Was ist Edge AI und Edge Computing?

Edge AI ist einer der bemerkenswertesten neuen Bereiche der künstlichen Intelligenz und zielt darauf ab, Menschen die Ausführung von KI-Prozessen zu ermöglichen, ohne sich um Datenschutz oder Verlangsamungen aufgrund der Datenübertragung sorgen zu müssen. Edge AI ermöglicht eine umfassendere und umfassendere Nutzung von KI und ermöglicht es intelligenten Geräten, ohne Zugriff auf eine Cloud schnell auf Eingaben zu reagieren. Obwohl dies eine kurze Definition von Edge AI ist, nehmen wir uns einen Moment Zeit, um Edge AI besser zu verstehen, indem wir die Technologien erkunden, die es ermöglichen, und einige Anwendungsfälle für Edge AI sehen.

Was ist Edge Computing?

Um Edge AI wirklich zu verstehen, müssen wir zunächst Edge Computing verstehen und wissen, wie wir es am besten verstehen Edge-Computing besteht darin, es mit Cloud Computing zu vergleichen. Unter Cloud Computing versteht man die Bereitstellung von Computerdiensten über das Internet. Im Gegensatz dazu sind Edge-Computing-Systeme nicht mit einer Cloud verbunden, sondern laufen auf lokalen Geräten. Bei diesen lokalen Geräten kann es sich um einen dedizierten Edge-Computing-Server, ein lokales Gerät oder oder ein Internet der Dinge (IoT). Der Einsatz von Edge Computing bietet eine Reihe von Vorteilen. Internet-/cloudbasierte Berechnungen sind beispielsweise durch Latenz und Bandbreite begrenzt, während Edge Computing nicht durch diese Parameter eingeschränkt ist.

Was ist Edge-KI?

Jetzt, da wir Edge Computing verstehen, wissen wir kann einen Blick auf Edge AI werfen. Edge AI kombiniert künstliche Intelligenz und Edge Computing. Die KI-Algorithmen werden auf Geräten ausgeführt, die Edge-Computing unterstützen. Dies hat den Vorteil, dass die Daten in Echtzeit verarbeitet werden können, ohne dass eine Verbindung zu einer Cloud erforderlich ist.

Die meisten hochmodernen KI-Prozesse werden in einer Cloud ausgeführt, da sie eine große Menge an Rechenleistung erfordern. Das Ergebnis ist, dass diese KI-Prozesse anfällig für Ausfallzeiten sein können. Da Edge-KI-Systeme auf einem Edge-Computing-Gerät laufen, können die notwendigen Datenvorgänge lokal erfolgen und beim Aufbau einer Internetverbindung gesendet werden, was Zeit spart. Die Deep-Learning-Algorithmen können auf dem Gerät selbst, dem Ursprungspunkt der Daten, arbeiten.

Edge AI wird immer wichtiger, da immer mehr Geräte KI in Situationen einsetzen müssen, in denen sie keinen Zugriff auf die Cloud haben. Bedenken Sie, wie viele Fabrikroboter oder wie viele Autos heutzutage mit Computer-Vision-Algorithmen ausgestattet sind. Eine Verzögerung bei der Datenübertragung könnte in solchen Situationen katastrophale Folgen haben. Selbstfahrende Autos können bei der Erkennung von Objekten auf der Straße nicht unter Latenz leiden. Da eine schnelle Reaktionszeit so wichtig ist, muss das Gerät selbst über ein Edge-KI-System verfügen, das es ermöglicht, Bilder zu analysieren und zu klassifizieren, ohne auf eine Cloud-Verbindung angewiesen zu sein.

Wenn Edge-Computer mit den Informationsverarbeitungsaufgaben betraut werden, die normalerweise in der Cloud ausgeführt werden, ist das Ergebnis eine Echtzeitverarbeitung mit geringer Latenz. Darüber hinaus kann durch die Beschränkung der Datenübertragung auf die wichtigsten Informationen das Datenvolumen selbst reduziert und Kommunikationsunterbrechungen minimiert werden.

Edge AI und das Internet der Dinge

Edge AI vernetzt sich mit anderen digitalen Technologien wie 5G und dem Internet der Dinge (IoT). Das IoT kann Daten generieren, die von Edge-KI-Systemen genutzt werden können, während die 5G-Technologie für die weitere Weiterentwicklung von Edge-KI und IoT von entscheidender Bedeutung ist.

Unter dem Internet der Dinge versteht man eine Vielzahl intelligenter Geräte, die über das Internet miteinander verbunden sind. Alle diese Geräte erzeugen Daten, die in das Edge AI-Gerät eingespeist werden können, das auch als temporäre Speichereinheit für die Daten fungieren kann, bis sie mit der Cloud synchronisiert werden. Die Art der Datenverarbeitung ermöglicht eine größere Flexibilität.

Die fünfte Generation des Mobilfunknetzes, 5Gist entscheidend für die Entwicklung von Edge AI und dem Internet der Dinge. 5G ist in der Lage, Daten mit viel höheren Geschwindigkeiten von bis zu 20 Gbit/s zu übertragen, während 4G Daten mit nur 1 Gbit/s liefern kann. 5G unterstützt außerdem weitaus mehr gleichzeitige Verbindungen als 4G (1,000,000 pro Quadratkilometer gegenüber 100,000) und eine bessere Latenzgeschwindigkeit (1 ms gegenüber 10 ms). Diese Vorteile gegenüber 4G sind wichtig, da mit dem Wachstum des IoT auch das Datenvolumen zunimmt und die Übertragungsgeschwindigkeit beeinträchtigt wird. 5G ermöglicht mehr Interaktionen zwischen einer größeren Auswahl an Geräten, von denen viele mit Edge AI ausgestattet werden können.

Anwendungsfälle für Edge AI

Zu den Anwendungsfällen für Edge AI gehören nahezu alle Fälle, in denen die Datenverarbeitung auf einem lokalen Gerät effizienter erfolgen würde als über eine Cloud. Zu den häufigsten Anwendungsfällen für Edge AI gehören jedoch: selbstfahrenden Autos, autonome Drohnen, Gesichtserkennung und digitale Assistenten.

Selbstfahrende Autos sind einer der relevantesten Anwendungsfälle für Edge AI. Selbstfahrende Autos müssen ständig die Umgebung scannen, die Situation beurteilen und ihre Flugbahn auf der Grundlage von Ereignissen in der Nähe korrigieren. In diesen Fällen ist die Datenverarbeitung in Echtzeit von entscheidender Bedeutung. Daher sind die integrierten Edge-KI-Systeme für die Datenspeicherung, -bearbeitung und -analyse verantwortlich. Die Edge-KI-Systeme sind notwendig, um Fahrzeuge der Stufen 3 und 4 (vollautonom) auf den Markt zu bringen.

Da autonome Drohnen nicht von menschlichen Bedienern gesteuert werden, gelten für sie sehr ähnliche Anforderungen wie für autonome Autos. Wenn eine Drohne während des Fluges die Kontrolle verliert oder eine Fehlfunktion aufweist, kann sie abstürzen und Sach- oder Lebensschäden verursachen. Drohnen fliegen möglicherweise weit außerhalb der Reichweite eines Internetzugangspunkts und müssen über Edge-KI-Funktionen verfügen. Edge-KI-Systeme werden für Dienste wie Amazon Prime Air, das darauf abzielt, Pakete per Drohne auszuliefern, unverzichtbar sein.

Ein weiterer Anwendungsfall für Edge AI sind Gesichtserkennungssysteme. Gesichtserkennungssysteme basieren auf Computer-Vision-Algorithmen, die von der Kamera erfasste Daten analysieren. Gesichtserkennungs-Apps, die beispielsweise Sicherheitsaufgaben erfüllen, müssen auch dann zuverlässig funktionieren, wenn sie nicht mit einer Cloud verbunden sind.

Digitale Assistenten sind ein weiterer häufiger Anwendungsfall für Edge AI. Digitale Assistenten wie Google Assistant, Alexa und Siri müssen auf Smartphones und anderen digitalen Geräten funktionieren können, auch wenn diese nicht mit dem Internet verbunden sind. Wenn Daten auf dem Gerät verarbeitet werden, müssen sie nicht in die Cloud übermittelt werden, was dazu beiträgt, den Datenverkehr zu reduzieren und den Datenschutz zu gewährleisten.