ड्रायव्हिंग कार – द एज कॉम्प्युटिंगचा सर्वात रोमांचक वापर म्हणजे सेल्फ-ड्रायव्हिंग ऑटोमोबाईल्स. सेल्फ-ड्रायव्हिंग कारने बर्याच परिस्थितींमध्ये परिस्थितीचे त्वरित मूल्यांकन करणे आवश्यक आहे, ज्यासाठी रीअल-टाइम डेटा प्रोसेसिंग आवश्यक आहे. जपानचा रस्ता वाहतूक कायदा आणि रस्ते वाहतूक वाहन कायदा डिसेंबर 2019 मध्ये सुधारित करण्यात आला, ज्यामुळे लेव्हल 3 सेल्फ-ड्रायव्हिंग वाहने रस्त्यावर आणणे सोपे झाले. स्वायत्त मोटारींनी ज्या सुरक्षितता आवश्यकता पूर्ण केल्या पाहिजेत, तसेच ते ज्या ठिकाणी गाडी चालवू शकतात, त्या त्यामध्ये आहेत. परिणामी, ऑटोमेकर्स या आवश्यकता पूर्ण करणारी स्वयं-ड्रायव्हिंग वाहने विकसित करत आहेत. टोयोटा, उदाहरणार्थ, संपूर्ण ऑटोमेशन (स्तर 4) सह TRI-P4 त्याच्या वेगात टाकत आहे.
- स्मार्टफोन - हे हे एज एआय गॅझेट आहे ज्याच्याशी आपण सर्व परिचित आहोत. सिरी आणि गुगल असिस्टंट, जे त्यांच्या आवाजाला शक्ती देण्यासाठी एज एआय वापरतात वापरकर्ता इंटरफेस, स्मार्टफोनवरील एज एआयची आदर्श उदाहरणे आहेत. ऑन-डिव्हाइस AI क्लाउडवर डिव्हाइस डेटा पाठवण्याची गरज काढून टाकते कारण प्रक्रिया डिव्हाइसवर (एज) होते. हे रहदारी कमी करताना गोपनीयतेचे संरक्षण करण्यास मदत करते.
- मनोरंजन - आभासी रिअॅलिटी, ऑगमेंटेड रिअॅलिटी आणि मनोरंजनासाठी मिक्स्ड रिअॅलिटी अॅप्लिकेशन्समध्ये व्हिडीओ मटेरियल ते व्हर्च्युअल रिअॅलिटी ग्लासेसवर स्ट्रीमिंगचा समावेश आहे. शेवटच्या उपकरणाजवळील चष्म्यांपासून एज सर्व्हरपर्यंत प्रक्रिया आउटसोर्स करून, अशा चष्म्यांचा आकार कमी केला जाऊ शकतो. मायक्रोसॉफ्टने, उदाहरणार्थ, नुकतेच HoloLens चे अनावरण केले, हेडगियरमध्ये बसवलेले होलोग्राफिक संगणक जे वापरकर्त्यांना वाढीव वास्तवाचा अनुभव घेऊ देते. मायक्रोसॉफ्टने HoloLens वापरण्याची योजना आखली आहे पारंपारिक संगणन, डेटा विश्लेषण, वैद्यकीय इमेजिंग आणि गेमिंग-एट-एज अनुप्रयोग प्रदान करण्यासाठी.
- चेहऱ्याची ओळख - फेशियल ओळख प्रणाली ही पाळत ठेवणाऱ्या कॅमेऱ्यांची प्रगती आहे जी व्यक्तींना त्यांच्या चेहऱ्यावर आधारित ओळखण्यास शिकू शकते. AI कॅमेरा मॉड्यूल जे रिअल-टाइममध्ये चेहऱ्याच्या वैशिष्ट्यांचे मूल्यांकन करण्यासाठी एज एआय संगणक तंत्र वापरते. हे चेहरे जलद आणि तंतोतंत शोधू शकते, ते विपणन साधनांसाठी आदर्श बनवते जे विशिष्ट वैशिष्ट्य जसे की वय, तसेच डिव्हाइस अनलॉक करण्यासाठी चेहर्यावरील ओळख लक्ष्य करतात.
5G आणि Edge AI
पूर्णपणे सेल्फ-ड्रायव्हिंग कार, रिअल-टाइम व्हर्च्युअल रिअॅलिटी अनुभव आणि मिशन-क्रिटिकल अॅप्लिकेशन्स यांसारख्या उच्च-वाढीच्या क्षेत्रांमध्ये 5G ची अत्यावश्यक गरज एज कॉम्प्युटिंग आणि एज एआयमध्ये अधिक नाविन्य आणते.
5G हे पुढील पिढीचे सेल्युलर नेटवर्क आहे जे सेवेची गुणवत्ता लक्षणीयरीत्या वाढवण्याचा प्रयत्न करते, जसे की चांगले थ्रुपुट आणि कमी विलंब — विद्यमान 10G नेटवर्कपेक्षा 5x जलद डेटा दर देणे.
सेल्फ-ड्रायव्हिंग ऑटोमोबाईल्समध्ये रीअल-टाइम पॅकेट डिलिव्हरी विचारात घ्या, जे जलद डेटा ट्रान्सफर आणि स्थानिक ऑन-डिव्हाइस गणनेसाठी आवश्यकतेची प्रशंसा करण्यासाठी 10 ms पेक्षा कमी विलंबाची मागणी करते.
क्लाउड प्रवेशासाठी किमान एंड-टू-एंड विलंब 80 ms पेक्षा मोठा आहे, जो अनेक वास्तविक-जगातील अनुप्रयोगांसाठी अस्वीकार्य आहे. एज संगणन 5G ऍप्लिकेशन्सच्या सब-मिलीसेकंद आवश्यकता पूर्ण करते आणि ऊर्जा वापर 30-40% कमी करते, परिणामी क्लाउड ऍक्सेसच्या तुलनेत 5x पर्यंत कमी ऊर्जा वापर होतो.
एज कॉम्प्युटिंग आणि 5G बूस्ट नेटवर्क स्पीड, AI-आधारित रिअल-टाइम व्हिडिओ अॅनालिटिक्स सारख्या विविध रिअल-टाइम AI अॅप्लिकेशन्सची अंमलबजावणी आणि उपयोजन करण्याची परवानगी देते, जे कमी विलंब डेटा ट्रान्सफरवर अवलंबून असतात.
भविष्यातील
एज एआय अधिक लोकप्रिय होत आहे आणि क्षेत्रात लक्षणीय गुंतवणूक केली गेली आहे. उदाहरणार्थ, जानेवारी 2020 मध्ये, Apple ने सिएटल-आधारित AI फर्म Xnor.ai खरेदी करण्यासाठी $200 दशलक्ष भरल्याची घोषणा केली.
वापरकर्त्याच्या स्मार्टफोनवरील डेटावर प्रक्रिया करण्यासाठी Xnor.ai च्या AI तंत्रज्ञानाद्वारे एज प्रोसेसिंगचा वापर केला जातो. स्मार्टफोन्सवर अंगभूत AI सह, आम्ही व्हॉइस प्रोसेसिंग, चेहर्यावरील ओळख तंत्रज्ञान आणि गोपनीयतेमध्ये सुधारणांची अपेक्षा केली पाहिजे.
5G ची ओळख करून, आम्ही जगभरातील एज एआय सेवांसाठी कमी किमती आणि अधिक मागणीची अपेक्षा करू शकतो.
निष्कर्ष
लोक त्यांच्या मोबाइल डिव्हाइसवर अधिक वेळ घालवत असल्याने, अधिक व्यवसाय आणि विकासक नफ्याचे मार्जिन वाढवताना जलद, अधिक कार्यक्षम सेवा वितरीत करण्यासाठी एज तंत्रज्ञानाची अंमलबजावणी करण्याचे मूल्य पाहत आहेत.
एंटरप्राइझ-स्तरीय AI-आधारित सेवा, तसेच ग्राहक सोई आणि आनंदाच्या दृष्टीने, हे शक्यतांचे संपूर्ण नवीन विश्व उघडेल.
Amazon आणि Google सारख्या मोठ्या कंपन्यांनी त्यांच्या Edge AI प्रणालींच्या विकासासाठी लाखो गुंतवणूक केली आहे, अशा प्रकारे आघाडी घेणे आणि या तंत्रज्ञानामध्ये गुंतवणूक करणे हाच स्पर्धात्मक राहण्याचा एकमेव मार्ग आहे.
दुसरीकडे, IoT उपकरणांची वाढलेली मागणी, 5G नेटवर्क आणि एज कॉम्प्युटिंगचा अधिक प्रमाणात वापर करेल.
प्रत्युत्तर द्या