Innehållsförteckning[Dölj][Visa]
Varje sektor strävar efter att förbättra sin verksamhet, produktivitet och säkerhet genom att implementera mer automatisering. Datorprogram måste kunna urskilja mönster och utföra jobb på ett tillförlitligt och säkert sätt för att hjälpa dem.
Men världen är ostrukturerad, och det spektrum av jobb som människor utför omfattar ett oändligt antal scenarier som är svåra att uttrycka på ett adekvat sätt i program och regler.
Edge AI-framsteg har gjort det möjligt för datorer och prylar att arbeta med "intelligensen" av mänsklig kognition, oavsett var de befinner sig. Smarta AI-aktiverade appar lär sig att utföra jämförbara uppgifter i en mängd olika situationer, precis som människor gör i verkligheten.
Vi kommer att ta en djup titt på Edge AI, dess fördelar, användningsfall och mycket mer i det här inlägget.
Vad är Edge AI?
Edge computing tillåter användare att ha enklare tillgång till datalagring och bearbetning. Detta uppnås genom att köra processer på lokala enheter som bärbara datorer, IoT-enheter eller specialiserade edge-servrar.
Latensen och bandbredden är orolig för att ibland störande molnbaserade operationer inte är ett problem för kantfunktioner.
Edge AI-blandningar artificiell intelligens och edge computing (AI). Detta innebär att exekvera AI-algoritmer på lokala enheter med processorkraft vid kanten.
Edge AI eliminerar behovet av systemanslutning och integration, vilket gör att användare kan bearbeta data i realtid på sina enheter. Även om AI-operationer kräver mycket beräkningskraft, utförs majoriteten av dem nu i molnbaserade centra.
Nackdelen är att serviceavbrott eller avsevärd långsamhet kan uppstå på grund av anslutnings- eller nätverkssvårigheter.
Genom att integrera AI-processer i edge computing-enheter övervinner edge AI dessa problem. Genom att samla in data och serva användare utan att behöva kommunicera med andra fysiska sajter kan användare spara tid.
Hur fungerar Edge AI-teknik?
Maskiner måste kunna se, identifiera objekt, köra bilar, förstå tal, tala, röra sig och utföra andra mänskliga uppgifter. För att duplicera mänsklig kognition använder AI en datastruktur som kallas en djup neurala nätverk.
Dessa DNN:er lärs svara på vissa typer av frågor genom att visas flera exempel på den frågan tillsammans med korrekta svar.
På grund av den stora mängd data som krävs för att träna en korrekt modell och kravet på datavetare att samarbeta för att bygga modellen, utförs denna utbildningsprocess, känd som "djupinlärning", vanligtvis i ett datacenter eller molnet. Modellen utvecklas till en "inferensmotor" som kan svara på verkliga problem efter att ha tränats.
Slutledningsmotorn i Edge AI-distributioner fungerar på en dator eller enhet på en avlägsen plats, till exempel en fabrik, ett sjukhus, en bil, en satellit eller en persons hus.
När AI stöter på ett problem överförs den problematiska informationen ofta till molnet för ytterligare träning av den ursprungliga AI-modellen, som så småningom ersätter edge-inferensmotorn. När edge AI-modeller väl har implementerats blir de bara fler och klokare, tack vare denna feedbackloop.
Fördelar
AI-algoritmer är särskilt fördelaktiga på platser som besöks av slutanvändare med problem i den verkliga världen eftersom de kan tolka språk, synpunkter, ljud, dofter, temperatur, ansikten och andra analoga typer av ostrukturerad information.
På grund av oro för latens, bandbredd och integritet skulle vissa AI-applikationer vara opraktiska eller till och med omöjliga att implementera i ett centraliserat moln- eller affärsdatacenter.
Följande är några av fördelarna med edge AI:
- Realtidsinsikter: Eftersom edge-teknik analyserar data lokalt snarare än i ett avlägset moln som försenas av långdistansanslutning, svarar den på användarförfrågningar i realtid.
- Intelligens: AI-applikationer är mer kraftfulla och anpassningsbara än traditionella program, som bara kan svara på indata som programmeraren har förutspått. En AI neurala nätverk, å andra sidan, är tränad att inte svara på en specifik fråga, utan snarare att svara på en specifik sorts fråga, även om frågan i sig är ny. Applikationer skulle inte kunna bearbeta oändligt många olika indata som text, talade ord eller video utan AI.
- Sekretess ökad: AI kan studera verklig data utan att någonsin utsätta den för en människa, vilket avsevärt ökar integriteten för alla vars utseende, röst, medicinska bild eller annan personlig information måste studeras. Edge AI förbättrar integriteten ytterligare genom att lagra data lokalt och bara överföra analysen och insikterna till molnet.
- Minskad kostnad: Genom att flytta datorkraften närmare kanten kräver applikationer mindre internetbandbredd, vilket resulterar i betydande besparingar i nätverkskostnader.
- Konsekvent förbättring: När AI-modeller tränas på mer data blir de mer exakta. När en edge AI-applikation stöter på data som den inte kan hantera exakt eller säkert laddar den ofta upp den så att AI:n kan träna om och lära av den. Som ett resultat, ju längre en modell är i produktion vid kanten, desto mer exakt blir den.
Användningsfall för Edge AI
Industriella maskiner och konsumentprylar är de två huvudsegmenten på edge AI-marknaden. Demonstrationstester visar förbättringar inom områden som reglering och optimering av utrustning och automatisering av kvalificerad arbetskraft.
Konsumentprylar med AI-aktiverade kameror som automatiskt upptäcker bildmotiv gör också framsteg. Marknaden för konsumentprodukter förutspås växa dramatiskt från 2021 och framåt, på grund av att antalet enheter är större än antalet industriell utrustning. Vi har listat några populära edge AI-användningsfall nedan:
- Autonoma drönare – Drönare har tappat kontrollen och försvunnit när de genomförde fjärrflygtester, enligt nyheterna. Piloten på en autonom drönare är inte inblandad i flygningen av drönaren. De håller ett öga på saker på långt håll och använder bara drönaren när det är absolut nödvändigt. Amazon Prime Air, ett drönarleveransföretag som utvecklar självkörande drönare för att leverera varor, är det mest välkända exemplet på detta.
- Självkörande bilar – Den mest spännande användningen av edge computing är självkörande bilar. Självkörande bilar måste göra omedelbara utvärderingar av situationer under många omständigheter, vilket kräver databehandling i realtid. Japans vägtrafiklag och vägtransportfordonslag reviderades i december 2019, vilket gjorde det enklare att få nivå 3 självkörande fordon på vägen. Säkerhetskraven som autonoma bilar måste uppfylla, liksom de platser där de kan köra, är bland dem. Som ett resultat utvecklar biltillverkare självkörande fordon som uppfyller dessa krav. Toyota, till exempel, sätter TRI-P4 genom sina takter med fullständig automation (nivå 4).
- Smartphones – detta är den edge AI-gadget som vi alla är mest bekanta med. Siri och Google Assistant, som använder edge AI för att driva sin röst användargränssnitt, är idealiska instanser av edge AI på smartphones. On-device AI eliminerar behovet av att skicka enhetsdata till molnet eftersom bearbetning sker på enheten (edge). Detta hjälper till att skydda integriteten samtidigt som det minskar trafiken.
- Underhållning – Virtuell verklighet, augmented reality och mixed reality-applikationer för underhållning inkluderar streaming av videomaterial till virtuell verklighetsglasögon. Genom att lägga ut bearbetning från glasögonen till kantservrar nära slutenheten kan storleken på sådana glasögon minimeras. Microsoft, till exempel, presenterade just HoloLens, en holografisk dator monterad i en huvudbonad som låter användare uppleva förstärkt verklighet. Microsoft planerar att använda HoloLens att tillhandahålla konventionella datorer, dataanalyser, medicinsk bildbehandling och gaming-at-the-edge-applikationer.
- Ansiktsigenkänning – Ansiktsbehandling igenkänningssystem är ett framsteg inom övervakningskameror som kan lära sig att känna igen individer utifrån deras ansikten. AI-kameramodul som använder edge AI-datortekniker för att bedöma ansiktsegenskaper i realtid. Den kan upptäcka ansikten snabbt och exakt, vilket gör den idealisk för marknadsföringsverktyg som riktar sig mot vissa egenskaper som ålder, samt ansiktsigenkänning för att låsa upp enheter.
5G och Edge AI
Det avgörande kravet på 5G inom områden med hög tillväxt som helt självkörande bilar, virtuella verklighetsupplevelser i realtid och verksamhetskritiska applikationer driver på mer innovation inom edge computing och Edge AI.
5G är nästa generations mobilnät som strävar efter att avsevärt förbättra tjänstekvaliteten, såsom bättre genomströmning och minskad latens – vilket ger 10 gånger snabbare datahastigheter än befintliga 5G-nätverk.
Överväg paketleverans i realtid i självkörande bilar, vilket kräver en fördröjning från början till slut på mindre än 10 ms för att förstå kravet på snabb dataöverföring och lokal beräkning på enheten.
Den minimala ände-till-ände fördröjningen för molnåtkomst är större än 80 ms, vilket är oacceptabelt för många verkliga applikationer. Edge computing uppfyller kraven under millisekunder för 5G-applikationer samtidigt som energianvändningen minskar med 30-40 %, vilket resulterar i upp till 5 gånger mindre energiförbrukning jämfört med molnåtkomst.
Edge computing och 5G ökar nätverkshastigheten, vilket möjliggör implementering och driftsättning av olika AI-applikationer i realtid, såsom AI-baserad realtidsvideoanalys, som är beroende av dataöverföring med låg latens.
Framtida
Edge AI blir mer populärt och betydande investeringar har gjorts på området. Till exempel, i januari 2020 tillkännagavs det att Apple betalade 200 miljoner dollar för att köpa det Seattle-baserade AI-företaget Xnor.ai.
Kantbehandling används av Xnor.ai:s AI-teknik för att bearbeta data på användarens smartphone. Med inbyggd AI på smartphones bör vi förvänta oss förbättringar av röstbehandling, ansiktsigenkänningsteknik och integritet.
Med introduktionen av 5G kan vi förvänta oss lägre priser och större efterfrågan på avancerade AI-tjänster över hela världen.
Slutsats
När människor spenderar mer tid på sina mobila enheter, ser fler företag och utvecklare värdet av att implementera Edge-teknik för att leverera snabbare och effektivare tjänster samtidigt som vinstmarginalerna ökar.
När det gäller AI-baserade tjänster på företagsnivå, såväl som konsumentkomfort och glädje, kommer detta att öppna upp ett helt nytt universum av möjligheter.
Stora företag som Amazon och Google har investerat miljoner i utvecklingen av deras Edge AI-system, vilket innebär att ta ledningen och att investera i dessa teknologier är det enda sättet att förbli konkurrenskraftig.
Ökad efterfrågan på IoT-enheter kommer å andra sidan att göra 5G-nätverk och Edge Computing mer utbredda.
Kommentera uppropet