Was ist Edge AI & Edge Computing?

Edge AI ist einer der bemerkenswertesten neuen Bereiche der künstlichen Intelligenz und zielt darauf ab, es Menschen zu ermöglichen, AI-Prozesse auszuführen, ohne sich um Datenschutz oder Verzögerungen aufgrund der Datenübertragung sorgen zu müssen. Edge AI ermöglicht eine größere, weit verbreitetere Nutzung von AI, indem es intelligenten Geräten ermöglicht, schnell auf Eingaben zu reagieren, ohne auf eine Cloud zuzugreifen. Während dies eine schnelle 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 betrachten.

Was ist Edge Computing?

Um Edge AI wirklich zu verstehen, müssen wir zuerst Edge Computing verstehen, und der beste Weg, um Edge Computing zu verstehen, ist, es mit Cloud Computing zu vergleichen. Cloud Computing ist die Bereitstellung von Computing-Diensten über das Internet. Im Gegensatz dazu operieren Edge-Computing-Systeme nicht mit einer Cloud, sondern auf lokalen Geräten. Diese lokalen Geräte können ein dedizierter Edge-Computing-Server, ein lokales Gerät oder ein Internet der Dinge (IoT) sein. Es gibt eine Reihe von Vorteilen bei der Verwendung von Edge Computing. Zum Beispiel ist die internet-/cloud-basierte Berechnung durch Latenz und Bandbreite begrenzt, während Edge Computing durch diese Parameter nicht begrenzt ist.

Was ist Edge AI?

Jetzt, da wir Edge Computing verstehen, können wir uns Edge AI ansehen. Edge AI kombiniert künstliche Intelligenz und Edge Computing. Die AI-Algorithmen werden auf Geräten ausgeführt, die für Edge Computing geeignet sind. Der Vorteil davon ist, dass die Daten in Echtzeit verarbeitet werden können, ohne dass eine Verbindung zur Cloud hergestellt werden muss.
Die meisten fortschrittlichen AI-Prozesse werden in der Cloud durchgeführt, da sie eine große Menge an Rechenleistung erfordern. Das Ergebnis ist, dass diese AI-Prozesse anfällig für Ausfälle sein können. Da Edge-AI-Systeme auf einem Edge-Computing-Gerät operieren, können die notwendigen Datenoperationen lokal durchgeführt werden, wenn eine Internetverbindung hergestellt ist, was Zeit spart. Die Deep-Learning-Algorithmen können auf dem Gerät selbst, dem Ursprungspunkt der Daten, ausgeführt werden.
Edge AI wird aufgrund der Tatsache, dass immer mehr Geräte AI in Situationen einsetzen müssen, in denen sie nicht auf die Cloud zugreifen können, immer wichtiger. Denken Sie daran, wie viele Fabrikroboter oder wie viele Autos heutzutage mit Computer-Vision-Algorithmen ausgestattet sind. Eine Verzögerung bei der Übertragung von Daten in diesen Situationen könnte katastrophal sein. Selbstfahrende Autos können keine Latenz bei der Erkennung von Objekten auf der Straße dulden. Da eine schnelle Reaktionszeit so wichtig ist, muss das Gerät selbst über ein Edge-AI-System verfügen, das es ermöglicht, Bilder ohne Cloud-Verbindung zu analysieren und zu klassifizieren.
Wenn Edge-Computer mit den Informationsverarbeitungsaufgaben betraut werden, die normalerweise in der Cloud durchgeführt werden, ist das Ergebnis eine Echtzeit-Verarbeitung mit geringer Latenz. Darüber hinaus kann durch die Einschränkung der Datenübertragung auf die wichtigsten Informationen das Datenvolumen selbst reduziert und die Kommunikationsunterbrechungen minimiert werden.

Edge AI und das Internet der Dinge

Edge AI verbindet sich mit anderen digitalen Technologien wie 5G und dem Internet der Dinge (IoT). IoT kann Daten für Edge-AI-Systeme generieren, während 5G-Technologie für die weitere Entwicklung von Edge AI und IoT unerlässlich ist.
Das Internet der Dinge bezieht sich auf eine Vielzahl von intelligenten Geräten, die über das Internet miteinander verbunden sind. Alle diese Geräte generieren Daten, die in das Edge-AI-Gerät eingespeist werden können, das auch als temporäres Speichergerät für die Daten dienen kann, bis es mit der Cloud synchronisiert wird. Die Methode der Datenverarbeitung ermöglicht eine größere Flexibilität.
Die fünfte Generation des Mobilfunknetzes, 5G, ist für die Entwicklung von Edge AI und dem Internet der Dinge von entscheidender Bedeutung. 5G ist in der Lage, Daten mit viel höheren Geschwindigkeiten zu übertragen, bis zu 20 Gbps, während 4G nur 1 Gbps liefert. 5G unterstützt auch viele mehr simultane Verbindungen als 4G (1.000.000 pro Quadratkilometer vs. 100.000) und eine bessere Latenzzeit (1 ms vs. 10 ms). Diese Vorteile gegenüber 4G sind wichtig, da das IoT wächst und das Datenvolumen ebenfalls wächst und die Übertragungsgeschwindigkeit beeinflusst. 5G ermöglicht mehr Interaktionen zwischen einer größeren Anzahl von Geräten, viele von denen mit Edge AI ausgestattet werden können.

Anwendungsfälle für Edge AI

Anwendungsfälle für Edge AI umfassen nahezu jeden Fall, in dem die Datenverarbeitung auf einem lokalen Gerät effizienter durchgeführt werden kann als über eine Cloud. Einige der häufigsten Anwendungsfälle für Edge AI sind jedoch selbstfahrende Autos, autonome Drohnen, Gesichtserkennung und digitale Assistenten.
Selbstfahrende Autos sind einer der relevantesten Anwendungsfälle für Edge AI. Selbstfahrende Autos müssen ständig ihre Umgebung scannen und die Situation bewerten, indem sie Korrekturen an ihrer Traektorie vornehmen, basierend auf nahegelegenen Ereignissen. Eine Echtzeit-Datenverarbeitung ist für diese Fälle von entscheidender Bedeutung, und daher sind ihre bordseitigen Edge-AI-Systeme für die Datenverwaltung, -manipulation und -analyse verantwortlich. Die Edge-AI-Systeme sind notwendig, um Fahrzeuge der Stufe 3 und 4 (vollständig autonome Fahrzeuge) auf den Markt zu bringen.
Da autonome Drohnen nicht von menschlichen Operatoren gesteuert werden, haben sie sehr ähnliche Anforderungen wie autonome Autos. Wenn eine Drohne die Kontrolle verliert oder während des Fluges ausfällt, kann sie abstürzen und Sachschäden oder Menschenleben gefährden. Drohnen können weit außerhalb der Reichweite eines Internet-Zugangspunkts fliegen und müssen über Edge-AI-Fähigkeiten verfügen. Edge-AI-Systeme werden für Dienste wie Amazon Prime Air unerlässlich sein, die darauf abzielen, Pakete per Drohne zu liefern.
Ein weiterer Anwendungsfall für Edge AI ist die Gesichtserkennung. Gesichtserkennungssysteme basieren auf Computer-Vision-Algorithmen, die Daten analysieren, die von der Kamera gesammelt werden. Gesichtserkennungs-Apps, die für Zwecke wie Sicherheit arbeiten, müssen auch dann zuverlässig funktionieren, wenn sie nicht mit der 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 auch dann funktionieren, wenn sie nicht mit dem Internet verbunden sind. Wenn die Daten auf dem Gerät verarbeitet werden, muss es nicht an die Cloud geliefert werden, was den Datenverkehr reduziert und die Privatsphäre schützt.