ਵਿਸ਼ਾ - ਸੂਚੀ[ਛੁਪਾਓ][ਦਿਖਾਓ]
ਹਰ ਖੇਤਰ ਹੋਰ ਆਟੋਮੇਸ਼ਨ ਲਾਗੂ ਕਰਕੇ ਆਪਣੇ ਸੰਚਾਲਨ, ਉਤਪਾਦਕਤਾ ਅਤੇ ਸੁਰੱਖਿਆ ਨੂੰ ਵਧਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ। ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮਾਂ ਨੂੰ ਪੈਟਰਨਾਂ ਨੂੰ ਸਮਝਣ ਅਤੇ ਉਹਨਾਂ ਦੀ ਸਹਾਇਤਾ ਲਈ ਭਰੋਸੇਯੋਗ ਅਤੇ ਸੁਰੱਖਿਅਤ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਹਾਲਾਂਕਿ, ਸੰਸਾਰ ਗੈਰ-ਸੰਗਠਿਤ ਹੈ, ਅਤੇ ਨੌਕਰੀਆਂ ਦਾ ਸਪੈਕਟ੍ਰਮ ਜੋ ਮਨੁੱਖ ਦੁਆਰਾ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ, ਉਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਦ੍ਰਿਸ਼ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਪ੍ਰੋਗਰਾਮਾਂ ਅਤੇ ਨਿਯਮਾਂ ਵਿੱਚ ਉਚਿਤ ਰੂਪ ਵਿੱਚ ਪ੍ਰਗਟ ਕਰਨਾ ਔਖਾ ਹੁੰਦਾ ਹੈ।
Edge AI ਦੀ ਤਰੱਕੀ ਨੇ ਕੰਪਿਊਟਰਾਂ ਅਤੇ ਯੰਤਰਾਂ ਲਈ ਮਨੁੱਖੀ ਬੋਧ ਦੇ "ਖੁਫੀਆ" ਨਾਲ ਕੰਮ ਕਰਨਾ ਸੰਭਵ ਬਣਾਇਆ ਹੈ, ਚਾਹੇ ਉਹ ਕਿੱਥੇ ਹੋਣ। ਸਮਾਰਟ AI-ਸਮਰੱਥ ਐਪਸ ਵੱਖ-ਵੱਖ ਸਥਿਤੀਆਂ ਵਿੱਚ ਤੁਲਨਾਤਮਕ ਕੰਮ ਕਰਨਾ ਸਿੱਖਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਮਨੁੱਖ ਅਸਲ ਜੀਵਨ ਵਿੱਚ ਕਰਦੇ ਹਨ।
ਅਸੀਂ ਇਸ ਪੋਸਟ ਵਿੱਚ ਐਜ ਏਆਈ, ਇਸਦੇ ਲਾਭਾਂ, ਵਰਤੋਂ ਦੇ ਕੇਸਾਂ ਅਤੇ ਹੋਰ ਬਹੁਤ ਕੁਝ 'ਤੇ ਡੂੰਘਾਈ ਨਾਲ ਵਿਚਾਰ ਕਰਾਂਗੇ।
Edge AI ਕੀ ਹੈ?
ਐਜ ਕੰਪਿutingਟਿੰਗ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਡੇਟਾ ਸਟੋਰੇਜ ਅਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਤੱਕ ਆਸਾਨ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ. ਇਹ ਸਥਾਨਕ ਡਿਵਾਈਸਾਂ ਜਿਵੇਂ ਕਿ ਲੈਪਟਾਪ, IoT ਡਿਵਾਈਸਾਂ, ਜਾਂ ਵਿਸ਼ੇਸ਼ ਕਿਨਾਰੇ ਸਰਵਰਾਂ 'ਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਲਾਗੂ ਕਰਕੇ ਪੂਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਲੇਟੈਂਸੀ ਅਤੇ ਬੈਂਡਵਿਡਥ ਦੀ ਚਿੰਤਾ ਹੈ ਕਿ ਕਈ ਵਾਰ ਸਟਾਈਮੀ ਕਲਾਉਡ-ਅਧਾਰਿਤ ਓਪਰੇਸ਼ਨ ਐਜ ਫੰਕਸ਼ਨਾਂ ਲਈ ਕੋਈ ਮੁੱਦਾ ਨਹੀਂ ਹੁੰਦੇ ਹਨ।
Edge AI ਮਿਸ਼ਰਣ ਬਣਾਵਟੀ ਗਿਆਨ ਅਤੇ ਐਜ ਕੰਪਿਊਟਿੰਗ (AI)। ਇਸ ਵਿੱਚ ਕਿਨਾਰੇ 'ਤੇ ਪ੍ਰੋਸੈਸਿੰਗ ਪਾਵਰ ਦੇ ਨਾਲ ਸਥਾਨਕ ਡਿਵਾਈਸਾਂ 'ਤੇ AI ਐਲਗੋਰਿਦਮ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ।
Edge AI ਸਿਸਟਮ ਕਨੈਕਟੀਵਿਟੀ ਅਤੇ ਏਕੀਕਰਣ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ, ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਡਿਵਾਈਸਾਂ 'ਤੇ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਡੇਟਾ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ AI ਓਪਰੇਸ਼ਨਾਂ ਨੂੰ ਬਹੁਤ ਸਾਰੀ ਕੰਪਿਊਟੇਸ਼ਨਲ ਸ਼ਕਤੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਉਹਨਾਂ ਵਿੱਚੋਂ ਜ਼ਿਆਦਾਤਰ ਹੁਣ ਕਲਾਉਡ-ਅਧਾਰਿਤ ਕੇਂਦਰਾਂ ਵਿੱਚ ਕੀਤੇ ਜਾਂਦੇ ਹਨ।
ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਕਨੈਕਸ਼ਨ ਜਾਂ ਨੈੱਟਵਰਕ ਸਮੱਸਿਆਵਾਂ ਦੇ ਕਾਰਨ ਸੇਵਾ ਵਿੱਚ ਰੁਕਾਵਟ ਜਾਂ ਕਾਫ਼ੀ ਸੁਸਤੀ ਹੋ ਸਕਦੀ ਹੈ।
ਕਿਨਾਰੇ ਕੰਪਿਊਟਿੰਗ ਡਿਵਾਈਸਾਂ ਵਿੱਚ ਏਆਈ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਕੇ, ਏਜ ਏਆਈ ਇਹਨਾਂ ਚਿੰਤਾਵਾਂ ਨੂੰ ਦੂਰ ਕਰਦਾ ਹੈ। ਡਾਟਾ ਇਕੱਠਾ ਕਰਕੇ ਅਤੇ ਹੋਰ ਭੌਤਿਕ ਸਾਈਟਾਂ ਨਾਲ ਸੰਚਾਰ ਕੀਤੇ ਬਿਨਾਂ ਉਪਭੋਗਤਾਵਾਂ ਦੀ ਸੇਵਾ ਕਰਕੇ, ਉਪਭੋਗਤਾ ਸਮਾਂ ਬਚਾ ਸਕਦੇ ਹਨ।
Edge AI ਤਕਨਾਲੋਜੀ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ?
ਮਸ਼ੀਨਾਂ ਨੂੰ ਚੀਜ਼ਾਂ ਨੂੰ ਦੇਖਣ, ਪਛਾਣ ਕਰਨ, ਆਟੋਮੋਬਾਈਲ ਚਲਾਉਣ, ਬੋਲਣ, ਬੋਲਣ, ਹਿਲਾਉਣ ਅਤੇ ਹੋਰ ਮਨੁੱਖਾਂ ਵਰਗੇ ਕੰਮਾਂ ਨੂੰ ਚਲਾਉਣ ਦੇ ਯੋਗ ਹੋਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਮਨੁੱਖੀ ਬੋਧ ਨੂੰ ਡੁਪਲੀਕੇਟ ਕਰਨ ਲਈ, AI ਇੱਕ ਡੂੰਘੇ ਵਜੋਂ ਜਾਣੇ ਜਾਂਦੇ ਡੇਟਾ ਢਾਂਚੇ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਨਿਊਰਲ ਨੈਟਵਰਕ.
ਇਹਨਾਂ DNNs ਨੂੰ ਸਹੀ ਜਵਾਬਾਂ ਦੇ ਨਾਲ ਉਸ ਸਵਾਲ ਦੇ ਕਈ ਨਮੂਨੇ ਦਿਖਾ ਕੇ ਕੁਝ ਕਿਸਮ ਦੇ ਸਵਾਲਾਂ ਦਾ ਜਵਾਬ ਦੇਣਾ ਸਿਖਾਇਆ ਜਾਂਦਾ ਹੈ।
ਇੱਕ ਸਹੀ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਲੋੜੀਂਦੇ ਡੇਟਾ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਅਤੇ ਮਾਡਲ ਬਣਾਉਣ ਵਿੱਚ ਸਹਿਯੋਗ ਕਰਨ ਲਈ ਡੇਟਾ ਵਿਗਿਆਨੀਆਂ ਦੀ ਲੋੜ ਦੇ ਕਾਰਨ, ਇਹ ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆ, "ਡੂੰਘੀ ਸਿਖਲਾਈ" ਵਜੋਂ ਜਾਣੀ ਜਾਂਦੀ ਹੈ, ਆਮ ਤੌਰ 'ਤੇ ਡੇਟਾ ਸੈਂਟਰ ਜਾਂ ਕਲਾਉਡ ਵਿੱਚ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਮਾਡਲ ਇੱਕ "ਅੰਦਾਜ਼ਾ ਇੰਜਣ" ਵਿੱਚ ਵਿਕਸਤ ਹੁੰਦਾ ਹੈ ਜੋ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਹੋਣ ਤੋਂ ਬਾਅਦ ਅਸਲ-ਸੰਸਾਰ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦਾ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ।
ਕਿਨਾਰੇ AI ਤੈਨਾਤੀਆਂ ਵਿੱਚ ਅਨੁਮਾਨ ਇੰਜਣ ਇੱਕ ਕੰਪਿਊਟਰ ਜਾਂ ਡਿਵਾਈਸ ਤੇ ਇੱਕ ਰਿਮੋਟ ਟਿਕਾਣੇ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਫੈਕਟਰੀ, ਇੱਕ ਹਸਪਤਾਲ, ਇੱਕ ਆਟੋਮੋਬਾਈਲ, ਇੱਕ ਸੈਟੇਲਾਈਟ, ਜਾਂ ਇੱਕ ਵਿਅਕਤੀ ਦੇ ਘਰ ਵਿੱਚ ਕੰਮ ਕਰਦਾ ਹੈ।
ਜਦੋਂ AI ਨੂੰ ਕੋਈ ਸਮੱਸਿਆ ਆਉਂਦੀ ਹੈ, ਤਾਂ ਸਮੱਸਿਆ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਮੂਲ AI ਮਾਡਲ ਦੀ ਵਾਧੂ ਸਿਖਲਾਈ ਲਈ ਅਕਸਰ ਕਲਾਉਡ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਜੋ ਅੰਤ ਵਿੱਚ ਕਿਨਾਰੇ ਦੇ ਅਨੁਮਾਨ ਇੰਜਣ ਨੂੰ ਬਦਲ ਦਿੰਦਾ ਹੈ। ਇੱਕ ਵਾਰ ਕਿਨਾਰੇ AI ਮਾਡਲਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਇਹ ਫੀਡਬੈਕ ਲੂਪ ਲਈ ਧੰਨਵਾਦ, ਸਿਰਫ ਹੋਰ ਅਤੇ ਸਮਝਦਾਰ ਬਣ ਜਾਂਦੇ ਹਨ।
ਲਾਭ
AI ਐਲਗੋਰਿਦਮ ਖਾਸ ਤੌਰ 'ਤੇ ਅਸਲ-ਸੰਸਾਰ ਦੇ ਮੁੱਦਿਆਂ ਵਾਲੇ ਅੰਤ-ਉਪਭੋਗਤਿਆਂ ਦੁਆਰਾ ਅਕਸਰ ਸਥਾਨਾਂ 'ਤੇ ਲਾਭਦਾਇਕ ਹੁੰਦੇ ਹਨ ਕਿਉਂਕਿ ਉਹ ਭਾਸ਼ਾ, ਦ੍ਰਿਸ਼ਾਂ, ਆਵਾਜ਼ਾਂ, ਸੁਗੰਧਾਂ, ਤਾਪਮਾਨ, ਚਿਹਰਿਆਂ, ਅਤੇ ਹੋਰ ਐਨਾਲਾਗ ਕਿਸਮ ਦੀ ਗੈਰ-ਸੰਗਠਿਤ ਜਾਣਕਾਰੀ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕਦੇ ਹਨ।
ਲੇਟੈਂਸੀ, ਬੈਂਡਵਿਡਥ ਅਤੇ ਗੋਪਨੀਯਤਾ ਦੀਆਂ ਚਿੰਤਾਵਾਂ ਦੇ ਕਾਰਨ, ਕੁਝ AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਕੇਂਦਰੀਕ੍ਰਿਤ ਕਲਾਉਡ ਜਾਂ ਵਪਾਰਕ ਡੇਟਾ ਸੈਂਟਰ ਵਿੱਚ ਲਾਗੂ ਕਰਨਾ ਅਵਿਵਹਾਰਕ ਜਾਂ ਅਸੰਭਵ ਵੀ ਹੋਵੇਗਾ।
ਐਜ ਏਆਈ ਦੇ ਕੁਝ ਫਾਇਦੇ ਹੇਠਾਂ ਦਿੱਤੇ ਹਨ:
- ਰੀਅਲ-ਟਾਈਮ ਇਨਸਾਈਟਸ: ਜਿਵੇਂ ਕਿ ਕਿਨਾਰੇ ਤਕਨਾਲੋਜੀ ਇੱਕ ਦੂਰ ਦੇ ਕਲਾਉਡ ਦੀ ਬਜਾਏ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀ ਹੈ ਜੋ ਲੰਬੀ-ਦੂਰੀ ਕਨੈਕਟੀਵਿਟੀ ਦੁਆਰਾ ਦੇਰੀ ਹੁੰਦੀ ਹੈ, ਇਹ ਅਸਲ-ਸਮੇਂ ਵਿੱਚ ਉਪਭੋਗਤਾ ਦੀਆਂ ਬੇਨਤੀਆਂ ਦਾ ਜਵਾਬ ਦਿੰਦੀ ਹੈ।
- ਖੁਫੀਆ: AI ਐਪਲੀਕੇਸ਼ਨਾਂ ਰਵਾਇਤੀ ਪ੍ਰੋਗਰਾਮਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਅਤੇ ਅਨੁਕੂਲ ਹੁੰਦੀਆਂ ਹਨ, ਜੋ ਸਿਰਫ ਉਹਨਾਂ ਇਨਪੁੱਟਾਂ ਦਾ ਜਵਾਬ ਦੇ ਸਕਦੀਆਂ ਹਨ ਜੋ ਪ੍ਰੋਗਰਾਮਰ ਨੇ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਹੈ। ਇੱਕ ਏ.ਆਈ ਨਿਊਰਲ ਨੈਟਵਰਕ, ਦੂਜੇ ਪਾਸੇ, ਕਿਸੇ ਖਾਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ ਨਹੀਂ, ਸਗੋਂ ਇੱਕ ਖਾਸ ਕਿਸਮ ਦੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਭਾਵੇਂ ਸਵਾਲ ਖੁਦ ਹੀ ਨਾਵਲ ਹੋਵੇ। ਐਪਲੀਕੇਸ਼ਨ AI ਤੋਂ ਬਿਨਾਂ ਟੈਕਸਟ, ਬੋਲੇ ਗਏ ਸ਼ਬਦ, ਜਾਂ ਵੀਡੀਓ ਵਰਗੇ ਵੱਖ-ਵੱਖ ਇਨਪੁਟਸ 'ਤੇ ਨਿਰੰਤਰ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਵਿੱਚ ਅਸਮਰੱਥ ਹੋਣਗੇ।
- ਗੋਪਨੀਯਤਾ ਵਧੀ ਹੈ: AI ਅਸਲ-ਸੰਸਾਰ ਦੇ ਡੇਟਾ ਦਾ ਅਧਿਐਨ ਕਰ ਸਕਦਾ ਹੈ, ਇਸ ਨੂੰ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਦੇ ਸਾਹਮਣੇ ਪ੍ਰਗਟ ਕੀਤੇ ਬਿਨਾਂ, ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਗੋਪਨੀਯਤਾ ਨੂੰ ਕਾਫ਼ੀ ਹੁਲਾਰਾ ਦਿੰਦਾ ਹੈ ਜਿਸਦੀ ਦਿੱਖ, ਆਵਾਜ਼, ਡਾਕਟਰੀ ਚਿੱਤਰ, ਜਾਂ ਹੋਰ ਨਿੱਜੀ ਜਾਣਕਾਰੀ ਦਾ ਅਧਿਐਨ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। Edge AI ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਡਾਟਾ ਸਟੋਰ ਕਰਕੇ ਅਤੇ ਸਿਰਫ਼ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਸੂਝ ਨੂੰ ਕਲਾਊਡ ਵਿੱਚ ਤਬਦੀਲ ਕਰਕੇ ਗੋਪਨੀਯਤਾ ਨੂੰ ਹੋਰ ਵੀ ਬਿਹਤਰ ਬਣਾਉਂਦਾ ਹੈ।
- ਲਾਗਤ ਘਟਾਈ ਗਈ: ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਨੂੰ ਕਿਨਾਰੇ ਦੇ ਨੇੜੇ ਲੈ ਕੇ, ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਘੱਟ ਇੰਟਰਨੈਟ ਬੈਂਡਵਿਡਥ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਨਤੀਜੇ ਵਜੋਂ ਨੈੱਟਵਰਕਿੰਗ ਖਰਚਿਆਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਬੱਚਤ ਹੁੰਦੀ ਹੈ।
- ਲਗਾਤਾਰ ਸੁਧਾਰ: ਜਿਵੇਂ ਕਿ AI ਮਾਡਲਾਂ ਨੂੰ ਵਧੇਰੇ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਉਹ ਵਧੇਰੇ ਸਟੀਕ ਬਣ ਜਾਂਦੇ ਹਨ। ਜਦੋਂ ਇੱਕ ਕਿਨਾਰੇ AI ਐਪਲੀਕੇਸ਼ਨ ਨੂੰ ਡੇਟਾ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ ਜਿਸ ਨੂੰ ਇਹ ਸਹੀ ਜਾਂ ਭਰੋਸੇ ਨਾਲ ਸੰਭਾਲਣ ਵਿੱਚ ਅਸਮਰੱਥ ਹੈ, ਤਾਂ ਇਹ ਅਕਸਰ ਇਸਨੂੰ ਅਪਲੋਡ ਕਰਦਾ ਹੈ ਤਾਂ ਜੋ AI ਦੁਬਾਰਾ ਸਿਖਲਾਈ ਦੇ ਸਕੇ ਅਤੇ ਇਸ ਤੋਂ ਸਿੱਖ ਸਕੇ। ਨਤੀਜੇ ਵਜੋਂ, ਜਿੰਨਾ ਲੰਬਾ ਮਾਡਲ ਕਿਨਾਰੇ 'ਤੇ ਉਤਪਾਦਨ ਵਿੱਚ ਹੈ, ਇਹ ਓਨਾ ਹੀ ਸਹੀ ਹੋਵੇਗਾ।
Edge AI ਵਰਤੋਂ ਦੇ ਕੇਸ
ਉਦਯੋਗਿਕ ਮਸ਼ੀਨਰੀ ਅਤੇ ਖਪਤਕਾਰ ਯੰਤਰ ਕਿਨਾਰੇ ਏਆਈ ਮਾਰਕੀਟ ਦੇ ਦੋ ਮੁੱਖ ਹਿੱਸੇ ਹਨ। ਪ੍ਰਦਰਸ਼ਨੀ ਟੈਸਟ ਸਾਜ਼ੋ-ਸਾਮਾਨ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਅਤੇ ਅਨੁਕੂਲ ਬਣਾਉਣ ਅਤੇ ਹੁਨਰਮੰਦ ਕਿਰਤ ਹੁਨਰਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਨ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਸੁਧਾਰ ਦਿਖਾ ਰਹੇ ਹਨ।
AI-ਸਮਰੱਥ ਕੈਮਰਿਆਂ ਵਾਲੇ ਉਪਭੋਗਤਾ ਯੰਤਰ ਜੋ ਆਪਣੇ ਆਪ ਤਸਵੀਰ ਦੇ ਵਿਸ਼ਿਆਂ ਦਾ ਪਤਾ ਲਗਾਉਂਦੇ ਹਨ, ਵੀ ਤਰੱਕੀ ਕਰ ਰਹੇ ਹਨ। ਉਪਭੋਗਤਾ ਡਿਵਾਈਸ ਮਾਰਕੀਟ ਦੇ 2021 ਤੋਂ ਬਾਅਦ ਨਾਟਕੀ ਤੌਰ 'ਤੇ ਵਧਣ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਗਈ ਹੈ, ਇਸ ਤੱਥ ਦੇ ਕਾਰਨ ਕਿ ਉਪਕਰਣਾਂ ਦੀ ਗਿਣਤੀ ਉਦਯੋਗਿਕ ਉਪਕਰਣਾਂ ਦੀ ਗਿਣਤੀ ਨਾਲੋਂ ਵੱਧ ਹੈ. ਅਸੀਂ ਹੇਠਾਂ ਕੁਝ ਪ੍ਰਸਿੱਧ ਕਿਨਾਰੇ AI ਵਰਤੋਂ ਦੇ ਕੇਸਾਂ ਨੂੰ ਸੂਚੀਬੱਧ ਕੀਤਾ ਹੈ:
- ਆਟੋਨੋਮਸ ਡਰੋਨ - ਡਰੋਨ ਖਬਰਾਂ ਦੇ ਅਨੁਸਾਰ, ਰਿਮੋਟ ਫਲਾਇੰਗ ਟੈਸਟ ਕਰਦੇ ਸਮੇਂ ਕੰਟਰੋਲ ਗੁਆ ਰਹੇ ਹਨ ਅਤੇ ਗਾਇਬ ਹੋ ਗਏ ਹਨ। ਇੱਕ ਆਟੋਨੋਮਸ ਡਰੋਨ ਦਾ ਪਾਇਲਟ ਡਰੋਨ ਦੀ ਉਡਾਣ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਹੁੰਦਾ ਹੈ। ਉਹ ਦੂਰੋਂ ਚੀਜ਼ਾਂ 'ਤੇ ਨਜ਼ਰ ਰੱਖਦੇ ਹਨ ਅਤੇ ਡਰੋਨ ਦੀ ਵਰਤੋਂ ਉਦੋਂ ਹੀ ਕਰਦੇ ਹਨ ਜਦੋਂ ਇਹ ਬਿਲਕੁਲ ਜ਼ਰੂਰੀ ਹੋਵੇ। ਐਮਾਜ਼ਾਨ ਪ੍ਰਾਈਮ ਏਅਰ, ਇੱਕ ਡਰੋਨ ਡਿਲੀਵਰੀ ਕਾਰੋਬਾਰ ਜੋ ਚੀਜ਼ਾਂ ਦੀ ਡਿਲਿਵਰੀ ਕਰਨ ਲਈ ਸਵੈ-ਡਰਾਈਵਿੰਗ ਡਰੋਨ ਵਿਕਸਤ ਕਰ ਰਿਹਾ ਹੈ, ਇਸਦਾ ਸਭ ਤੋਂ ਮਸ਼ਹੂਰ ਉਦਾਹਰਣ ਹੈ।
- ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰਾਂ - The ਕਿਨਾਰੇ ਕੰਪਿਊਟਿੰਗ ਦੀ ਸਭ ਤੋਂ ਦਿਲਚਸਪ ਵਰਤੋਂ ਸਵੈ-ਡਰਾਈਵਿੰਗ ਆਟੋਮੋਬਾਈਲ ਹੈ। ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰਾਂ ਨੂੰ ਬਹੁਤ ਸਾਰੀਆਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਸਥਿਤੀਆਂ ਦਾ ਤੁਰੰਤ ਮੁਲਾਂਕਣ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਜਿਸ ਲਈ ਰੀਅਲ-ਟਾਈਮ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜਾਪਾਨ ਦੇ ਸੜਕ ਆਵਾਜਾਈ ਕਾਨੂੰਨ ਅਤੇ ਸੜਕ ਆਵਾਜਾਈ ਵਾਹਨ ਕਾਨੂੰਨ ਨੂੰ ਦਸੰਬਰ 2019 ਵਿੱਚ ਸੋਧਿਆ ਗਿਆ ਸੀ, ਜਿਸ ਨਾਲ ਸੜਕ 'ਤੇ ਲੈਵਲ 3 ਸਵੈ-ਡਰਾਈਵਿੰਗ ਵਾਹਨਾਂ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨਾ ਆਸਾਨ ਹੋ ਗਿਆ ਸੀ। ਸੁਰੱਖਿਆ ਲੋੜਾਂ ਜੋ ਖੁਦਮੁਖਤਿਆਰ ਕਾਰਾਂ ਨੂੰ ਪੂਰੀਆਂ ਕਰਨੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ, ਅਤੇ ਨਾਲ ਹੀ ਉਹ ਸਥਾਨ ਜਿੱਥੇ ਉਹ ਗੱਡੀ ਚਲਾ ਸਕਦੇ ਹਨ, ਉਹਨਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ। ਨਤੀਜੇ ਵਜੋਂ, ਵਾਹਨ ਨਿਰਮਾਤਾ ਸਵੈ-ਡਰਾਈਵਿੰਗ ਵਾਹਨ ਵਿਕਸਿਤ ਕਰ ਰਹੇ ਹਨ ਜੋ ਇਹਨਾਂ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ। ਟੋਇਟਾ, ਉਦਾਹਰਨ ਲਈ, ਪੂਰੀ ਆਟੋਮੇਸ਼ਨ (ਪੱਧਰ 4) ਦੇ ਨਾਲ TRI-P4 ਨੂੰ ਆਪਣੀ ਰਫ਼ਤਾਰ ਵਿੱਚ ਪਾ ਰਿਹਾ ਹੈ।
- ਸਮਾਰਟਫ਼ੋਨ - ਇਹ ਕਿਨਾਰੇ AI ਗੈਜੇਟ ਹੈ ਜਿਸ ਨਾਲ ਅਸੀਂ ਸਾਰੇ ਜਾਣੂ ਹਾਂ। ਸਿਰੀ ਅਤੇ ਗੂਗਲ ਅਸਿਸਟੈਂਟ, ਜੋ ਕਿ ਉਹਨਾਂ ਦੀ ਅਵਾਜ਼ ਨੂੰ ਸ਼ਕਤੀ ਦੇਣ ਲਈ ਕਿਨਾਰੇ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ ਯੂਜ਼ਰ ਇੰਟਰਫੇਸ, ਸਮਾਰਟਫ਼ੋਨਸ 'ਤੇ ਕਿਨਾਰੇ AI ਦੇ ਆਦਰਸ਼ ਉਦਾਹਰਣ ਹਨ। ਔਨ-ਡਿਵਾਈਸ AI ਕਲਾਉਡ ਨੂੰ ਡਿਵਾਈਸ ਡੇਟਾ ਭੇਜਣ ਦੀ ਜ਼ਰੂਰਤ ਨੂੰ ਖਤਮ ਕਰਦਾ ਹੈ ਕਿਉਂਕਿ ਪ੍ਰੋਸੈਸਿੰਗ ਡਿਵਾਈਸ (ਕਿਨਾਰੇ) 'ਤੇ ਹੁੰਦੀ ਹੈ। ਇਹ ਟ੍ਰੈਫਿਕ ਨੂੰ ਘਟਾਉਣ ਦੇ ਨਾਲ-ਨਾਲ ਗੋਪਨੀਯਤਾ ਦੀ ਰੱਖਿਆ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
- ਮਨੋਰੰਜਨ - ਵਰਚੁਅਲ ਹਕੀਕਤ, ਸੰਸ਼ੋਧਿਤ ਹਕੀਕਤ, ਅਤੇ ਮਨੋਰੰਜਨ ਲਈ ਮਿਕਸਡ ਰਿਐਲਿਟੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਵੀਡੀਓ ਸਮੱਗਰੀ ਨੂੰ ਵਰਚੁਅਲ ਰਿਐਲਿਟੀ ਗਲਾਸ ਵਿੱਚ ਸਟ੍ਰੀਮ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ। ਅੰਤਲੇ ਯੰਤਰ ਦੇ ਨੇੜੇ ਐਨਕਾਂ ਤੋਂ ਕਿਨਾਰੇ ਸਰਵਰਾਂ ਤੱਕ ਪ੍ਰੋਸੈਸਿੰਗ ਆਊਟਸੋਰਸਿੰਗ ਦੁਆਰਾ, ਅਜਿਹੇ ਸ਼ੀਸ਼ਿਆਂ ਦੇ ਆਕਾਰ ਨੂੰ ਘੱਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਮਾਈਕਰੋਸਾਫਟ, ਉਦਾਹਰਨ ਲਈ, ਹੁਣੇ ਹੀ ਹੋਲੋਲੈਂਸ ਦਾ ਪਰਦਾਫਾਸ਼ ਕੀਤਾ, ਇੱਕ ਹੋਲੋਗ੍ਰਾਫਿਕ ਕੰਪਿਊਟਰ ਹੈੱਡਗੇਅਰ ਵਿੱਚ ਫਿੱਟ ਕੀਤਾ ਗਿਆ ਹੈ ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵਧੀ ਹੋਈ ਅਸਲੀਅਤ ਦਾ ਅਨੁਭਵ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਮਾਈਕ੍ਰੋਸਾਫਟ ਹੋਲੋਲੈਂਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਿਹਾ ਹੈ ਰਵਾਇਤੀ ਕੰਪਿਊਟਿੰਗ, ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਮੈਡੀਕਲ ਇਮੇਜਿੰਗ, ਅਤੇ ਗੇਮਿੰਗ-ਐਟ-ਦ-ਐਜ ਐਪਲੀਕੇਸ਼ਨ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ।
- ਚਿਹਰੇ ਦੀ ਪਛਾਣ - ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਮਾਨਤਾ ਪ੍ਰਣਾਲੀ ਨਿਗਰਾਨੀ ਕੈਮਰਿਆਂ ਵਿੱਚ ਇੱਕ ਉੱਨਤੀ ਹੈ ਜੋ ਵਿਅਕਤੀਆਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਚਿਹਰਿਆਂ ਦੇ ਅਧਾਰ ਤੇ ਪਛਾਣਨਾ ਸਿੱਖ ਸਕਦੇ ਹਨ। AI ਕੈਮਰਾ ਮੋਡੀਊਲ ਜੋ ਕਿ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਚਿਹਰੇ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਕਿਨਾਰੇ AI ਕੰਪਿਊਟਰ ਤਕਨੀਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ। ਇਹ ਚਿਹਰਿਆਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਅਤੇ ਸਹੀ ਢੰਗ ਨਾਲ ਖੋਜ ਸਕਦਾ ਹੈ, ਇਸ ਨੂੰ ਮਾਰਕੀਟਿੰਗ ਟੂਲਸ ਲਈ ਆਦਰਸ਼ ਬਣਾਉਂਦਾ ਹੈ ਜੋ ਕੁਝ ਖਾਸ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਜਿਵੇਂ ਕਿ ਉਮਰ, ਅਤੇ ਨਾਲ ਹੀ ਡਿਵਾਈਸਾਂ ਨੂੰ ਅਨਲੌਕ ਕਰਨ ਲਈ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦੇ ਹਨ।
5G ਅਤੇ Edge AI
ਉੱਚ-ਵਿਕਾਸ ਵਾਲੇ ਖੇਤਰਾਂ ਜਿਵੇਂ ਕਿ ਪੂਰੀ ਤਰ੍ਹਾਂ ਸਵੈ-ਡਰਾਈਵਿੰਗ ਕਾਰਾਂ, ਰੀਅਲ-ਟਾਈਮ ਵਰਚੁਅਲ ਰਿਐਲਿਟੀ ਅਨੁਭਵ, ਅਤੇ ਮਿਸ਼ਨ-ਨਾਜ਼ੁਕ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ 5G ਲਈ ਜ਼ਰੂਰੀ ਲੋੜ ਕਿਨਾਰੇ ਕੰਪਿਊਟਿੰਗ ਅਤੇ Edge AI ਵਿੱਚ ਹੋਰ ਨਵੀਨਤਾ ਲਿਆਉਂਦੀ ਹੈ।
5G ਅਗਲੀ ਪੀੜ੍ਹੀ ਦਾ ਸੈਲੂਲਰ ਨੈੱਟਵਰਕ ਹੈ ਜੋ ਸੇਵਾ ਦੀ ਗੁਣਵੱਤਾ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਵਧਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਬਿਹਤਰ ਥ੍ਰੋਪੁੱਟ ਅਤੇ ਘਟੀ ਹੋਈ ਲੇਟੈਂਸੀ — ਮੌਜੂਦਾ 10G ਨੈੱਟਵਰਕਾਂ ਨਾਲੋਂ 5 ਗੁਣਾ ਤੇਜ਼ ਡਾਟਾ ਦਰਾਂ ਦੇਣਾ।
ਸਵੈ-ਡਰਾਈਵਿੰਗ ਆਟੋਮੋਬਾਈਲਜ਼ ਵਿੱਚ ਰੀਅਲ-ਟਾਈਮ ਪੈਕੇਟ ਡਿਲੀਵਰੀ 'ਤੇ ਵਿਚਾਰ ਕਰੋ, ਜੋ ਤੇਜ਼ ਡਾਟਾ ਟ੍ਰਾਂਸਫਰ ਅਤੇ ਸਥਾਨਕ ਔਨ-ਡਿਵਾਈਸ ਗਣਨਾ ਦੀ ਲੋੜ ਦੀ ਕਦਰ ਕਰਨ ਲਈ 10 ms ਤੋਂ ਘੱਟ ਦੇ ਅੰਤ ਤੋਂ ਅੰਤ ਤੱਕ ਦੇਰੀ ਦੀ ਮੰਗ ਕਰਦਾ ਹੈ।
ਕਲਾਉਡ ਪਹੁੰਚ ਲਈ ਘੱਟੋ-ਘੱਟ ਅੰਤ-ਤੋਂ-ਅੰਤ ਦੇਰੀ 80 ms ਤੋਂ ਵੱਧ ਹੈ, ਜੋ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਅਸਲ-ਸੰਸਾਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਅਸਵੀਕਾਰਨਯੋਗ ਹੈ। ਐਜ ਕੰਪਿutingਟਿੰਗ ਊਰਜਾ ਦੀ ਵਰਤੋਂ ਨੂੰ 5-30% ਤੱਕ ਘਟਾਉਂਦੇ ਹੋਏ 40G ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀਆਂ ਸਬ-ਮਿਲੀਸਕਿੰਟ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ, ਨਤੀਜੇ ਵਜੋਂ ਕਲਾਉਡ ਪਹੁੰਚ ਦੇ ਮੁਕਾਬਲੇ 5 ਗੁਣਾ ਘੱਟ ਊਰਜਾ ਦੀ ਖਪਤ ਹੁੰਦੀ ਹੈ।
ਐਜ ਕੰਪਿਊਟਿੰਗ ਅਤੇ 5G ਬੂਸਟ ਨੈੱਟਵਰਕ ਸਪੀਡ, ਵੱਖ-ਵੱਖ ਰੀਅਲ-ਟਾਈਮ AI ਐਪਲੀਕੇਸ਼ਨਾਂ, ਜਿਵੇਂ ਕਿ AI-ਅਧਾਰਿਤ ਰੀਅਲ-ਟਾਈਮ ਵੀਡੀਓ ਵਿਸ਼ਲੇਸ਼ਣ, ਜੋ ਕਿ ਘੱਟ ਲੇਟੈਂਸੀ ਡਾਟਾ ਟ੍ਰਾਂਸਫਰ 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ, ਨੂੰ ਲਾਗੂ ਕਰਨ ਅਤੇ ਤੈਨਾਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ।
ਭਵਿੱਖ
ਐਜ ਏਆਈ ਵਧੇਰੇ ਪ੍ਰਸਿੱਧ ਹੋ ਰਿਹਾ ਹੈ, ਅਤੇ ਖੇਤਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਨਿਵੇਸ਼ ਕੀਤੇ ਗਏ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਜਨਵਰੀ 2020 ਵਿੱਚ, ਇਹ ਘੋਸ਼ਣਾ ਕੀਤੀ ਗਈ ਸੀ ਕਿ ਐਪਲ ਨੇ ਸੀਏਟਲ-ਅਧਾਰਤ AI ਫਰਮ Xnor.ai ਨੂੰ ਖਰੀਦਣ ਲਈ $200 ਮਿਲੀਅਨ ਦਾ ਭੁਗਤਾਨ ਕੀਤਾ।
Xnor.ai ਦੀ AI ਤਕਨਾਲੋਜੀ ਦੁਆਰਾ ਉਪਭੋਗਤਾ ਦੇ ਸਮਾਰਟਫੋਨ 'ਤੇ ਡੇਟਾ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰਨ ਲਈ ਐਜ ਪ੍ਰੋਸੈਸਿੰਗ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸਮਾਰਟਫ਼ੋਨਸ 'ਤੇ ਬਿਲਟ-ਇਨ AI ਦੇ ਨਾਲ, ਸਾਨੂੰ ਵੌਇਸ ਪ੍ਰੋਸੈਸਿੰਗ, ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਤਕਨਾਲੋਜੀ, ਅਤੇ ਗੋਪਨੀਯਤਾ ਵਿੱਚ ਸੁਧਾਰਾਂ ਦੀ ਉਮੀਦ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।
5G ਦੀ ਸ਼ੁਰੂਆਤ ਦੇ ਨਾਲ, ਅਸੀਂ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਕਿਨਾਰੇ AI ਸੇਵਾਵਾਂ ਲਈ ਘੱਟ ਕੀਮਤਾਂ ਅਤੇ ਵਧੇਰੇ ਮੰਗ ਦੀ ਉਮੀਦ ਕਰ ਸਕਦੇ ਹਾਂ।
ਸਿੱਟਾ
ਜਿਵੇਂ ਕਿ ਲੋਕ ਆਪਣੇ ਮੋਬਾਈਲ ਉਪਕਰਣਾਂ 'ਤੇ ਵਧੇਰੇ ਸਮਾਂ ਬਿਤਾਉਂਦੇ ਹਨ, ਵਧੇਰੇ ਕਾਰੋਬਾਰ ਅਤੇ ਵਿਕਾਸਕਾਰ ਮੁਨਾਫੇ ਦੇ ਮਾਰਜਿਨ ਨੂੰ ਵਧਾਉਂਦੇ ਹੋਏ ਤੇਜ਼, ਵਧੇਰੇ ਕੁਸ਼ਲ ਸੇਵਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਐਜ ਤਕਨਾਲੋਜੀ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਮੁੱਲ ਨੂੰ ਦੇਖ ਰਹੇ ਹਨ।
ਐਂਟਰਪ੍ਰਾਈਜ਼-ਪੱਧਰ ਦੀਆਂ AI-ਆਧਾਰਿਤ ਸੇਵਾਵਾਂ ਦੇ ਨਾਲ-ਨਾਲ ਉਪਭੋਗਤਾ ਆਰਾਮ ਅਤੇ ਖੁਸ਼ੀ ਦੇ ਰੂਪ ਵਿੱਚ, ਇਹ ਸੰਭਾਵਨਾਵਾਂ ਦਾ ਇੱਕ ਪੂਰਾ ਨਵਾਂ ਬ੍ਰਹਿਮੰਡ ਖੋਲ੍ਹੇਗਾ।
ਐਮਾਜ਼ਾਨ ਅਤੇ ਗੂਗਲ ਵਰਗੀਆਂ ਵੱਡੀਆਂ ਫਰਮਾਂ ਨੇ ਆਪਣੇ ਐਜ ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਲੱਖਾਂ ਦਾ ਨਿਵੇਸ਼ ਕੀਤਾ ਹੈ, ਇਸ ਤਰ੍ਹਾਂ ਲੀਡ ਲੈਣਾ ਅਤੇ ਇਹਨਾਂ ਤਕਨਾਲੋਜੀਆਂ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਪ੍ਰਤੀਯੋਗੀ ਬਣੇ ਰਹਿਣ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਹੈ।
ਦੂਜੇ ਪਾਸੇ, IoT ਡਿਵਾਈਸਾਂ ਦੀ ਵਧਦੀ ਮੰਗ, 5G ਨੈਟਵਰਕ ਅਤੇ ਐਜ ਕੰਪਿਊਟਿੰਗ ਨੂੰ ਵਧੇਰੇ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੇਗੀ।
ਕੋਈ ਜਵਾਬ ਛੱਡਣਾ