Każdy sektor dąży do zwiększenia swojej działalności, produktywności i bezpieczeństwa poprzez wdrożenie większej automatyzacji. Programy komputerowe muszą być w stanie rozpoznać wzorce i wykonywać zadania niezawodnie i bezpiecznie, aby im pomóc.
Jednak świat jest nieustrukturyzowany, a spektrum zadań wykonywanych przez ludzi obejmuje nieskończoną liczbę scenariuszy, które trudno odpowiednio wyrazić w programach i regułach.
Postępy Edge AI umożliwiły komputerom i gadżetom współpracę z „inteligencją” ludzkiego poznania, niezależnie od tego, gdzie się znajdują. Inteligentne aplikacje obsługujące sztuczną inteligencję uczą się wykonywać porównywalne zadania w różnych sytuacjach, tak jak ludzie robią to w prawdziwym życiu.
W tym poście szczegółowo przyjrzymy się Edge AI, jej zaletom, przypadkom użycia i wielu innym.
Co to jest sztuczna inteligencja Edge?
Przetwarzanie brzegowe umożliwia użytkownikom łatwiejszy dostęp do przechowywania i przetwarzania danych. Odbywa się to poprzez wykonywanie procesów na urządzeniach lokalnych, takich jak laptopy, urządzenia IoT lub wyspecjalizowane serwery brzegowe.
Opóźnienia i przepustowość wiążą się z tym, że czasami utrudnianie operacji w chmurze nie stanowi problemu dla funkcji brzegowych.
Mieszanki Edge AI sztuczna inteligencja przetwarzanie brzegowe (AI). Wiąże się to z wykonywaniem algorytmów AI na lokalnych urządzeniach z mocą obliczeniową na brzegu.
Edge AI eliminuje potrzebę łączności i integracji systemu, umożliwiając użytkownikom przetwarzanie danych w czasie rzeczywistym na swoich urządzeniach. Chociaż operacje AI wymagają dużej mocy obliczeniowej, większość z nich jest obecnie przeprowadzana w centrach chmurowych.
Wadą jest to, że mogą wystąpić przerwy w świadczeniu usług lub znaczne spowolnienie z powodu problemów z połączeniem lub siecią.
Integrując procesy sztucznej inteligencji z urządzeniami do przetwarzania brzegowego, sztuczna inteligencja przezwycięża te obawy. Zbierając dane i obsługując użytkowników bez konieczności komunikowania się z innymi fizycznymi witrynami, użytkownicy mogą zaoszczędzić czas.
Jak działa technologia Edge AI?
Maszyny muszą być w stanie widzieć, identyfikować przedmioty, obsługiwać samochody, rozumieć mowę, mówić, poruszać się i wykonywać inne podobne do ludzkich zadań. W celu zduplikowania ludzkiego poznania sztuczna inteligencja wykorzystuje strukturę danych znaną jako deep sieci neuronowe.
Te DNN są uczone, aby odpowiadać na pewne rodzaje zapytań, pokazując kilka próbek tego pytania wraz z dokładnymi odpowiedziami.
Ze względu na dużą ilość danych niezbędnych do wytrenowania dokładnego modelu oraz konieczność współpracy naukowców zajmujących się danymi przy tworzeniu modelu, ten proces uczenia, zwany „głębokim uczeniem”, odbywa się na ogół w centrum danych lub w chmurze. Model rozwija się w „silnik wnioskowania”, który po przeszkoleniu może odpowiadać na rzeczywiste problemy.
Silnik wnioskowania we wdrożeniach Edge AI działa na komputerze lub urządzeniu w zdalnej lokalizacji, takiej jak fabryka, szpital, samochód, satelita lub dom.
Gdy sztuczna inteligencja napotyka problem, problematyczne dane są często przesyłane do chmury w celu dodatkowego szkolenia oryginalnego modelu AI, który ostatecznie zastępuje silnik wnioskowania o krawędzi. Po wdrożeniu modeli Edge AI stają się one tylko bardziej i mądrzejsze dzięki tej pętli sprzężenia zwrotnego.
Benefity
Algorytmy sztucznej inteligencji są szczególnie przydatne w lokalizacjach odwiedzanych przez użytkowników końcowych z problemami w świecie rzeczywistym, ponieważ mogą interpretować język, widoki, dźwięki, zapachy, temperaturę, twarze i inne analogowe rodzaje nieustrukturyzowanych informacji.
Ze względu na obawy związane z opóźnieniami, przepustowością i prywatnością niektóre aplikacje AI byłyby niepraktyczne lub wręcz niemożliwe do wdrożenia w scentralizowanej chmurze lub biznesowym centrum danych.
Oto niektóre z zalet Edge AI:
- Wgląd w czasie rzeczywistym: Ponieważ technologia brzegowa analizuje dane lokalnie, a nie w odległej chmurze, która jest opóźniona przez łączność na duże odległości, odpowiada na żądania użytkowników w czasie rzeczywistym.
- Inteligencja: Aplikacje AI są bardziej wydajne i adaptowalne niż tradycyjne programy, które mogą reagować tylko na dane wejściowe, które przewidział programista. AI sieci neuronowe, z drugiej strony jest wyszkolony, aby nie odpowiadać na konkretne pytanie, ale raczej na konkretny rodzaj pytania, nawet jeśli samo pytanie jest nowe. Aplikacje nie byłyby w stanie przetwarzać w nieskończoność różnych danych wejściowych, takich jak tekst, wypowiadane słowa lub wideo bez sztucznej inteligencji.
- Zwiększona prywatność: Sztuczna inteligencja może badać dane ze świata rzeczywistego bez ujawniania ich człowiekowi, znacznie zwiększając prywatność każdego, którego wygląd, głos, wizerunek medyczny lub inne dane osobowe muszą zostać zbadane. Edge AI jeszcze bardziej poprawia prywatność, przechowując dane lokalnie i przenosząc tylko analizę i spostrzeżenia do chmury.
- Obniżone koszty: Przenosząc moc obliczeniową bliżej krawędzi, aplikacje wymagają mniejszej przepustowości łącza internetowego, co skutkuje znacznymi oszczędnościami w wydatkach sieciowych.
- Konsekwentna poprawa: Ponieważ modele AI są szkolone na większej ilości danych, stają się dokładniejsze. Gdy aplikacja Edge AI napotka dane, z którymi nie jest w stanie obsłużyć precyzyjnie lub pewnie, często przesyła je, aby sztuczna inteligencja mogła się przekwalifikować i uczyć się na ich podstawie. W rezultacie im dłużej model jest produkowany na krawędzi, tym będzie dokładniejszy.
Przypadki użycia Edge AI
Maszyny przemysłowe i gadżety konsumenckie to dwa główne segmenty rynku edge AI. Testy demonstracyjne wykazują poprawę w takich obszarach, jak regulacja i optymalizacja sprzętu oraz automatyzacja umiejętności wykwalifikowanych pracowników.
Poczyniają również postępy gadżety konsumenckie z kamerami obsługującymi sztuczną inteligencję, które automatycznie wykrywają obiekty na zdjęciach. Przewiduje się, że od 2021 r. rynek urządzeń konsumenckich gwałtownie wzrośnie, ze względu na fakt, że liczba urządzeń jest większa niż liczba urządzeń przemysłowych. Poniżej wymieniliśmy kilka popularnych przypadków użycia Edge AI:
- Drony autonomiczne – Drony według doniesień tracą kontrolę i znikają podczas przeprowadzania zdalnych testów latania. Pilot autonomicznego drona nie jest zaangażowany w latanie dronem. Obserwują rzeczy z daleka i używają drona tylko wtedy, gdy jest to absolutnie niezbędne. Najbardziej znanym tego przykładem jest Amazon Prime Air, firma dostarczająca drony, która opracowuje bezzałogowe drony do dostarczania przedmiotów.
- Samochody do samodzielnego prowadzenia – The Najbardziej ekscytującym zastosowaniem obliczeń brzegowych są samochody autonomiczne. Samochody autonomiczne muszą dokonywać natychmiastowej oceny sytuacji w wielu okolicznościach, co wymaga przetwarzania danych w czasie rzeczywistym. Japońska ustawa o ruchu drogowym i ustawa o pojazdach drogowych zostały zrewidowane w grudniu 2019 r., co ułatwiło wprowadzenie na drogę pojazdów autonomicznych poziomu 3. Wśród nich są wymogi bezpieczeństwa, jakie muszą spełniać samochody autonomiczne, a także miejsca, w których mogą jeździć. W rezultacie producenci samochodów opracowują pojazdy autonomiczne, które spełniają te wymagania. Na przykład Toyota testuje TRI-P4 z pełną automatyzacją (poziom 4).
- Smartfony – to to najnowocześniejszy gadżet AI, który wszyscy znamy najbardziej. Siri i Asystent Google, które wykorzystują sztuczną inteligencję do zasilania swojego głosu interfejsy użytkownika, są idealnymi przykładami brzegowej sztucznej inteligencji na smartfonach. Sztuczna inteligencja na urządzeniu eliminuje potrzebę wysyłania danych urządzenia do chmury, ponieważ przetwarzanie odbywa się na urządzeniu (na brzegu). Pomaga to chronić prywatność, jednocześnie zmniejszając ruch.
- Rozrywka – Wirtualna aplikacje rzeczywistości, rzeczywistości rozszerzonej i rzeczywistości mieszanej dla rozrywki obejmują przesyłanie strumieniowe materiałów wideo do okularów rzeczywistości wirtualnej. Dzięki outsourcingowi przetwarzania z okularów do serwerów brzegowych w pobliżu urządzenia końcowego, rozmiar takich okularów można zminimalizować. Microsoft, na przykład, właśnie zaprezentował HoloLens, holograficzny komputer zamontowany w nakryciu głowy, który pozwala użytkownikom doświadczyć rzeczywistości rozszerzonej. Microsoft planuje użyć HoloLens w celu zapewnienia konwencjonalnych zastosowań obliczeniowych, analizy danych, obrazowania medycznego i gier na krawędzi.
- Rozpoznawanie twarzy – Facial Systemy rozpoznawania to postęp w kamerach monitorujących, które mogą nauczyć się rozpoznawać osoby na podstawie ich twarzy. Moduł kamery AI, który wykorzystuje techniki komputerowe AI edge do oceny charakterystyki twarzy w czasie rzeczywistym. Potrafi szybko i precyzyjnie wykrywać twarze, dzięki czemu idealnie nadaje się do narzędzi marketingowych ukierunkowanych na określone cechy, takie jak wiek, a także rozpoznawanie twarzy do odblokowywania urządzeń.
5G i Edge AI
Kluczowe wymagania dla 5G w szybko rozwijających się obszarach, takich jak w pełni autonomiczne samochody, doświadczenia z rzeczywistością wirtualną w czasie rzeczywistym i aplikacje o znaczeniu krytycznym, napędzają więcej innowacji w obliczeniach brzegowych i Edge AI.
5G to sieć komórkowa nowej generacji która ma na celu znaczne podniesienie jakości usług, na przykład lepszą przepustowość i mniejsze opóźnienia – zapewniając 10-krotnie szybsze szybkości transmisji danych niż istniejące sieci 5G.
Rozważ dostarczanie pakietów w czasie rzeczywistym w autonomicznych samochodach, które wymagają opóźnienia od końca do końca mniejszego niż 10 ms, aby docenić wymóg szybkiego przesyłania danych i lokalnych obliczeń na urządzeniu.
Minimalne opóźnienie end-to-end dla dostępu do chmury jest większe niż 80 ms, co jest niedopuszczalne w przypadku wielu rzeczywistych aplikacji. Przetwarzanie brzegowe spełnia wymagania aplikacji 5G poniżej milisekundy, jednocześnie zmniejszając zużycie energii o 30-40%, co skutkuje nawet 5-krotnie mniejszym zużyciem energii w porównaniu z dostępem do chmury.
Przetwarzanie brzegowe i 5G zwiększają prędkość sieci, umożliwiając wdrażanie i wdrażanie różnych aplikacji AI w czasie rzeczywistym, takich jak analiza wideo w czasie rzeczywistym oparta na sztucznej inteligencji, które opierają się na przesyłaniu danych o niskim opóźnieniu.
Przyszłość
Edge AI staje się coraz bardziej popularny i poczyniono znaczne inwestycje w tej dziedzinie. Na przykład w styczniu 2020 r. ogłoszono, że Apple zapłacił 200 milionów dolarów za zakup firmy Xnor.ai z siedzibą w Seattle, zajmującej się sztuczną inteligencją.
Przetwarzanie krawędzi jest wykorzystywane przez technologię AI Xnor.ai do przetwarzania danych na smartfonie użytkownika. Dzięki wbudowanej sztucznej inteligencji w smartfony powinniśmy spodziewać się ulepszeń w przetwarzaniu głosu, technologii rozpoznawania twarzy i prywatności.
Wraz z wprowadzeniem 5G możemy spodziewać się niższych cen i większego popytu na usługi AI Edge na całym świecie.
Wnioski
Ponieważ ludzie spędzają więcej czasu na urządzeniach mobilnych, coraz więcej firm i programistów dostrzega wartość wdrożenia technologii Edge, aby zapewnić szybszą i wydajniejszą obsługę przy jednoczesnym zwiększeniu marży zysku.
Jeśli chodzi o usługi oparte na sztucznej inteligencji na poziomie korporacyjnym, a także komfort i zadowolenie konsumentów, otworzy to zupełnie nowy wszechświat możliwości.
Duże firmy, takie jak Amazon i Google, zainwestowały miliony w rozwój swoich systemów Edge AI, dzięki czemu przejęcie wiodącej pozycji i inwestowanie w te technologie to jedyny sposób na zachowanie konkurencyjności.
Z drugiej strony zwiększony popyt na urządzenia IoT spowoduje, że sieci 5G i Edge Computing będą szerzej wykorzystywane.
Dodaj komentarz