Hvad er Edge AI & Edge Computing?

Edge AI er en af de mest bemærkelsesværdige nye sektorer inden for kunstig intelligens, og det har til formål at låte mennesker køre AI-processer uden at være bekymret for privatliv eller nedbrud på grund af dataoverførsel. Edge AI muliggør en større og mere udbredt brug af AI, så smarte enheder kan reagere hurtigt på input uden adgang til en sky. Mens det er en kort definition af Edge AI, lad os tage et øjeblik til at forstå Edge AI bedre ved at udforske de teknologier, der gør det muligt, og se på nogle brugsområder for Edge AI.

Hvad er Edge Computing?

For at virkelig forstå Edge AI, har vi brug for at forstå Edge computing, og den bedste måde at forstå Edge computing er at kontrastere det med skycomputing. Skycomputing er leveringen af computertjenester over internettet. Til gengæld er Edge computing-systemer ikke forbundet til en sky, men opererer i stedet på lokale enheder. Disse lokale enheder kan være en dedikeret Edge computing-server, en lokal enhed, eller en Internet of Things (IoT). Der er en række fordele ved at bruge Edge computing. For eksempel er internet/sky-baseret beregning begrænset af latency og båndbredde, mens Edge computing ikke er begrænset af disse parametre.

Hvad er Edge AI?

Nu, hvor vi forstår Edge computing, kan vi kigge på Edge AI. Edge AI kombinerer kunstig intelligens og Edge computing. AI-algoritmerne køres på enheder, der er i stand til Edge computing. Fordelen heraf er, at data kan behandles i realtid, uden at der er behov for at tilslutte sig en sky.

De fleste avancerede AI-processer udføres i en sky, da de kræver en stor mængde beregningskraft. Resultatet er, at disse AI-processer kan være sårbare over for downtime. Fordi Edge AI-systemer opererer på en Edge computing-enhed, kan de nødvendige dataoperationer foretages lokalt, og data sendes, når der er etableret en internetforbindelse, hvilket sparer tid. De dybe læringstalgoritmer kan operere på enheden selv, datakildens oprindelsessted.

Edge AI bliver mere og mere vigtig på grund af, at flere og flere enheder har brug for at anvende AI i situationer, hvor de ikke kan tilslutte sig en sky. Tænk på, hvor mange fabriksrobotter eller biler, der i dag kommer med computerseendealgoritmer. En forsinkelse i dataoverførslen i disse situationer kunne være katastrofalt. Selvkørende biler kan ikke have en forsinkelse i dataoverførslen, mens de registrerer objekter på vejen. Da en hurtig reaktionstid er så vigtig, må enheden selv have et Edge AI-system, der tillader den at analysere og klassificere billeder uden at afhænge af en skyforbindelse.

Når edge-computere er betroet med de informationsbehandlingsopgaver, der normalt udføres på skyen, resulterer det i realtid, lav latency, realtid-beregning. Derudover kan dataoverførslen begrænses til kun den mest vital information, og dataoverførslen kan reduceres, og kommunikationsafbrydelser kan minimiseres.

Edge AI og Internet of Things

Edge AI samarbejder med andre digitale teknologier som 5G og Internet of Things (IoT). IoT kan generere data til Edge AI-systemer til at anvende, 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 til hinanden via internettet. Alle disse enheder genererer data, der kan føres ind i Edge AI-enhed, der også kan fungere som en midlertidig lagringsenhed for data, indtil det er synkroniseret med skyen. Databehandlingsmetoden giver større fleksibilitet.

Den femte generation af det mobile netværk, 5G, er kritisk for udviklingen af både Edge AI og Internet of Things. 5G kan overføre data med langt højere hastighed, op til 20 Gbps, hvor 4G kun kan levere data med 1 Gbps. 5G understøtter også langt flere samtidige forbindelser end 4G (1.000.000 pr. kvadratkilometer vs. 100.000) og en bedre latenshastighed (1 ms vs. 10 ms). Disse fordele over 4G er vigtige, fordi IoT-væksten medfører en vækst i dataoverførslen, og overførselshastigheden påvirkes. 5G muliggør flere interaktioner mellem en bredere vifte af enheder, mange af hvilke kan være udstyret med Edge AI.

Brugsområder for Edge AI

Brugsområder for Edge AI omfatter næsten alle situationer, hvor databehandling ville være mere effektiv på en lokal enhed end via en sky. Men nogle af de mest almindelige brugsområder for Edge AI inkluderer selvkørende biler, autonome droner, ansigtsgenkendelse og digitale assistenter.

Selvkørende biler er et af de mest relevante brugsområder for Edge AI. Selvkørende biler må konstant scannen omgivelserne og vurdere situationen, og korrigere deres trajektori baseret på nærliggende begivenheder. Realtime-databehandling er kritisk i disse tilfælde, og derfor er deres onboard Edge AI-systemer ansvarlige for dataopbevaring, manipulation og analyse. Edge AI-systemerne er nødvendige for at bringe niveau 3 og niveau 4 (fuldstændig autonome) køretøjer på markedet.

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

Et andet brugsområde for Edge AI er ansigtsgenkendelsessystemer. Ansigtsgenkendelsessystemer afhænger af computerseendealgoritmer, der analyserer data, der er indsamlet af kameraet. Ansigtsgenkendelsesapps, der opererer til formål som sikkerhed, må fungere pålideligt, selv hvis de ikke er tilsluttet en sky.

Digitale assistenter er et andet almindeligt brugsområde for Edge AI. Digitale assistenter som Google Assistant, Alexa og Siri må kunne fungere på smartphones og andre digitale enheder, selv når de ikke er tilsluttet internettet. Når data behandles på enheden, er der ingen grund til at levere det til skyen, hvilket hjælper med at reducere trafikken og sikre privatlivet.