ကဏ္ဍတိုင်းသည် ၎င်း၏လုပ်ငန်းလည်ပတ်မှု၊ ကုန်ထုတ်စွမ်းအားနှင့် ဘေးကင်းရေးတို့ကို မြှင့်တင်ရန် ကြိုးပမ်းနေပါသည်။ ကွန်ပြူတာ ပရိုဂရမ်များသည် ပုံစံများကို ပိုင်းခြားသိမြင်နိုင်ပြီး အလုပ်များကို စိတ်ချယုံကြည်စွာ လုံခြုံစွာ လုပ်ဆောင်နိုင်ရမည်။
သို့သော်၊ ကမ္ဘာကြီးသည် ဖွဲ့စည်းတည်ဆောက်ပုံမရှိသည့်အပြင် လူသားများလုပ်ဆောင်သည့်အလုပ်များ၏ နယ်ပယ်သည် အစီအစဉ်များနှင့် စည်းမျဉ်းများတွင် လုံလောက်စွာဖော်ပြရန်ခက်ခဲသော အဆုံးမရှိသောအခြေအနေများကို လွှမ်းခြုံထားသည်။
Edge AI ၏ တိုးတက်မှုများသည် မည်သည့်နေရာတွင်ပင်ရှိစေကာမူ လူသားတို့၏ သိမြင်မှု၏ "ဉာဏ်ရည်ဉာဏ်သွေး" နှင့်အတူ ကွန်ပျူတာများနှင့် ဂက်ဂျက်များကို လုပ်ဆောင်နိုင်စေခဲ့သည်။ စမတ် AI-အသုံးပြုနိုင်သည့်အက်ပ်များသည် လက်တွေ့ဘဝတွင် လူသားများလုပ်ဆောင်သကဲ့သို့ အခြေအနေအမျိုးမျိုးတွင် နှိုင်းယှဉ်နိုင်သောအလုပ်များကို သင်ယူနိုင်သည်။
Edge AI၊ ၎င်း၏အကျိုးခံစားခွင့်များ၊ အသုံးပြုမှုကိစ္စများနှင့် အခြားအရာများကို ဤပို့စ်တွင် နက်နက်နဲနဲ လေ့လာကြည့်ပါမည်။
Edge AI ဆိုတာဘာလဲ။
Edge ကွန်ပျူတာ အသုံးပြုသူများအား ဒေတာသိုလှောင်မှုနှင့် စီမံဆောင်ရွက်မှုများသို့ ပိုမိုလွယ်ကူစွာ ဝင်ရောက်နိုင်စေပါသည်။ လက်တော့ပ်များ၊ IoT စက်ပစ္စည်းများ သို့မဟုတ် အထူးပြုအနားသတ်ဆာဗာများကဲ့သို့သော ဒေသတွင်းစက်ပစ္စည်းများတွင် လုပ်ငန်းစဉ်များကို လုပ်ဆောင်ခြင်းဖြင့် ၎င်းကို ပြီးမြောက်စေသည်။
latency နှင့် bandwidth သည် တစ်ခါတစ်ရံတွင် stymie cloud-based operations များသည် edge functions အတွက် ပြဿနာမဟုတ်ကြောင်း စိုးရိမ်မှုများရှိသည်။
Edge AI ရောစပ်ထားသည်။ ဉာဏ်ရည်တု နှင့် edge computing (AI)။ ၎င်းတွင် အနားစွန်းမှ စီမံလုပ်ဆောင်နိုင်သော ပါဝါဖြင့် ဒေသဆိုင်ရာ စက်များတွင် AI algorithms ကို လုပ်ဆောင်ခြင်း ပါဝင်သည်။
Edge AI သည် အသုံးပြုသူများအား ၎င်းတို့၏ စက်ပစ္စည်းများတွင် ဒေတာများကို အချိန်နှင့်တပြေးညီ လုပ်ဆောင်နိုင်စေခြင်းဖြင့် စနစ်ချိတ်ဆက်မှုနှင့် ပေါင်းစည်းမှုအတွက် လိုအပ်မှုကို ဖယ်ရှားပေးပါသည်။ AI လုပ်ဆောင်ချက်များသည် ကွန်ပြူတာစွမ်းအားများစွာ လိုအပ်သော်လည်း ၎င်းတို့အများစုကို ယခုအခါ cloud-based စင်တာများတွင် လုပ်ဆောင်လျက်ရှိသည်။
အားနည်းချက်မှာ ချိတ်ဆက်မှု သို့မဟုတ် ကွန်ရက်အခက်အခဲများကြောင့် ဝန်ဆောင်မှုပြတ်တောက်ခြင်း သို့မဟုတ် သိသိသာသာနှေးကွေးခြင်းတို့ ဖြစ်နိုင်ပါသည်။
Edge AI လုပ်ငန်းစဉ်များကို edge computing devices များတွင် ပေါင်းစပ်ခြင်းဖြင့်၊ edge AI သည် အဆိုပါစိုးရိမ်မှုများကို ကျော်လွှားနိုင်မည်ဖြစ်သည်။ ဒေတာစုဆောင်းခြင်းနှင့် အခြားရုပ်ပိုင်းဆိုင်ရာဝဘ်ဆိုက်များနှင့် ဆက်သွယ်စရာမလိုဘဲ သုံးစွဲသူများကို ဝန်ဆောင်မှုပေးခြင်းဖြင့်၊ အသုံးပြုသူများသည် အချိန်ကုန်သက်သာစေနိုင်သည်။
Edge AI နည်းပညာသည် မည်သို့အလုပ်လုပ်သနည်း။
စက်များသည် အရာဝတ္တုများကို မြင်နိုင်၊ ခွဲခြားသိမြင်နိုင်စေရန်၊ မော်တော်ယာဥ်များလုပ်ဆောင်ရန်၊ စကားပြောဆိုခြင်းကို နားလည်နိုင်စေရန်၊ စကားပြောဆိုခြင်း၊ ရွေ့လျားခြင်းနှင့် အခြားလူနှင့်တူသော အလုပ်များကို လုပ်ဆောင်ရန် လိုအပ်ပါသည်။ လူသား၏ သိမြင်မှုကို ပွားရန်အတွက် AI သည် နက်ရှိုင်းသော ဒေတာတည်ဆောက်ပုံကို အသုံးပြုသည်။ အာရုံကြောကွန်ယက်ကို.
တိကျသောအဖြေများနှင့်အတူ ထိုမေးခွန်း၏နမူနာများစွာကို ပြသခြင်းဖြင့် ဤ DNN များသည် အချို့သောမေးခွန်းများကို တုံ့ပြန်ရန် သင်ကြားပေးပါသည်။
တိကျသောပုံစံတစ်ခုကို လေ့ကျင့်ရန် လိုအပ်သော ဒေတာအများအပြားနှင့် မော်ဒယ်တည်ဆောက်ရာတွင် ပူးပေါင်းလုပ်ဆောင်ရန် ဒေတာသိပ္ပံပညာရှင်များအတွက် လိုအပ်ချက်ကြောင့်၊ "နက်နဲသောသင်ယူခြင်း" ဟုလူသိများသော ဤလေ့ကျင့်ရေးလုပ်ငန်းစဉ်ကို ဒေတာစင်တာ သို့မဟုတ် cloud တွင် ယေဘူယျအားဖြင့် လုပ်ဆောင်ပါသည်။ မော်ဒယ်သည် လေ့ကျင့်သင်ကြားပြီးနောက် လက်တွေ့ကမ္ဘာပြဿနာများကို ဖြေဆိုနိုင်သည့် “အနုမာနအင်ဂျင်” ဖြစ်လာသည်။
edge AI ဖြန့်ကျက်မှုများရှိ အနုမာနအင်ဂျင်သည် စက်ရုံ၊ ဆေးရုံ၊ မော်တော်ကား၊ ဂြိုလ်တု သို့မဟုတ် လူတစ်ဦး၏အိမ်ကဲ့သို့သော ဝေးလံခေါင်သီသောနေရာတွင်ရှိသော ကွန်ပျူတာ သို့မဟုတ် စက်ပေါ်တွင် အလုပ်လုပ်သည်။
AI သည် ပြဿနာတစ်ခုကြုံတွေ့ရသောအခါ၊ ပြဿနာရှိသောဒေတာကို နောက်ဆုံးတွင် edge inference engine ကိုအစားထိုးသည့် မူရင်း AI မော်ဒယ်၏ ထပ်လောင်းလေ့ကျင့်မှုအတွက် cloud သို့ မကြာခဏ လွှဲပြောင်းပေးပါသည်။ edge AI မော်ဒယ်များကို အကောင်အထည်ဖော်လိုက်သည်နှင့်၊ ဤတုံ့ပြန်ချက်ကွင်းဆက်ကြောင့် ၎င်းတို့သည် ပို၍ပို၍ ဉာဏ်ကောင်းလာပါသည်။
အက်ိဳးေက်းဇူးမ်ား
ဘာသာစကား၊ မြင်ကွင်းများ၊ အသံများ၊ ရနံ့များ၊ အပူချိန်၊ မျက်နှာများနှင့် အခြားသော analog အမျိုးအစားများ မတည်ဆောက်ထားသော အချက်အလက်အမျိုးအစားများကို အဓိပ္ပာယ်ပြန်ဆိုနိုင်သောကြောင့် AI အယ်လဂိုရီသမ်များသည် လက်တွေ့ကမ္ဘာပြဿနာများရှိသည့် နောက်ဆုံးအသုံးပြုသူများ မကြာခဏရောက်လေ့ရှိသော နေရာများတွင် အထူးအကျိုးရှိသည်။
latency၊ bandwidth နှင့် privacy တို့နှင့်ပတ်သက်သော စိုးရိမ်မှုများကြောင့် အချို့သော AI အပလီကေးရှင်းများသည် လက်တွေ့မကျသော သို့မဟုတ် ဗဟိုချုပ်ကိုင်ထားသော cloud သို့မဟုတ် လုပ်ငန်းဒေတာစင်တာတွင် အကောင်အထည်ဖော်ရန် မဖြစ်နိုင်ပေ။
အောက်ဖော်ပြပါများသည် edge AI ၏ အားသာချက်အချို့ဖြစ်သည်။
- အချိန်နှင့်တပြေးညီ အသိဥာဏ်များ: edge နည်းပညာသည် ခရီးဝေးချိတ်ဆက်မှု နှောင့်နှေးနေသည့် အဝေးကတိမ်တွင်မဟုတ်ဘဲ စက်တွင်းရှိ ဒေတာများကို ပိုင်းခြားစိတ်ဖြာသောကြောင့်၊ သုံးစွဲသူများ၏ တောင်းဆိုချက်များကို အချိန်နှင့်တပြေးညီ တုံ့ပြန်ပါသည်။
- ထောက်လှမ်းရေး: AI အပလီကေးရှင်းများသည် သမားရိုးကျ ပရိုဂရမ်များထက် ပိုမိုအားကောင်းပြီး လိုက်လျောညီထွေဖြစ်အောင် လုပ်ဆောင်နိုင်သည်၊ ၎င်းသည် ပရိုဂရမ်မာ ခန့်မှန်းထားသည့် ထည့်သွင်းမှုများကိုသာ တုံ့ပြန်နိုင်သည်။ AI တစ်ခု အာရုံကြောကွန်ယက်ကိုအခြားတစ်ဖက်တွင်မူ မေးခွန်းကိုယ်တိုင်က ဆန်းသစ်နေသော်လည်း တိကျသောမေးခွန်းအမျိုးအစားကို ဖြေရန် လေ့ကျင့်ထားသည်။ အပလီကေးရှင်းများသည် AI မပါဘဲ စာသား၊ စကားပြောစကားလုံးများ သို့မဟုတ် ဗီဒီယိုကဲ့သို့သော အမျိုးမျိုးသောထည့်သွင်းမှုများကို အဆုံးမရှိလုပ်ဆောင်နိုင်မည်မဟုတ်ပေ။
- ကိုယ်ရေးကိုယ်တာ တိုးမြှင့်ထားသည်။: AI သည် လူတစ်ဦးအား မည်သည့်အခါမျှ မဖော်ပြဘဲ လက်တွေ့ကမ္ဘာဒေတာကို လေ့လာနိုင်ပြီး ရုပ်ပုံ၊ အသံ၊ ဆေးဘက်ဆိုင်ရာပုံ သို့မဟုတ် အခြားကိုယ်ရေးကိုယ်တာအချက်အလက်များကို လေ့လာရမည့်မည်သူမဆိုအတွက် ကိုယ်ရေးကိုယ်တာအချက်အလက်ကို သိသိသာသာမြှင့်တင်ပေးပါသည်။ Edge AI သည် ဒေတာများကို ဒေသအလိုက် သိမ်းဆည်းကာ ခွဲခြမ်းစိတ်ဖြာမှုနှင့် ထိုးထွင်းသိမြင်မှုများကို cloud သို့လွှဲပြောင်းပေးခြင်းဖြင့် privacy ကို ပိုမိုတိုးတက်ကောင်းမွန်စေသည်။
- ကုန်ကျစရိတ်ကို လျှော့ချပေးသည်။− ကွန်ပြူတာစွမ်းအားကို အစွန်းနားသို့ ရွှေ့ခြင်းဖြင့်၊ အပလီကေးရှင်းများသည် အင်တာနက် လှိုင်းနှုန်း နည်းပါးရန် လိုအပ်ပြီး ကွန်ရက်ချိတ်ဆက်မှုကုန်ကျစရိတ်များကို သိသိသာသာ သက်သာစေသည်။
- တသမတ်တည်းတိုးတက်မှု: AI မော်ဒယ်များကို ဒေတာပိုမိုရရှိအောင် လေ့ကျင့်ထားသောကြောင့် ၎င်းတို့သည် ပိုမိုတိကျလာသည်။ edge AI အပလီကေးရှင်းတစ်ခုက ၎င်းသည် တိကျစွာ သို့မဟုတ် စိတ်ချယုံကြည်စွာ မကိုင်တွယ်နိုင်သော အချက်အလက်များနှင့် ကြုံတွေ့ရသောအခါ AI မှ ပြန်လည်လေ့ကျင့်သင်ယူနိုင်စေရန် ၎င်းကို မကြာခဏ အပ်လုဒ်တင်ပါသည်။ ရလဒ်အနေဖြင့် မော်ဒယ်တစ်ခုသည် အစွန်းတွင် ရှည်ကြာလေလေ၊ ၎င်းသည် ပိုမိုတိကျလေဖြစ်သည်။
Edge AI အသုံးပြုမှုကိစ္စများ
စက်မှုလုပ်ငန်းသုံး စက်ယန္တရားများနှင့် လူသုံးပစ္စည်းများသည် edge AI စျေးကွက်၏ အဓိက အစိတ်အပိုင်းနှစ်ခုဖြစ်သည်။ သရုပ်ပြစစ်ဆေးမှုများသည် စက်ကိရိယာများကို ထိန်းညှိခြင်းနှင့် ပိုမိုကောင်းမွန်အောင်ပြုလုပ်ခြင်းနှင့် ကျွမ်းကျင်လုပ်သားကျွမ်းကျင်မှု အလိုအလျောက်လုပ်ဆောင်ခြင်းကဲ့သို့သော နယ်ပယ်များတွင် တိုးတက်မှုကို ပြသနေသည်။
ရုပ်ပုံအကြောင်းအရာများကို အလိုအလျောက်သိရှိနိုင်စေမည့် AI-ဖွင့်ထားသော ကင်မရာများပါရှိသော စားသုံးသူ gadgets များသည်လည်း တိုးတက်နေပါသည်။ စက်ပစ္စည်းအရေအတွက်သည် စက်မှုလုပ်ငန်းသုံးပစ္စည်းအရေအတွက်ထက် ပိုများနေခြင်းကြောင့် စားသုံးသူစက်ပစ္စည်းစျေးကွက်သည် 2021 ခုနှစ်မှစတင်၍ သိသိသာသာကြီးထွားလာမည်ဟု ခန့်မှန်းရပါသည်။ အောက်တွင် လူကြိုက်များသော edge AI အသုံးပြုပုံအချို့ကို ဖော်ပြထားပါသည်။
- ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရဒရုန်းများ - ဒရုန်းများ အဝေးထိန်း ပျံသန်းမှု စမ်းသပ်မှုများ ပြုလုပ်နေစဉ် ထိန်းချုပ်မှု ပျောက်ဆုံးကာ ပျောက်ကွယ်သွားကြောင်း သတင်းများ အရ သိရသည်။ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရမောင်းသူမဲ့လေယာဉ်၏ လေယာဉ်မှူးသည် ဒရုန်းပျံသန်းမှုတွင် ပါဝင်ပတ်သက်ခြင်းမရှိပါ။ အဝေးက အရာတွေကို စောင့်ကြည့်ပြီး လုံးဝ မရှိမဖြစ် လိုအပ်တဲ့အခါ ဒရုန်းကိုသာ အသုံးပြုကြပါတယ်။ ပစ္စည်းများ ပို့ဆောင်ရန် မောင်းသူမဲ့ ဒရုန်းများကို တီထွင်ဖန်တီးနေသည့် ဒရုန်းပို့ဆောင်ရေး လုပ်ငန်းဖြစ်သည့် Amazon Prime Air သည် ယင်း၏ လူသိအများဆုံး ဥပမာဖြစ်သည်။
- ကိုယ်တိုင်မောင်းနှင်သောကားများ - The edge computing ၏ စိတ်လှုပ်ရှားစရာအကောင်းဆုံးမှာ အလိုအလျောက်မောင်းနှင်သည့် မော်တော်ကားများဖြစ်သည်။ မောင်းသူမဲ့ကားများသည် အချိန်နှင့်တပြေးညီ ဒေတာကို စီမံဆောင်ရွက်ပေးရန် လိုအပ်သည့် အခြေအနေများစွာတွင် အခြေအနေများကို ချက်ချင်းအကဲဖြတ်ရပါမည်။ ဂျပန်နိုင်ငံ၏ ကုန်းလမ်းသွားလာရေးအက်ဥပဒေနှင့် ကုန်းလမ်းပို့ဆောင်ရေး မော်တော်ယာဉ်ဥပဒေတို့ကို ၂၀၁၉ ခုနှစ် ဒီဇင်ဘာလတွင် ပြန်လည်ပြင်ဆင်ခဲ့ပြီး အဆင့် 2019 မောင်းသူမဲ့ယာဉ်များကို လမ်းမပေါ်တွင် အလွယ်တကူရရှိစေခဲ့သည်။ ကိုယ်ပိုင်အုပ်ချုပ်ခွင့်ရကားများ လိုက်နာရမည့် ဘေးကင်းရေး လိုအပ်ချက်များအပြင် ၎င်းတို့ မောင်းနှင်နိုင်သည့် နေရာများလည်း ပါဝင်ပါသည်။ ရလဒ်အနေဖြင့်၊ ကားထုတ်လုပ်သူများသည် အဆိုပါလိုအပ်ချက်များနှင့်ကိုက်ညီသော အလိုအလျောက်မောင်းနှင်သည့်ယာဉ်များကို တီထွင်ထုတ်လုပ်လျက်ရှိသည်။ ဥပမာအားဖြင့် Toyota သည် TRI-P3 ကို ပြီးပြည့်စုံသော အလိုအလျောက်စနစ် (အဆင့် 4) ဖြင့် ၎င်း၏အရှိန်အဟုန်ဖြင့် လုပ်ဆောင်နေသည်။
- စမတ်ဖုန်းများ - ဒါက ကျွန်တော်တို့အားလုံး အရင်းနှီးဆုံးဖြစ်တဲ့ edge AI gadget ပါ။ Siri နှင့် Google Assistant သည် ၎င်းတို့၏ အသံကို ပါဝါပေးရန်အတွက် edge AI ကို အသုံးပြုထားသည်။ အသုံးပြုသူမျက်နှာပြင်များစမတ်ဖုန်းများတွင် edge AI ၏စံပြဥပမာများဖြစ်သည်။ စက်ပေါ်ရှိ AI သည် စက်ပစ္စည်း (အနားသတ်) ပေါ်တွင် လုပ်ဆောင်ခြင်းဖြစ်သောကြောင့် cloud သို့ စက်ပစ္စည်းဒေတာပေးပို့ရန် လိုအပ်မှုကို ဖယ်ရှားပေးပါသည်။ ၎င်းသည် ယာဉ်အသွားအလာကို လျှော့ချရာတွင်လည်း privacy ကိုကာကွယ်ရန် ကူညီပေးသည်။
- ဖျော်ဖြေရေး - အတု သရုပ်မှန်၊ အပိုအဖြစ်မှန်နှင့် ဖျော်ဖြေရေးအတွက် ရောနှောထားသော သရုပ်မှန်အပလီကေးရှင်းများတွင် ဗီဒီယိုရုပ်ထွက်ပစ္စည်းကို virtual reality မျက်မှန်သို့ တိုက်ရိုက်လွှင့်ခြင်း ပါဝင်သည်။ စက်အဆုံးအနီးရှိ မျက်မှန်များမှ အစွန်းထွက်ဆာဗာများသို့ ထုတ်ယူခြင်းဖြင့်၊ ထိုမျက်မှန်အရွယ်အစားကို လျှော့ချနိုင်သည်။ ဥပမာအားဖြင့် Microsoft သည် သုံးစွဲသူများအား ပိုမိုကောင်းမွန်သောအဖြစ်မှန်ကို တွေ့ကြုံခံစားနိုင်စေမည့် ဦးခေါင်းစည်းအတွင်း ထည့်သွင်းထားသည့် HoloLens ကွန်ပျူတာကို ထုတ်ဖော်ပြသခဲ့သည်။ Microsoft သည် HoloLens ကို အသုံးပြုရန် စီစဉ်နေသည်။ သမားရိုးကျ တွက်ချက်မှု၊ ဒေတာခွဲခြမ်းစိတ်ဖြာမှု၊ ဆေးဘက်ဆိုင်ရာ ပုံရိပ်ဖော်မှု၊ နှင့် ဂိမ်းဆော့ဖ်ဝဲများကို ပံ့ပိုးပေးရန်။
- Facial recognition - မျက်နှာ မှတ်သားမှုစနစ်များသည် လူတစ်ဦးချင်းစီ၏ မျက်နှာများကို အခြေခံ၍ မှတ်သားသိရှိနိုင်သော ထောက်လှမ်းရေးကင်မရာများတွင် တိုးတက်မှုတစ်ခုဖြစ်သည်။ မျက်နှာသွင်ပြင်လက္ခဏာများကို အချိန်နှင့်တစ်ပြေးညီ အကဲဖြတ်ရန် edge AI ကွန်ပျူတာနည်းပညာများကို အသုံးပြုသည့် AI ကင်မရာ module။ ၎င်းသည် မျက်နှာများကို လျင်မြန်တိကျစွာ သိရှိနိုင်ပြီး၊ အသက်အရွယ်ကဲ့သို့သော အင်္ဂါရပ်အချို့ကို ပစ်မှတ်ထားသည့် စျေးကွက်ရှာဖွေရေးကိရိယာများအတွက် စံပြဖြစ်စေသည့်အပြင် စက်ပစ္စည်းများကို လော့ခ်ဖွင့်ခြင်းအတွက် မျက်နှာမှတ်မိခြင်းလည်းဖြစ်သည်။
5G နှင့် Edge AI
အပြည့်အဝ အလိုအလျောက်မောင်းနှင်သည့်ကားများ၊ အချိန်နှင့်တစ်ပြေးညီ virtual reality အတွေ့အကြုံများနှင့် mission-critical applications များကဲ့သို့သော တိုးတက်မှုနှုန်းမြင့်မားသောနေရာများတွင် 5G အတွက် အရေးကြီးသောလိုအပ်ချက်သည် edge computing နှင့် Edge AI တို့တွင် ဆန်းသစ်တီထွင်မှုကို မောင်းနှင်ပေးပါသည်။
5G သည် မျိုးဆက်သစ်ဆယ်လူလာကွန်ရက်ဖြစ်သည်။ ၎င်းသည် လက်ရှိ 10G ကွန်ရက်များထက် 5 ဆ ပိုမိုမြန်ဆန်သော ဒေတာနှုန်းထားများကို ပေးဆောင်ခြင်းဖြစ်သည့် ပိုမိုကောင်းမွန်သော ဖြတ်သန်းမှုနှင့် latency လျှော့ချခြင်းကဲ့သို့သော ဝန်ဆောင်မှုအရည်အသွေးကို သိသိသာသာမြှင့်တင်ရန် ကြိုးစားသည်။
လျင်မြန်သောဒေတာလွှဲပြောင်းမှုနှင့် စက်ကိရိယာပေါ်ရှိ စက်တွက်ချက်မှုဆိုင်ရာ လိုအပ်ချက်များကို သဘောပေါက်ရန် အဆုံးမှအဆုံးနှောင့်နှေးမှုကို 10 ms ထက်နည်းသော မောင်းသူမဲ့မော်တော်ကားများတွင် အချိန်နှင့်တပြေးညီ ထုပ်ပိုးပေးပို့မှုကို ထည့်သွင်းစဉ်းစားပါ။
cloud အသုံးပြုခွင့်အတွက် အနည်းဆုံးအဆုံးမှအဆုံးနှောင့်နှေးမှုသည် 80 ms ထက်ကြီးသည်၊ ၎င်းသည် လက်တွေ့ကမ္ဘာအပလီကေးရှင်းများစွာအတွက် လက်မခံနိုင်ပါ။ Edge ကွန်ပျူတာ စွမ်းအင်အသုံးပြုမှုကို 5-30% လျှော့ချစေပြီး 40G အပလီကေးရှင်းများ၏ မီလီစက္ကန့်ခွဲလိုအပ်ချက်များနှင့် ကိုက်ညီသောကြောင့် cloud ဝင်ရောက်မှုနှင့် နှိုင်းယှဉ်ပါက 5 ဆအထိ စွမ်းအင်သုံးစွဲမှု လျော့နည်းစေသည်။
Edge computing နှင့် 5G သည် ကွန်ရက်အမြန်နှုန်းကို မြှင့်တင်ပေးပြီး၊ latency နည်းပါးသော ဒေတာလွှဲပြောင်းမှုအပေါ် အားကိုးသည့် AI-based real-time video analytics ကဲ့သို့သော AI-based real-time video analytics ကဲ့သို့သော အမျိုးမျိုးသော အချိန်နှင့်တပြေးညီ AI အပလီကေးရှင်းများကို အကောင်အထည်ဖော်ခြင်းနှင့် ဖြန့်ကျက်ခြင်းတို့အတွက် ခွင့်ပြုပေးပါသည်။
အနာဂတ်
Edge AI သည် ပိုမိုရေပန်းစားလာကာ နယ်ပယ်တွင် သိသာထင်ရှားသော ရင်းနှီးမြှုပ်နှံမှုများ ပြုလုပ်ခဲ့သည်။ ဥပမာအားဖြင့်၊ 2020 ခုနှစ် ဇန်နဝါရီလတွင် Seattle အခြေစိုက် AI ကုမ္ပဏီ Xnor.ai ကို ဝယ်ယူရန် Apple မှ ဒေါ်လာ သန်း 200 ပေးချေကြောင်း ကြေညာခဲ့သည်။
အသုံးပြုသူ၏စမတ်ဖုန်းပေါ်ရှိ ဒေတာများကို လုပ်ဆောင်ရန် Xnor.ai ၏ AI နည်းပညာဖြင့် Edge processing ကို အသုံးပြုသည်။ စမတ်ဖုန်းများတွင် built-in AI ဖြင့်၊ ကျွန်ုပ်တို့သည် အသံဖြင့်လုပ်ဆောင်ခြင်း၊ မျက်နှာမှတ်မိခြင်းနည်းပညာနှင့် လျှို့ဝှက်ရေးဆိုင်ရာ တိုးတက်မှုများကို မျှော်လင့်သင့်သည်။
5G မိတ်ဆက်ခြင်းဖြင့်၊ ကျွန်ုပ်တို့သည် စျေးနှုန်းသက်သာပြီး ကမ္ဘာတစ်ဝှမ်းရှိ edge AI ဝန်ဆောင်မှုများအတွက် တောင်းဆိုမှုပိုများလာနိုင်သည်။
ကောက်ချက်
လူများသည် ၎င်းတို့၏ မိုဘိုင်းစက်ပစ္စည်းများတွင် အချိန်ပိုသုံးစွဲလာသည်နှင့်အမျှ အမြတ်အစွန်းများကို တိုးမြင့်စေပြီး ပိုမိုမြန်ဆန်ထိရောက်သော ဝန်ဆောင်မှုများပေးဆောင်ရန် Edge နည်းပညာကို အကောင်အထည်ဖော်ရန် စီးပွားရေးလုပ်ငန်းများနှင့် ဆော့ဖ်ဝဲအင်ဂျင်နီယာများ ပိုမိုမြင်လာကြသည်။
လုပ်ငန်းအဆင့် AI-based ဝန်ဆောင်မှုများအပြင် စားသုံးသူများ သက်တောင့်သက်သာရှိမှုနှင့် ပျော်ရွှင်မှုအရ၊ ၎င်းသည် ဖြစ်နိုင်ခြေရှိသော စကြာဝဠာတစ်ခုလုံးကို ဖွင့်လှစ်ပေးမည်ဖြစ်သည်။
Amazon နှင့် Google ကဲ့သို့သော ကုမ္ပဏီကြီးများသည် ၎င်းတို့၏ Edge AI စနစ်များ ဖွံ့ဖြိုးတိုးတက်ရေးတွင် သန်းပေါင်းများစွာရင်းနှီးမြှပ်နှံထားပြီး ယင်းနည်းပညာများတွင် ရင်းနှီးမြှုပ်နှံခြင်းသည် ပြိုင်ဆိုင်မှုရှိနေစေရန် တစ်ခုတည်းသောနည်းလမ်းဖြစ်သည်။
အခြားတစ်ဖက်တွင်မူ IoT စက်ပစ္စည်းများ၏ ဝယ်လိုအား တိုးလာပါက 5G ကွန်ရက်များနှင့် Edge Computing ကို ပိုမိုတွင်ကျယ်စွာ အသုံးပြုလာမည်ဖြစ်သည်။
တစ်ဦးစာပြန်ရန် Leave