每個部門都在尋求通過實施更多的自動化來提高其運營、生產力和安全性。 計算機程序必須能夠識別模式並可靠、安全地執行工作,以便為它們提供幫助。
然而,世界是非結構化的,人類執行的工作範圍包含無數難以用程序和規則充分錶達的場景。
邊緣人工智能的進步使計算機和小工具能夠與人類認知的“智能”一起工作,無論它們在哪裡。 支持智能 AI 的應用程序學會在各種情況下執行類似的任務,就像人類在現實生活中所做的那樣。
在這篇文章中,我們將深入了解 Edge AI、它的優勢、用例等等。
什麼是邊緣人工智能?
邊緣計算 允許用戶更輕鬆地訪問數據存儲和處理。 這是通過在筆記本電腦、物聯網設備或專用邊緣服務器等本地設備上執行進程來實現的。
有時阻礙基於雲的操作的延遲和帶寬問題對於邊緣功能來說不是問題。
邊緣人工智能融合 人工智能 和邊緣計算(AI)。 這需要在具有邊緣處理能力的本地設備上執行 AI 算法。
Edge AI 消除了對系統連接和集成的需求,允許用戶在其設備上實時處理數據。 雖然人工智能操作需要大量的計算能力,但現在大部分都是在基於雲的中心進行的。
缺點是由於連接或網絡困難,可能會出現服務中斷或相當緩慢的情況。
通過將 AI 流程集成到邊緣計算設備中,邊緣 AI 克服了這些問題。 通過收集數據並為用戶提供服務,而無需與其他物理站點進行通信,用戶可以節省時間。
Edge AI 技術如何工作?
機器需要能夠看到、識別物體、操作汽車、理解語音、說話、移動和執行其他類似人類的任務。 為了複製人類的認知,人工智能使用了一種稱為深度的數據結構 神經網絡.
這些 DNN 被教導通過顯示該問題的幾個樣本以及準確的答復來響應某些類型的查詢。
由於訓練一個準確的模型需要大量的數據,並且需要數據科學家合作構建模型,這個被稱為“深度學習”的訓練過程通常在數據中心或云端進行。 該模型發展成一個“推理引擎”,經過訓練可以回答現實世界的問題。
邊緣 AI 部署中的推理引擎在遠程位置的計算機或設備上工作,例如工廠、醫院、汽車、衛星或人家。
當 AI 遇到問題時,經常將有問題的數據傳輸到雲端,以對原始 AI 模型進行額外訓練,最終取代邊緣推理引擎。 一旦實施了邊緣 AI 模型,由於這個反饋循環,它們只會變得越來越聰明。
優點
人工智能算法在有實際問題的最終用戶經常光顧的地方特別有用,因為它們可以解釋語言、景象、聲音、氣味、溫度、面部和其他模擬類型的非結構化信息。
由於對延遲、帶寬和隱私的擔憂,一些人工智能應用程序在集中式雲或業務數據中心中實施是不切實際的,甚至是不可能的。
以下是邊緣人工智能的一些優勢:
- 實時洞察:由於邊緣技術在本地而不是在因遠程連接而延遲的遠程雲中分析數據,因此它可以實時響應用戶請求。
- 情報:人工智能應用比傳統程序更強大,適應性更強,傳統程序只能響應程序員預測的輸入。 一個人工智能 神經網絡另一方面,被訓練不回答特定問題,而是回答特定類型的問題,即使問題本身很新穎。 如果沒有 AI,應用程序將無法無休止地處理各種輸入,例如文本、口語或視頻。
- 隱私增加:人工智能可以研究現實世界的數據,而無需將其暴露給人類,從而大大提高了必須研究外觀、聲音、醫學圖像或其他個人信息的任何人的隱私。 Edge AI 通過在本地存儲數據並將分析和見解傳輸到雲端,進一步改善了隱私。
- 降低成本:通過將計算能力移近邊緣,應用程序需要更少的互聯網帶寬,從而顯著節省網絡費用。
- 持續改進:隨著 AI 模型接受更多數據的訓練,它們會變得更加準確。 當邊緣 AI 應用程序遇到無法準確或自信地處理的數據時,它通常會上傳數據,以便 AI 可以重新訓練並從中學習。 因此,模型在邊緣生產的時間越長,它就越準確。
邊緣人工智能用例
工業機械和消費電子產品是邊緣人工智能市場的兩個主要部分。 示範測試顯示在調節和優化設備以及自動化熟練的勞動技能等領域有所改進。
帶有人工智能攝像頭的消費類小工具,可以自動檢測圖片主題,也正在取得進展。 由於設備的數量大於工業設備的數量,預計消費設備市場將從 2021 年起急劇增長。 我們在下面列出了一些流行的邊緣 AI 用例:
- 自主無人機 – 無人機 據消息稱,在進行遠程飛行測試時,它一直失去控制並消失。 自主無人機的飛行員不參與無人機的飛行。 他們從遠處監視事物,並且僅在絕對必要時才使用無人機。 亞馬遜 Prime Air 是一家無人機快遞公司,它正在開發自動駕駛無人機來運送物品,它就是這方面最著名的例子。
- 自動駕駛汽車—— 邊緣計算最令人興奮的用途是自動駕駛汽車。 自動駕駛汽車必須在許多情況下立即評估情況,這需要實時數據處理。 日本的道路交通法和道路運輸車輛法於 2019 年 3 月進行了修訂,使 4 級自動駕駛車輛更容易上路。 自動駕駛汽車必須滿足的安全要求,以及它們可以駕駛的位置,都在其中。 因此,汽車製造商正在開發滿足這些要求的自動駕駛汽車。 例如,豐田正在將 TRI-P4 完全自動化(XNUMX 級)。
- 智能手機——這個 是我們最熟悉的邊緣人工智能小工具。 Siri 和 Google Assistant,它們使用邊緣 AI 來為他們的聲音提供動力 用戶界面,是智能手機上邊緣人工智能的理想實例。 設備端 AI 無需將設備數據發送到雲端,因為處理髮生在設備(邊緣)上。 這有助於保護隱私,同時也減少流量。
- 娛樂 - 虛擬 用於娛樂的現實、增強現實和混合現實應用包括將視頻材料流式傳輸到虛擬現實眼鏡。 通過將眼鏡的處理外包到終端設備附近的邊緣服務器,可以最小化這種眼鏡的尺寸。 例如,微軟剛剛推出了 HoloLens,這是一款安裝在頭飾中的全息計算機,可以讓用戶體驗增強現實。 微軟計劃使用 HoloLens 提供傳統的計算、數據分析、醫學成像和邊緣遊戲應用。
- 人臉識別——人臉 識別系統是監控攝像頭的進步,它可以學習根據人臉識別個人。 AI 攝像頭模塊,使用邊緣 AI 計算機技術實時評估人臉特徵。 它可以快速準確地檢測面部,使其成為針對特定特徵(例如年齡)的營銷工具以及解鎖設備的面部識別的理想選擇。
5G 與邊緣人工智能
全自動駕駛汽車、實時虛擬現實體驗和關鍵任務應用等高增長領域對 5G 的重要需求推動了邊緣計算和邊緣人工智能的更多創新。
5G是下一代蜂窩網絡 它旨在顯著提高服務質量,例如提高吞吐量和減少延遲——提供比現有 10G 網絡快 5 倍的數據速率。
考慮自動駕駛汽車中的實時數據包傳輸,它需要小於 10 毫秒的端到端延遲,才能滿足快速數據傳輸和本地設備計算的需求。
雲訪問的最小端到端延遲大於 80 毫秒,這對於許多現實世界的應用程序來說是無法接受的。 邊緣計算 滿足 5G 應用的亞毫秒級要求,同時將能耗降低 30-40%,與雲端訪問相比,能耗降低高達 5 倍。
邊緣計算和 5G 提高了網絡速度,允許實施和部署各種實時 AI 應用程序,例如依賴低延遲數據傳輸的基於 AI 的實時視頻分析。
未來
邊緣人工智能正變得越來越流行,並且在該領域進行了大量投資。 例如,2020 年 200 月,蘋果宣布斥資 XNUMX 億美元收購總部位於西雅圖的人工智能公司 Xnor.ai。
Xnor.ai 的人工智能技術使用邊緣處理來處理用戶智能手機上的數據。 借助智能手機內置的人工智能,我們應該期待語音處理、面部識別技術和隱私方面的改進。
隨著 5G 的推出,我們可以期待全球範圍內對邊緣 AI 服務的價格降低和需求增加。
結論
隨著人們在移動設備上花費的時間越來越多,越來越多的企業和開發人員看到了實施邊緣技術以提供更快、更高效的服務,同時提高利潤率的價值。
在企業級基於人工智能的服務以及消費者的舒適和幸福方面,這將開闢一個全新的可能性世界。
像亞馬遜和谷歌這樣的大公司已經投資了數百萬美元來開發他們的 Edge AI 系統,因此在這些技術上發揮帶頭作用是保持競爭力的唯一途徑。
另一方面,對物聯網設備的需求增加將使 5G 網絡和邊緣計算得到更廣泛的應用。
發表評論