Hvad er Edge AI & Edge Computing?

Edge AI er en af ​​de mest bemærkelsesværdige nye sektorer inden for kunstig intelligens, og den har til formål at lade folk køre AI-processer uden at skulle bekymre sig om privatlivets fred eller opbremsninger på grund af datatransmission. Edge AI muliggør større, mere udbredt brug af AI, og lader smarte enheder reagere hurtigt på input uden adgang til en sky. Selvom det er en hurtig definition af Edge AI, lad os tage et øjeblik på at forstå Edge AI bedre ved at udforske de teknologier, der gør det muligt, og se nogle use cases for Edge AI.

Hvad er Edge Computing?

For virkelig at forstå Edge AI, skal vi først forstå Edge computing og den bedste måde at forstå edge computing er at sammenligne det med cloud computing. Cloud computing er levering af computertjenester over internettet. I modsætning hertil er Edge-computersystemer ikke forbundet til en sky, i stedet for at operere på lokale enheder. Disse lokale enheder kan være en dedikeret edge computing-server, en lokal enhed, eller et Internet of Things (IoT). Der er en række fordele ved at bruge Edge computing. For eksempel er internet/sky-baseret beregning begrænset af latens og båndbredde, mens Edge computing ikke er begrænset af disse parametre.

Hvad er Edge AI?

Nu hvor vi forstår Edge computing, har vi kan tage et kig på Edge AI. Edge AI kombinerer kunstig intelligens og edge computing. AI-algoritmerne køres på enheder, der er i stand til edge computing. Fordelen ved dette er, at dataene kan behandles i realtid, uden at skulle oprette forbindelse til en sky.

De fleste banebrydende AI-processer udføres i en sky, da de kræver en stor mængde computerkraft. Resultatet er, at disse AI-processer kan være sårbare over for nedetid. Fordi Edge AI-systemer opererer på en edge computing-enhed, kan de nødvendige dataoperationer forekomme lokalt og sendes, når en internetforbindelse er etableret, hvilket sparer tid. Deep learning-algoritmerne kan fungere på selve enheden, som er udgangspunktet for dataene.

Edge AI bliver stadig vigtigere på grund af det faktum, at flere og flere enheder skal bruge AI i situationer, hvor de ikke kan få adgang til skyen. Overvej hvor mange fabriksrobotter eller hvor mange biler der i dag kommer med computervisionsalgoritmer. En forsinkelse i transmissionen af ​​data i disse situationer kan være katastrofal. Selvkørende biler kan ikke lide af latenstid, mens de opdager genstande på gaden. Da en hurtig responstid er så vigtig, skal selve enheden have et Edge AI-system, der gør det muligt at analysere og klassificere billeder uden at være afhængig af en cloud-forbindelse.

Når edge-computere får betroet informationsbehandlingsopgaverne, der normalt udføres i skyen, er resultatet real-time lav latency, real-time behandling. Ved at begrænse transmissionen af ​​data til kun den mest vitale information, kan selve datamængden desuden reduceres, og kommunikationsafbrydelser kan minimeres.

Edge AI og Internet of Things

Edge AI går sammen med andre digitale teknologier som 5G og tingenes internet (IoT). IoT kan generere data, som Edge AI-systemer kan gøre brug af, mens 5G-teknologi er afgørende for den fortsatte udvikling af både Edge AI og IoT.

Internet of Things refererer til en række smarte enheder, der er forbundet med hinanden via internettet. Alle disse enheder genererer data, som kan føres ind i Edge AI-enheden, som også kan fungere som en midlertidig lagerenhed for dataene, indtil de er synkroniseret med skyen. Metoden til databehandling giver mulighed for større fleksibilitet.

Den femte generation af mobilnetværket, 5G, er afgørende for udviklingen af ​​både Edge AI og Internet of Things. 5G er i stand til at overføre data ved meget højere hastigheder, op til 20 Gbps, hvorimod 4G er i stand til at levere data ved kun 1 Gbps. 5G understøtter også langt flere samtidige forbindelser end 4G (1,000,000 pr. kvadratkilometer vs. 100,000) og en bedre latenshastighed (1ms vs. 10ms). Disse fordele i forhold til 4G er vigtige, fordi efterhånden som IoT vokser, vokser datamængden også, og overførselshastigheden påvirkes. 5G muliggør flere interaktioner mellem en bredere vifte af enheder, hvoraf mange kan udstyres med Edge AI.

Brug Cases til Edge AI

Brugssager til Edge AI omfatter stort set alle tilfælde, hvor databehandling ville blive udført mere effektivt på en lokal enhed, end når den udføres gennem en sky. Nogle af de mest almindelige brugstilfælde til Edge AI inkluderer dog selvkørende biler, autonome droner, ansigtsgenkendelseog digitale assistenter.

Selvkørende biler er en af ​​de mest relevante use cases for Edge AI. Selvkørende biler skal konstant scanne det omgivende miljø og vurdere situationen og foretage rettelser til deres bane baseret på nærliggende begivenheder. Databehandling i realtid er afgørende for disse tilfælde, og som et resultat er deres indbyggede Edge AI-systemer ansvarlige for datalagring, manipulation og analyse. Edge AI-systemerne er nødvendige for at bringe niveau 3 og niveau 4 (fuldt autonome) køretøjer til markedet.

Fordi autonome droner ikke styres af menneskelige operatører, har de meget ens krav til autonome biler. Hvis en drone mister kontrollen eller fejler, mens den flyver, kan den styrte ned og beskadige ejendom eller liv. Droner kan flyve langt uden for rækkevidde af et internetadgangspunkt, og de skal have Edge AI-funktioner. Edge AI-systemer vil være uundværlige for tjenester som Amazon Prime Air, der har til formål at levere pakker via drone.

En anden use case for Edge AI er ansigtsgenkendelsessystemer. Ansigtsgenkendelsessystemer er afhængige af computersynsalgoritmer, der analyserer data indsamlet af kameraet. Ansigtsgenkendelsesapps, der fungerer med henblik på opgaver som sikkerhed, skal fungere pålideligt, selvom de ikke er forbundet til en sky.

Digitale assistenter er en anden almindelig brugssag for Edge AI. Digitale assistenter som Google Assistant, Alexa og Siri skal kunne fungere på smartphones og andre digitale enheder, selv når de ikke er forbundet til internettet. Når data behandles på enheden, er der ingen grund til at levere dem til skyen, hvilket hjælper med at reducere trafikken og sikre privatlivets fred.