Каждый сектор стремится улучшить свои операции, производительность и безопасность за счет большей автоматизации. Компьютерные программы должны уметь распознавать закономерности и надежно и безопасно выполнять работу, чтобы помогать им.
Однако мир неструктурирован, и спектр работы, которую выполняют люди, включает в себя бесконечное количество сценариев, которые трудно адекватно выразить в программах и правилах.
Достижения Edge AI позволили компьютерам и гаджетам работать с «интеллектом» человеческого познания, независимо от того, где они находятся. Умные приложения с поддержкой ИИ учатся выполнять сопоставимые задачи в различных ситуациях, как это делают люди в реальной жизни.
В этом посте мы подробно рассмотрим Edge AI, его преимущества, варианты использования и многое другое.
Что такое пограничный ИИ?
Граничные вычисления позволяет пользователям иметь более легкий доступ к хранению и обработке данных. Это достигается путем выполнения процессов на локальных устройствах, таких как ноутбуки, устройства IoT или специализированные пограничные серверы.
Проблемы с задержкой и пропускной способностью, которые иногда блокируют облачные операции, не являются проблемой для пограничных функций.
Edge AI сочетает в себе искусственный интеллект и граничные вычисления (ИИ). Это влечет за собой выполнение алгоритмов ИИ на локальных устройствах с вычислительной мощностью на границе.
Edge AI устраняет необходимость подключения и интеграции системы, позволяя пользователям обрабатывать данные в режиме реального времени на своих устройствах. Хотя операции ИИ требуют больших вычислительных мощностей, большинство из них в настоящее время выполняются в облачных центрах.
Недостатком является то, что прерывание обслуживания или значительное замедление могут произойти из-за проблем с подключением или сетью.
Интегрируя процессы ИИ в периферийные вычислительные устройства, периферийный ИИ решает эти проблемы. Собирая данные и обслуживая пользователей без связи с другими физическими площадками, пользователи могут сэкономить время.
Как работает технология Edge AI?
Машины должны уметь видеть, идентифицировать объекты, управлять автомобилями, понимать речь, говорить, двигаться и выполнять другие задачи, подобные человеческим. Чтобы воспроизвести человеческое познание, ИИ использует структуру данных, известную как глубокая память. нейронной сети.
Эти DNN учат отвечать на определенные виды запросов, показывая несколько образцов этого вопроса вместе с точными ответами.
Из-за большого количества данных, необходимых для обучения точной модели, и необходимости сотрудничества специалистов по обработке данных при построении модели этот процесс обучения, известный как «глубокое обучение», обычно выполняется в центре обработки данных или в облаке. Модель превращается в «механизм логического вывода», который после обучения может решать реальные проблемы.
Механизм логического вывода в периферийных развертываниях ИИ работает на компьютере или устройстве в удаленном месте, например на заводе, в больнице, в автомобиле, на спутнике или в доме человека.
Когда ИИ сталкивается с проблемой, проблемные данные часто передаются в облако для дополнительного обучения исходной модели ИИ, которая в конечном итоге заменяет механизм логического вывода. Как только периферийные модели ИИ внедряются, они становятся только больше и мудрее благодаря этой петле обратной связи.
Преимущества
Алгоритмы ИИ особенно полезны в местах, часто посещаемых конечными пользователями с реальными проблемами, поскольку они могут интерпретировать язык, образы, звуки, запахи, температуру, лица и другие аналоговые виды неструктурированной информации.
Из-за проблем с задержкой, пропускной способностью и конфиденциальностью некоторые приложения ИИ было бы нецелесообразно или даже невозможно реализовать в централизованном облаке или бизнес-центре обработки данных.
Ниже приведены некоторые преимущества периферийного ИИ:
- Статистика в реальном времени: Поскольку пограничная технология анализирует данные локально, а не в удаленном облаке, которое задерживается из-за удаленного подключения, она отвечает на запросы пользователей в режиме реального времени.
- Интеллекта: приложения ИИ более мощные и адаптируемые, чем традиционные программы, которые могут реагировать только на входные данные, предсказанные программистом. ИИ нейронной сети, с другой стороны, обучен не отвечать на конкретный вопрос, а скорее отвечать на вопросы определенного типа, даже если сам вопрос является новым. Без искусственного интеллекта приложения не смогли бы бесконечно обрабатывать различные входные данные, такие как текст, произнесенные слова или видео.
- Конфиденциальность повышена: ИИ может изучать данные реального мира, даже не раскрывая их человеку, что значительно повышает конфиденциальность для всех, чей взгляд, голос, медицинское изображение или другая личная информация должны быть изучены. Edge AI еще больше повышает конфиденциальность, сохраняя данные локально и передавая в облако только анализ и выводы.
- Стоимость снижена: перенося вычислительную мощность ближе к периферии, приложениям требуется меньшая пропускная способность интернета, что приводит к значительной экономии сетевых расходов.
- Постоянное улучшение: по мере того, как модели ИИ обучаются на большем количестве данных, они становятся более точными. Когда периферийное приложение ИИ сталкивается с данными, которые оно не может точно или уверенно обработать, оно часто загружает их, чтобы ИИ мог переобучиться и извлечь из них уроки. В результате, чем дольше модель находится в производстве, тем точнее она будет.
Варианты использования периферийного ИИ
Промышленное оборудование и потребительские гаджеты — два основных сегмента рынка периферийного ИИ. Демонстрационные испытания показывают улучшения в таких областях, как регулирование и оптимизация оборудования и автоматизация навыков квалифицированного труда.
Потребительские гаджеты с камерами с поддержкой искусственного интеллекта, которые автоматически определяют объекты изображения, также развиваются. Прогнозируется, что рынок потребительских устройств резко вырастет с 2021 года из-за того, что количество устройств превышает количество промышленного оборудования. Ниже мы перечислили несколько популярных вариантов использования периферийного ИИ:
- Автономные дроны — дроны Согласно новостям, теряли управление и исчезали во время проведения дистанционных летных испытаний. Пилот автономного дрона не участвует в управлении дроном. Они следят за вещами издалека и используют дрон только тогда, когда это абсолютно необходимо. Amazon Prime Air, компания по доставке товаров с помощью дронов, которая разрабатывает беспилотные летательные аппараты для доставки товаров, является наиболее известным примером этого.
- Самоуправляемые автомобили – The Самое захватывающее использование граничных вычислений — это беспилотные автомобили. Беспилотные автомобили должны немедленно оценивать ситуации во многих обстоятельствах, что требует обработки данных в реальном времени. Закон о дорожном движении Японии и Закон об автотранспортных средствах были пересмотрены в декабре 2019 года, что упростило использование беспилотных транспортных средств 3-го уровня на дорогах. Среди них требования безопасности, которым должны соответствовать автономные автомобили, а также места, в которых они могут двигаться. В результате автопроизводители разрабатывают автомобили с автоматическим управлением, отвечающие этим требованиям. Toyota, например, тестирует TRI-P4 с полной автоматизацией (уровень 4).
- Смартфоны – это — это передовой гаджет с искусственным интеллектом, с которым мы все лучше всего знакомы. Siri и Google Assistant, которые используют искусственный интеллект для усиления голоса пользовательские интерфейсы, являются идеальными примерами периферийного ИИ на смартфонах. Искусственный интеллект на устройстве устраняет необходимость отправлять данные устройства в облако, поскольку обработка выполняется на устройстве (пограничном устройстве). Это помогает защитить конфиденциальность, а также сократить трафик.
- Развлечения – виртуальные Приложения реальности, дополненной реальности и смешанной реальности для развлечения включают потоковую передачу видеоматериалов на очки виртуальной реальности. За счет аутсорсинга обработки с очков на пограничные серверы рядом с конечным устройством размер таких очков можно свести к минимуму. Microsoft, например, только что представила HoloLens, голографический компьютер, встроенный в головной убор, который позволяет пользователям испытывать дополненную реальность. Microsoft планирует использовать HoloLens для обеспечения обычных вычислений, анализа данных, медицинских изображений и игровых приложений на периферии.
- Распознавание лиц – лица Системы распознавания — это усовершенствование камер наблюдения, которые могут научиться распознавать людей по их лицам. Модуль камеры с искусственным интеллектом, который использует компьютерные технологии искусственного интеллекта для оценки характеристик лица в режиме реального времени. Он может быстро и точно распознавать лица, что делает его идеальным для маркетинговых инструментов, нацеленных на определенные черты, такие как возраст, а также распознавание лиц для разблокировки устройств.
5G и пограничный ИИ
Жизненно важная потребность в 5G в быстрорастущих областях, таких как полностью самоуправляемые автомобили, опыт виртуальной реальности в реальном времени и критически важные приложения, стимулирует больше инноваций в периферийных вычислениях и периферийном искусственном интеллекте.
5G — это сотовая сеть нового поколения. который направлен на значительное повышение качества обслуживания, например, на лучшую пропускную способность и уменьшение задержки, что обеспечивает в 10 раз более высокую скорость передачи данных, чем в существующих сетях 5G.
Рассмотрим доставку пакетов в режиме реального времени в беспилотных автомобилях, которая требует сквозной задержки менее 10 мс, чтобы оценить требования к быстрой передаче данных и локальным вычислениям на устройстве.
Минимальная сквозная задержка для доступа к облаку превышает 80 мс, что неприемлемо для многих реальных приложений. Граничные вычисления соответствует требованиям приложений 5G, требующим менее миллисекунды, при этом потребление энергии снижается на 30–40 %, что приводит к снижению энергопотребления до 5 раз по сравнению с облачным доступом.
Пограничные вычисления и 5G повышают скорость сети, позволяя внедрять и развертывать различные приложения ИИ в реальном времени, такие как видеоаналитика в реальном времени на основе ИИ, которые полагаются на передачу данных с малой задержкой.
Будущее
Edge AI становится все более популярным, и в эту область были вложены значительные средства. Например, в январе 2020 года было объявлено, что Apple заплатила 200 миллионов долларов за покупку компании Xnor.ai, занимающейся искусственным интеллектом, из Сиэтла.
Пограничная обработка используется технологией искусственного интеллекта Xnor.ai для обработки данных на смартфоне пользователя. Со встроенным искусственным интеллектом на смартфонах следует ожидать улучшений в обработке голоса, технологии распознавания лиц и конфиденциальности.
С введением 5G мы можем ожидать снижения цен и увеличения спроса на периферийные услуги искусственного интеллекта во всем мире.
Заключение
По мере того, как люди проводят больше времени со своими мобильными устройствами, все больше компаний и разработчиков видят ценность внедрения технологии Edge для предоставления более быстрого и эффективного обслуживания при одновременном увеличении прибыли.
С точки зрения услуг на основе искусственного интеллекта на уровне предприятия, а также комфорта и счастья потребителей, это откроет совершенно новую вселенную возможностей.
Крупные фирмы, такие как Amazon и Google, вложили миллионы в разработку своих систем искусственного интеллекта Edge, поэтому взять на себя инициативу и инвестировать в эти технологии — единственный способ оставаться конкурентоспособными.
С другой стороны, растущий спрос на устройства IoT приведет к более широкому использованию сетей 5G и периферийных вычислений.
Оставьте комментарий