Кожен сектор прагне підвищити свою роботу, продуктивність і безпеку, впроваджуючи більше автоматизації. Комп’ютерні програми повинні мати можливість розрізняти закономірності та виконувати роботу надійно та безпечно, щоб допомогти їм.
Однак світ неструктурований, і спектр завдань, які виконують люди, охоплює нескінченну кількість сценаріїв, які важко адекватно виразити в програмах і правилах.
Досягнення Edge AI дозволили комп’ютерам і гаджетам працювати з «інтелектом» людського пізнання, незалежно від того, де вони знаходяться. Розумні програми з підтримкою штучного інтелекту вчаться виконувати подібні завдання в різних ситуаціях, як і люди в реальному житті.
У цій публікації ми детально розглянемо Edge AI, його переваги, варіанти використання та багато іншого.
Що таке Edge AI?
Крайові обчислення дозволяє користувачам мати легший доступ до зберігання та обробки даних. Це досягається шляхом виконання процесів на локальних пристроях, таких як ноутбуки, пристрої Інтернету речей або спеціалізовані граничні сервери.
Затримка та пропускна здатність спричиняють занепокоєння, що іноді гальмування хмарних операцій не є проблемою для граничних функцій.
Edge AI суміші штучний інтелект і граничні обчислення (AI). Це тягне за собою виконання алгоритмів штучного інтелекту на локальних пристроях із потужністю обробки на межі.
Edge AI усуває потребу в системному підключенні та інтеграції, дозволяючи користувачам обробляти дані в режимі реального часу на своїх пристроях. Незважаючи на те, що операції AI потребують великої обчислювальної потужності, більшість з них зараз виконується в хмарних центрах.
Недоліком є те, що через проблеми з підключенням або мережею можуть виникнути переривання обслуговування або значна повільність.
Інтегруючи процеси AI в периферійні обчислювальні пристрої, граничний AI долає ці проблеми. Збираючи дані та обслуговуючи користувачів без спілкування з іншими фізичними сайтами, користувачі можуть заощадити час.
Як працює технологія Edge AI?
Машини повинні вміти бачити, ідентифікувати об’єкти, керувати автомобілями, розуміти мову, говорити, рухатися та виконувати інші завдання, подібні до людини. Щоб скопіювати людське пізнання, ШІ використовує структуру даних, відому як глибока нейронної мережі.
Ці DNN навчаються відповідати на певні запити, показуючи кілька зразків цього запитання разом із точними відповідями.
Через велику кількість даних, необхідних для підготовки точної моделі, а також вимогу до спеціалістів з даних співпрацювати над створенням моделі, цей навчальний процес, відомий як «глибоке навчання», зазвичай виконується в центрі обробки даних або в хмарі. Модель перетворюється на «двигун висновку», який може відповідати на реальні проблеми після навчання.
Механізм висновку в розгортанні граничного штучного інтелекту працює на комп’ютері або пристрої у віддаленому місці, наприклад, на заводі, в лікарні, автомобілі, супутнику або будинку людини.
Коли AI стикається з проблемою, проблемні дані часто передаються в хмару для додаткового навчання оригінальній моделі AI, яка в кінцевому підсумку замінює механізм виведення по краях. Після впровадження граничних моделей штучного інтелекту вони стають лише більше й мудрішими завдяки цьому циклу зворотного зв’язку.
Переваги
Алгоритми ШІ особливо корисні в місцях, куди відвідують кінцеві користувачі з реальними проблемами, оскільки вони можуть інтерпретувати мову, видовища, звуки, запахи, температуру, обличчя та інші аналогові види неструктурованої інформації.
Через проблеми із затримкою, пропускною здатністю та конфіденційністю деякі програми AI було б непрактично або навіть неможливо було б реалізувати в централізованому хмарному чи бізнес-центрі обробки даних.
Нижче наведено деякі з переваг Edge AI:
- Статистика в режимі реального часу: Оскільки передова технологія аналізує дані локально, а не у віддаленому хмарі, яка затримується через міжміське підключення, вона відповідає на запити користувачів у режимі реального часу.
- Інтелект: програми AI є більш потужними та адаптивними, ніж традиційні програми, які можуть реагувати лише на вхідні дані, які передбачив програміст. ШІ нейронної мережі, з іншого боку, навчений не відповідати на конкретне запитання, а скоріше відповідати на запитання конкретного типу, навіть якщо саме питання є новим. Програми не зможуть обробляти нескінченно різноманітні вводи, такі як текст, вимовлені слова або відео без ШІ.
- Підвищена конфіденційність: ШІ може вивчати дані реального світу, ніколи не відкриваючи їх людині, що значно покращує конфіденційність для всіх, чий зовнішній вигляд, голос, медичне зображення чи іншу особисту інформацію необхідно вивчати. Edge AI ще більше покращує конфіденційність, зберігаючи дані локально та передаючи лише аналіз і статистику в хмару.
- Знижена вартість: Переміщуючи обчислювальну потужність ближче до межі, програми потребують меншої пропускної спроможності Інтернету, що призводить до значної економії витрат на мережу.
- Послідовне покращення: Оскільки моделі AI навчаються на більшій кількості даних, вони стають точнішими. Коли прикладна програма AI зустрічає дані, з якими вона не може обробляти точно або впевнено, вона часто завантажує їх, щоб AI міг перенавчатися та вчитися на них. В результаті, чим довше модель виробляється на краю, тим точнішою вона буде.
Випадки використання Edge AI
Промислове обладнання та споживчі гаджети є двома основними сегментами ринку граничного штучного інтелекту. Демонстраційні випробування показують покращення в таких областях, як регулювання та оптимізація обладнання та автоматизація навичок кваліфікованої праці.
Споживчі гаджети з камерами з підтримкою штучного інтелекту, які автоматично визначають об’єкти зображення, також прогресують. Прогнозується, що ринок споживчих пристроїв різко зросте з 2021 року через те, що кількість пристроїв більше, ніж кількість промислового обладнання. Нижче ми перерахували деякі популярні випадки використання Edge AI:
- Автономні дрони – дрони За даними новин, вони втрачали контроль і зникали під час проведення дистанційних льотних випробувань. Пілот автономного дрона не бере участі в польоті дрона. Вони стежать за речами здалеку і використовують дрон лише тоді, коли це абсолютно необхідно. Amazon Prime Air, компанія з доставки дронів, яка розробляє безпілотні дрони для доставки предметів, є найвідомішим прикладом цього.
- Самокеровані автомобілі – The Найбільш захоплюючим використанням периферійних обчислень є самокеровані автомобілі. Автомобілі, що керують автомобілем, повинні негайно оцінювати ситуації в багатьох обставинах, що вимагає обробки даних у реальному часі. Японський Закон про дорожній рух і Закон про автомобільні транспортні засоби були переглянуті в грудні 2019 року, що спростило доступ до самокерованих транспортних засобів третього рівня. Серед них вимоги безпеки, яким повинні відповідати автономні автомобілі, а також місця, в яких вони можуть їздити. В результаті автовиробники розробляють самокеровані транспортні засоби, які відповідають цим вимогам. Toyota, наприклад, ставить TRI-P3 у свої кроки з повною автоматизацією (рівень 4).
- Смартфони – це це гаджет Edge AI, з яким ми всі найбільше знайомі. Siri та Google Assistant, які використовують зовнішній штучний інтелект для підтримки голосу користувальницькі інтерфейси, є ідеальними прикладами граничного штучного інтелекту на смартфонах. ШІ на пристрої усуває необхідність надсилати дані пристрою в хмару, оскільки обробка відбувається на пристрої (на краю). Це допомагає захистити конфіденційність, а також зменшує трафік.
- Розваги – віртуальні Додатки реальності, доповненої реальності та змішаної реальності для розваг включають потокове відео в окуляри віртуальної реальності. За допомогою аутсорсингу обробки від окулярів до периферійних серверів поблизу кінцевого пристрою розмір таких окулярів можна мінімізувати. Наприклад, Microsoft щойно представила HoloLens, голографічний комп’ютер, вмонтований у головний убір, який дозволяє користувачам відчути доповнену реальність. Microsoft планує використовувати HoloLens для забезпечення звичайних обчислень, аналізу даних, медичної візуалізації та найсучасніших ігор.
- Розпізнавання обличчя - Facial Системи розпізнавання — це прогрес у камерах спостереження, які можуть навчитися розпізнавати людей за їхніми обличчями. Модуль камери зі штучним інтелектом, який використовує передові комп’ютерні методи AI для оцінки характеристик обличчя в режимі реального часу. Він може швидко і точно розпізнавати обличчя, що робить його ідеальним для маркетингових інструментів, які орієнтуються на певні ознаки, такі як вік, а також для розпізнавання облич для пристроїв розблокування.
5G і Edge AI
Життєва вимога до 5G у сферах, що розвиваються, таких як повністю самокеровані автомобілі, віртуальна реальність у реальному часі та критично важливі додатки, стимулюють більше інновацій у периферійних обчисленнях та Edge AI.
5G — це стільникова мережа нового покоління який прагне значно підвищити якість обслуговування, наприклад кращу пропускну здатність і зменшити затримку, що забезпечує в 10 разів більшу швидкість передачі даних, ніж існуючі мережі 5G.
Розглянемо доставку пакетів у режимі реального часу в безпілотних автомобілях, яка вимагає наскрізної затримки менше ніж 10 мс, щоб зрозуміти вимогу швидкої передачі даних і локальних обчислень на пристрої.
Мінімальна наскрізна затримка для доступу до хмари перевищує 80 мс, що є неприйнятним для багатьох реальних програм. Крайові обчислення відповідає субмілісекундним вимогам додатків 5G, одночасно зменшуючи споживання енергії на 30-40%, що призводить до 5 разів меншого споживання енергії порівняно з хмарним доступом.
Пограничні обчислення та 5G підвищують швидкість мережі, дозволяючи впроваджувати та розгортати різноманітні програми штучного інтелекту в режимі реального часу, такі як відеоаналітика в реальному часі на основі штучного інтелекту, які покладаються на передачу даних з низькою затримкою.
Future
Edge AI стає все більш популярним, і в цю сферу були зроблені значні інвестиції. Наприклад, у січні 2020 року було оголошено, що Apple заплатила 200 мільйонів доларів за придбання фірми Xnor.ai із штучним інтелектом із Сіетла.
Обробка краю використовується технологією AI Xnor.ai для обробки даних на смартфоні користувача. Завдяки вбудованому штучному інтелекту на смартфонах слід очікувати покращення обробки голосу, технології розпізнавання обличчя та конфіденційності.
З запровадженням 5G ми можемо очікувати зниження цін і збільшення попиту на послуги AI в усьому світі.
Висновок
Оскільки люди витрачають більше часу на свої мобільні пристрої, все більше компаній і розробників бачать цінність впровадження технології Edge для надання швидших та ефективніших послуг із збільшенням прибутку.
Що стосується послуг на основі штучного інтелекту на рівні підприємства, а також комфорту та щастя споживачів, це відкриє цілий новий світ можливостей.
Великі фірми, такі як Amazon і Google, інвестували мільйони в розробку своїх систем Edge AI, таким чином, займаючи лідерство, а інвестування в ці технології є єдиним способом зберегти конкурентоспроможність.
З іншого боку, збільшення попиту на пристрої Інтернету речей зробить мережі 5G та Edge Computing більш широкими.
залишити коментар