Inhoudsopgave[Zich verstoppen][Laten zien]
Elke sector probeert zijn activiteiten, productiviteit en veiligheid te verbeteren door meer automatisering te implementeren. Computerprogramma's moeten patronen kunnen herkennen en taken betrouwbaar en veilig kunnen uitvoeren om hen te helpen.
De wereld is echter ongestructureerd en het spectrum van banen die mensen uitvoeren omvat een eindeloos aantal scenario's die moeilijk adequaat uit te drukken zijn in programma's en regels.
Edge AI-vooruitgang heeft het voor computers en gadgets mogelijk gemaakt om te werken met de "intelligentie" van menselijke cognitie, ongeacht waar ze zich bevinden. Slimme AI-apps leren vergelijkbare taken in verschillende situaties uit te voeren, net zoals mensen dat in het echte leven doen.
We zullen in dit bericht dieper ingaan op Edge AI, de voordelen, use-cases en nog veel meer.
Wat is Edge-AI?
Edge computing stelt gebruikers in staat gemakkelijker toegang te krijgen tot gegevensopslag en -verwerking. Dit wordt bereikt door processen uit te voeren op lokale apparaten zoals laptops, IoT-apparaten of gespecialiseerde edge-servers.
De latentie en bandbreedte zorgen ervoor dat cloudgebaseerde operaties soms geen probleem zijn voor edge-functies.
Edge AI-melanges kunstmatige intelligentie en edge-computing (AI). Dit houdt in het uitvoeren van AI-algoritmen op lokale apparaten met verwerkingskracht aan de rand.
Edge AI elimineert de noodzaak van systeemconnectiviteit en -integratie, waardoor gebruikers gegevens in realtime op hun apparaten kunnen verwerken. Hoewel AI-operaties veel rekenkracht nodig hebben, worden de meeste ervan nu uitgevoerd in cloudgebaseerde centra.
Het nadeel is dat serviceonderbrekingen of aanzienlijke traagheid kunnen optreden als gevolg van verbindings- of netwerkproblemen.
Door AI-processen te integreren in edge computing-apparaten, overwint edge AI deze zorgen. Door gegevens te verzamelen en gebruikers te bedienen zonder met andere fysieke sites te hoeven communiceren, kunnen gebruikers tijd besparen.
Hoe werkt Edge AI-technologie?
Machines moeten objecten kunnen zien, identificeren, auto's bedienen, spraak begrijpen, spreken, bewegen en andere mensachtige taken uitvoeren. Om menselijke cognitie te dupliceren, gebruikt AI een datastructuur die bekend staat als een deep neuraal netwerk.
Deze DNN's wordt geleerd om op bepaalde soorten vragen te reageren door verschillende voorbeelden van die vraag te zien, samen met nauwkeurige antwoorden.
Vanwege de grote hoeveelheid data die nodig is om een nauwkeurig model te trainen en de vereiste voor datawetenschappers om mee te werken aan het bouwen van het model, wordt dit trainingsproces, ook wel 'deep learning' genoemd, meestal uitgevoerd in een datacenter of in de cloud. Het model ontwikkelt zich tot een "inferentie-engine" die na training real-world problemen kan beantwoorden.
De inferentie-engine in edge AI-implementaties werkt op een computer of apparaat op een externe locatie, zoals een fabriek, een ziekenhuis, een auto, een satelliet of iemands huis.
Wanneer AI een probleem tegenkomt, worden de problematische gegevens vaak overgebracht naar de cloud voor aanvullende training van het originele AI-model, dat uiteindelijk de edge-inferentie-engine vervangt. Zodra edge AI-modellen zijn geïmplementeerd, worden ze dankzij deze feedbacklus alleen maar wijzer en wijzer.
Voordelen
AI-algoritmen zijn vooral nuttig op locaties die worden bezocht door eindgebruikers met echte problemen, omdat ze taal, bezienswaardigheden, geluiden, geuren, temperatuur, gezichten en andere analoge soorten ongestructureerde informatie kunnen interpreteren.
Vanwege zorgen over latentie, bandbreedte en privacy, zouden sommige AI-applicaties onpraktisch of zelfs onmogelijk te implementeren zijn in een gecentraliseerde cloud of zakelijk datacenter.
De volgende zijn enkele van de voordelen van edge AI:
- Realtime inzichten: Omdat edge-technologie gegevens lokaal analyseert in plaats van in een verre cloud die wordt vertraagd door connectiviteit over lange afstanden, reageert het in realtime op verzoeken van gebruikers.
- Intelligentie: AI-applicaties zijn krachtiger en aanpasbaarder dan traditionele programma's, die alleen kunnen reageren op input die de programmeur heeft voorspeld. een AI neuraal netwerk, aan de andere kant, is getraind om niet een specifieke vraag te beantwoorden, maar eerder om een specifiek soort vraag te beantwoorden, zelfs als de vraag zelf nieuw is. Applicaties zouden niet in staat zijn om eindeloos verschillende inputs zoals tekst, gesproken woorden of video te verwerken zonder AI.
- Privacy verhoogd: AI kan gegevens uit de echte wereld bestuderen zonder deze ooit aan een mens bloot te stellen, waardoor de privacy aanzienlijk wordt vergroot voor iedereen wiens uiterlijk, stem, medisch beeld of andere persoonlijke informatie moet worden bestudeerd. Edge AI verbetert de privacy nog verder door gegevens lokaal op te slaan en alleen de analyse en inzichten naar de cloud over te brengen.
- Kosten verlaagd: Door de rekenkracht dichter bij de rand te brengen, hebben applicaties minder internetbandbreedte nodig, wat resulteert in aanzienlijke besparingen op netwerkkosten.
- Consistente verbetering: Naarmate AI-modellen worden getraind op meer gegevens, worden ze nauwkeuriger. Wanneer een edge-AI-toepassing gegevens tegenkomt die niet precies of met vertrouwen kunnen worden verwerkt, uploadt deze deze vaak zodat de AI zich kan omscholen en ervan kan leren. Het resultaat is dat hoe langer een model aan de rand in productie is, hoe nauwkeuriger het zal zijn.
Edge AI-gebruiksscenario's
Industriële machines en consumentengadgets zijn de twee belangrijkste segmenten van de edge AI-markt. Demonstratietests laten verbetering zien op gebieden zoals het reguleren en optimaliseren van apparatuur en het automatiseren van geschoolde arbeidsvaardigheden.
Consumentengadgets met AI-compatibele camera's die automatisch beeldonderwerpen detecteren, boeken ook vooruitgang. De markt voor consumentenapparatuur zal vanaf 2021 naar verwachting dramatisch groeien, omdat het aantal apparaten groter is dan het aantal industriële apparatuur. We hebben hieronder enkele populaire edge AI-gebruiksscenario's opgesomd:
- Autonome drones – Drones volgens het nieuws de controle verloren en verdwenen tijdens het uitvoeren van vliegtests op afstand. De piloot van een autonome drone is niet betrokken bij het vliegen van de drone. Ze houden alles op afstand in de gaten en gebruiken de drone alleen als het echt nodig is. Amazon Prime Air, een drone-bezorgbedrijf dat zelfrijdende drones ontwikkelt om artikelen te bezorgen, is hiervan het bekendste voorbeeld.
- Zelfrijdende auto's - The meest opwindende gebruik van edge computing zijn zelfrijdende auto's. Zelfrijdende auto's moeten situaties in veel omstandigheden onmiddellijk evalueren, wat realtime gegevensverwerking vereist. De Japanse Wegenverkeerswet en de Wet op het wegtransport zijn in december 2019 herzien, waardoor het eenvoudiger is om zelfrijdende voertuigen van niveau 3 op de weg te krijgen. De veiligheidseisen waaraan zelfrijdende auto's moeten voldoen, evenals de locaties waar ze mogen rijden, horen daar bij. Als gevolg hiervan ontwikkelen autofabrikanten zelfrijdende voertuigen die aan deze eisen voldoen. Zo test Toyota de TRI-P4 met volledige automatisering (niveau 4).
- Smartphones – Dit is de edge AI-gadget waarmee we allemaal het meest bekend zijn. Siri en Google Assistant, die edge AI gebruiken om hun stem te versterken gebruikersinterfaces, zijn ideale voorbeelden van edge AI op smartphones. AI op het apparaat elimineert de noodzaak om apparaatgegevens naar de cloud te sturen omdat de verwerking op het apparaat (edge) plaatsvindt. Dit helpt de privacy te beschermen en tegelijkertijd het verkeer te verminderen.
- Entertainment – virtueel reality-, augmented reality- en mixed reality-toepassingen voor entertainment omvatten het streamen van videomateriaal naar virtual reality-brillen. Door de verwerking van de bril uit te besteden aan edge-servers in de buurt van het eindapparaat, kan de grootte van dergelijke brillen worden geminimaliseerd. Microsoft heeft bijvoorbeeld zojuist HoloLens onthuld, een holografische computer in een hoofddeksel waarmee gebruikers augmented reality kunnen ervaren. Microsoft is van plan de HoloLens te gebruiken om conventionele computing, data-analyse, medische beeldvorming en gaming-at-the-edge-toepassingen te bieden.
- Gezichtsherkenning – Gezichtsherkenning herkenningssystemen zijn een vooruitgang in bewakingscamera's die kunnen leren personen te herkennen op basis van hun gezicht. AI-cameramodule die edge-AI-computertechnieken gebruikt om gezichtskenmerken in realtime te beoordelen. Het kan gezichten snel en nauwkeurig detecteren, waardoor het ideaal is voor marketingtools die gericht zijn op bepaalde eigenschappen, zoals leeftijd, en voor gezichtsherkenning voor het ontgrendelen van apparaten.
5G & Edge-AI
De essentiële vereiste voor 5G in snelgroeiende gebieden, zoals volledig zelfrijdende auto's, realtime virtual reality-ervaringen en missiekritieke applicaties, stimuleert meer innovatie in edge computing en Edge AI.
5G is het mobiele netwerk van de volgende generatie die de servicekwaliteit aanzienlijk wil verbeteren, zoals een betere doorvoer en verminderde latentie, wat 10x hogere datasnelheden oplevert dan bestaande 5G-netwerken.
Overweeg real-time pakketbezorging in zelfrijdende auto's, die een end-to-end vertraging van minder dan 10 ms vereisen om de vereiste voor snelle gegevensoverdracht en lokale berekening op het apparaat te waarderen.
De minimale end-to-end vertraging voor cloudtoegang is groter dan 80 ms, wat voor veel real-world toepassingen onaanvaardbaar is. Edge computing voldoet aan de submilliseconde vereisten van 5G-applicaties terwijl het energieverbruik met 30-40% wordt verminderd, wat resulteert in tot 5x minder energieverbruik in vergelijking met cloudtoegang.
Edge computing en 5G verhogen de netwerksnelheid, waardoor de implementatie en inzet van verschillende realtime AI-applicaties mogelijk wordt, zoals AI-gebaseerde realtime videoanalyses, die afhankelijk zijn van gegevensoverdracht met lage latentie.
toekomst
Edge AI wordt steeds populairder en er zijn aanzienlijke investeringen in het veld gedaan. In januari 2020 werd bijvoorbeeld aangekondigd dat Apple $ 200 miljoen betaalde voor de aankoop van het in Seattle gevestigde AI-bedrijf Xnor.ai.
Edge-verwerking wordt gebruikt door Xnor.ai's AI-technologie om gegevens op de smartphone van de gebruiker te verwerken. Met ingebouwde AI op smartphones mogen we verbeteringen verwachten in spraakverwerking, gezichtsherkenningstechnologie en privacy.
Met de introductie van 5G kunnen we over de hele wereld lagere prijzen en meer vraag naar edge AI-services verwachten.
Conclusie
Naarmate mensen meer tijd op hun mobiele apparaten doorbrengen, zien meer bedrijven en ontwikkelaars de waarde in van het implementeren van Edge-technologie om snellere, efficiëntere service te leveren en tegelijkertijd de winstmarges te vergroten.
In termen van AI-gebaseerde diensten op ondernemingsniveau, evenals comfort en geluk voor de consument, zal dit een heel nieuw universum van mogelijkheden openen.
Grote bedrijven zoals Amazon en Google hebben miljoenen geïnvesteerd in de ontwikkeling van hun Edge AI-systemen, dus het voortouw nemen en investeren in deze technologieën is de enige manier om concurrerend te blijven.
Aan de andere kant zal de toegenomen vraag naar IoT-apparaten ervoor zorgen dat 5G-netwerken en Edge Computing op grotere schaal worden gebruikt.
Laat een reactie achter