Innholdsfortegnelse[Gjemme seg][Forestilling]
Hver sektor søker å forbedre sin drift, produktivitet og sikkerhet ved å implementere mer automatisering. Dataprogrammer må kunne skjelne mønstre og utføre jobber pålitelig og sikkert for å hjelpe dem.
Imidlertid er verden ustrukturert, og spekteret av jobber som mennesker utfører omfatter et uendelig antall scenarier som er vanskelig å uttrykke tilstrekkelig i programmer og regler.
Edge AI-fremskritt har gjort det mulig for datamaskiner og dingser å jobbe med "intelligensen" til menneskelig kognisjon, uavhengig av hvor de er. Smarte AI-aktiverte apper lærer å utføre sammenlignbare oppgaver i en rekke situasjoner, akkurat som mennesker gjør i det virkelige liv.
Vi tar en dyp titt på Edge AI, dens fordeler, brukstilfeller og mye mer i dette innlegget.
Hva er Edge AI?
Edge computing lar brukere ha enklere tilgang til datalagring og behandling. Dette oppnås ved å utføre prosesser på lokale enheter som bærbare datamaskiner, IoT-enheter eller spesialiserte edge-servere.
Latensen og båndbredden er bekymret for at noen ganger hindrende skybaserte operasjoner ikke er et problem for kantfunksjoner.
Edge AI-blandinger kunstig intelligens og edge computing (AI). Dette innebærer å utføre AI-algoritmer på lokale enheter med prosessorkraft på kanten.
Edge AI eliminerer behovet for systemtilkobling og integrasjon, slik at brukere kan behandle data i sanntid på enhetene sine. Selv om AI-operasjoner trenger mye regnekraft, utføres de fleste av dem nå i skybaserte sentre.
Ulempen er at tjenesteavbrudd eller betydelig treghet kan oppstå på grunn av tilkoblings- eller nettverksproblemer.
Ved å integrere AI-prosesser i edge computing-enheter overvinner edge AI disse bekymringene. Ved å samle inn data og betjene brukere uten å måtte kommunisere med andre fysiske nettsteder, kan brukere spare tid.
Hvordan fungerer Edge AI-teknologi?
Maskiner må kunne se, identifisere objekter, betjene biler, forstå tale, snakke, bevege seg og utføre andre menneskelignende oppgaver. For å duplisere menneskelig erkjennelse bruker AI en datastruktur kjent som en dyp nevrale nettverket.
Disse DNN-ene blir lært opp til å svare på visse typer spørsmål ved å bli vist flere eksempler på det spørsmålet sammen med nøyaktige svar.
På grunn av den store mengden data som er nødvendig for å trene opp en nøyaktig modell og kravet til dataforskere om å samarbeide om å bygge modellen, utføres denne opplæringsprosessen, kjent som "dyp læring", vanligvis i et datasenter eller skyen. Modellen utvikler seg til en "inferensmotor" som kan svare på problemer i den virkelige verden etter å ha blitt trent.
Inferensmotoren i edge AI-distribusjoner fungerer på en datamaskin eller enhet på et eksternt sted, for eksempel en fabrikk, et sykehus, en bil, en satellitt eller en persons hus.
Når AI støter på et problem, blir de problematiske dataene ofte overført til skyen for ytterligere opplæring av den originale AI-modellen, som til slutt erstatter edge-inferensmotoren. Når edge AI-modeller er implementert, blir de bare flere og klokere, takket være denne tilbakemeldingssløyfen.
Fordeler
AI-algoritmer er spesielt fordelaktige på steder som besøkes av sluttbrukere med problemer i den virkelige verden fordi de kan tolke språk, severdigheter, lyder, dufter, temperatur, ansikter og andre analoge typer ustrukturert informasjon.
På grunn av bekymringer med ventetid, båndbredde og personvern, vil noen AI-applikasjoner være upraktiske eller til og med umulige å implementere i et sentralisert sky- eller forretningsdatasenter.
Følgende er noen av fordelene med edge AI:
- Sanntidsinnsikt: Ettersom edge-teknologi analyserer data lokalt i stedet for i en fjern sky som er forsinket av langdistansetilkobling, svarer den på brukerforespørsler i sanntid.
- Intelligens: AI-applikasjoner er kraftigere og mer tilpasningsdyktige enn tradisjonelle programmer, som bare kan svare på input som programmereren har spådd. En AI nevrale nettverket, på den annen side, er opplært til ikke å svare på et spesifikt spørsmål, men heller til å svare på en bestemt type spørsmål, selv om spørsmålet i seg selv er nytt. Apper ville ikke være i stand til å behandle uendelige forskjellige innganger som tekst, talte ord eller video uten AI.
- Personvern økt: AI kan studere virkelige data uten noen gang å utsette dem for et menneske, noe som øker personvernet betraktelig for alle hvis utseende, stemme, medisinske bilde eller annen personlig informasjon må studeres. Edge AI forbedrer personvernet ytterligere ved å lagre data lokalt og overføre bare analysen og innsikten til skyen.
- Kostnad redusert: Ved å flytte datakraft nærmere kanten, krever applikasjoner mindre internettbåndbredde, noe som resulterer i betydelige besparelser i nettverksutgifter.
- Konsekvent forbedring: Ettersom AI-modeller trenes på mer data, blir de mer nøyaktige. Når en edge AI-applikasjon møter data som den ikke er i stand til å håndtere nøyaktig eller trygt, laster den ofte opp slik at AI-en kan omskolere seg og lære av den. Som et resultat, jo lenger en modell er i produksjon på kanten, jo mer nøyaktig vil den være.
Edge AI-brukstilfeller
Industrielle maskineri og forbrukerutstyr er de to hovedsegmentene i edge AI-markedet. Demonstrasjonstester viser forbedring på områder som regulering og optimalisering av utstyr og automatisering av kvalifisert arbeidskraft.
Forbrukerdingser med AI-aktiverte kameraer som automatisk oppdager bildemotiver gjør også fremskritt. Markedet for forbrukerenheter er spådd å vokse dramatisk fra 2021 og utover, på grunn av det faktum at antallet enheter er større enn antallet industrielt utstyr. Vi har listet opp noen populære brukstilfeller for edge AI nedenfor:
- Autonome droner – Droner har mistet kontrollen og forsvunnet mens de utførte fjernflygingstester, ifølge nyhetene. Piloten til en autonom drone er ikke involvert i flygingen av dronen. De holder øye med ting på lang avstand og bruker kun dronen når det er helt nødvendig. Amazon Prime Air, en droneleveringsvirksomhet som utvikler selvkjørende droner for å levere varer, er det mest kjente eksemplet på dette.
- Selvkjørende biler – The mest spennende bruken av edge computing er selvkjørende biler. Selvkjørende biler må foreta umiddelbare vurderinger av situasjoner i mange omstendigheter, noe som nødvendiggjør sanntidsdatabehandling. Japans Road Traffic Act og Road Transportation Vehicle Law ble revidert i desember 2019, noe som gjorde det enklere å få nivå 3 selvkjørende kjøretøy på veien. Sikkerhetskravene som autonome biler må oppfylle, samt stedene de kan kjøre på, er blant dem. Som et resultat utvikler bilprodusenter selvkjørende kjøretøy som oppfyller disse kravene. Toyota, for eksempel, setter TRI-P4 gjennom sine skritt med fullstendig automatisering (nivå 4).
- Smarttelefoner – dette er edge AI-dingsen som vi alle er mest kjent med. Siri og Google Assistant, som bruker edge AI for å drive stemmen sin brukergrensesnitt, er ideelle forekomster av edge AI på smarttelefoner. AI på enheten eliminerer behovet for å sende enhetsdata til skyen fordi behandlingen foregår på enheten (edge). Dette bidrar til å beskytte personvernet samtidig som det reduserer trafikken.
- Underholdning – virtuell reality-, augmented reality- og mixed reality-applikasjoner for underholdning inkluderer streaming av videomateriale til virtual reality-briller. Ved å sette ut prosessering fra glassene til kantservere nær sluttenheten, kan størrelsen på slike glass minimeres. Microsoft, for eksempel, har nettopp avduket HoloLens, en holografisk datamaskin montert i et hodeplagg som lar brukere oppleve utvidet virkelighet. Microsoft planlegger å bruke HoloLens å tilby konvensjonell databehandling, dataanalyse, medisinsk bildebehandling og gaming-på-kanten-applikasjoner.
- Ansiktsgjenkjenning – Ansiktsbehandling gjenkjenningssystemer er et fremskritt innen overvåkingskameraer som kan lære å gjenkjenne individer basert på deres ansikter. AI-kameramodul som bruker edge AI-datateknikker for å vurdere ansiktskarakteristikker i sanntid. Den kan oppdage ansikter raskt og presist, noe som gjør den ideell for markedsføringsverktøy som retter seg mot bestemte egenskaper som alder, samt ansiktsgjenkjenning for å låse opp enheter.
5G og Edge AI
Det vitale kravet til 5G i områder med høy vekst som fullt selvkjørende biler, sanntids virtuelle virkelighetsopplevelser og oppdragskritiske applikasjoner driver frem mer innovasjon innen edge computing og Edge AI.
5G er neste generasjons mobilnettverk som søker å forbedre tjenestekvaliteten betydelig, for eksempel bedre gjennomstrømning og redusert ventetid – noe som gir 10 ganger raskere datahastigheter enn eksisterende 5G-nettverk.
Vurder pakkelevering i sanntid i selvkjørende biler, som krever en ende-til-ende forsinkelse på mindre enn 10 ms for å forstå kravet om rask dataoverføring og lokal beregning på enheten.
Den minimale ende-til-ende-forsinkelsen for skytilgang er større enn 80 ms, noe som er uakseptabelt for mange virkelige applikasjoner. Edge computing oppfyller sub-millisekundekravene til 5G-applikasjoner samtidig som den reduserer energibruken med 30-40 %, noe som resulterer i opptil 5 ganger mindre energiforbruk sammenlignet med skytilgang.
Edge computing og 5G øker nettverkshastigheten, og muliggjør implementering og distribusjon av ulike sanntids AI-applikasjoner, for eksempel AI-basert sanntids videoanalyse, som er avhengig av dataoverføring med lav latens.
Future
Edge AI blir mer populært, og det er gjort betydelige investeringer på feltet. I januar 2020 ble det for eksempel kunngjort at Apple betalte 200 millioner dollar for å kjøpe det Seattle-baserte AI-firmaet Xnor.ai.
Kantbehandling brukes av Xnor.ai sin AI-teknologi for å behandle data på brukerens smarttelefon. Med innebygd AI på smarttelefoner bør vi forvente forbedringer i stemmebehandling, ansiktsgjenkjenningsteknologi og personvern.
Med introduksjonen av 5G kan vi forvente lavere priser og større etterspørsel etter avanserte AI-tjenester over hele verden.
konklusjonen
Etter hvert som folk bruker mer tid på sine mobile enheter, ser flere bedrifter og utviklere verdien av å implementere Edge-teknologi for å levere raskere og mer effektiv tjeneste samtidig som de øker fortjenestemarginene.
Når det gjelder AI-baserte tjenester på bedriftsnivå, så vel som forbrukerkomfort og lykke, vil dette åpne opp for et helt nytt univers av muligheter.
Store firmaer som Amazon og Google har investert millioner i utviklingen av deres Edge AI-systemer, og dermed er det å ta ledelsen og investere i disse teknologiene den eneste måten å holde seg konkurransedyktig.
Økt etterspørsel etter IoT-enheter vil på den annen side gjøre 5G-nettverk og Edge Computing mer utbredt.
Legg igjen en kommentar