विचार नेता
जनरेटिव एआई में नए क्षितिज — क्लाउड से दूर

मुख्य बिंदुहाइलो जैसे एज एआई प्रोसेसर महत्वपूर्ण अनुप्रयोगों के लिए क्लाउड निर्भरता से बचते हुए…
और देखें
- हाइलो जैसे एज एआई प्रोसेसर महत्वपूर्ण अनुप्रयोगों के लिए क्लाउड निर्भरता से बचते हुए, जेनरेटिव एआई को उपकरणों पर स्थानीय रूप से चलाने में सक्षम बनाते हैं।
- जेनरेटिव एआई इंफेरेंस को एज पर ले जाने से कारों, सुरक्षा और वीडियोकॉन्फ्रेंसिंग के लिए विलंबता, गोपनीयता और बैंडविड्थ की बाधाओं का समाधान होता है।
- अधिक संक्षिप्त एआई मॉडल और कुशल न्यूरल प्रोसेसर जेनरेटिव एआई को लैपटॉप और स्मार्टफोन पर एक मानक स्थानीय सुविधा बना देंगे।
शुरुआत में, इंटरनेट था, जिसने हमारे जीवन को हमेशा के लिए बदल दिया — जिस तरह से हम संवाद करते हैं, खरीदारी करते हैं, व्यवसाय करते हैं। और फिर लेटेंसी, गोपनीयता, और लागत-प्रभावशीलता के कारणों से, इंटरनेट नेटवर्क के किनारे पर चला गया, जिससे “इंटरनेट ऑफ थिंग्स” का उदय हुआ।
अब कृत्रिम बुद्धिमत्ता है, जो इंटरनेट पर हमारे द्वारा की जाने वाली हर चीज़ को आसान, व्यक्तिगत, और बुद्धिमान बनाती है। इसका उपयोग करने के लिए, हालांकि, बड़े सर्वरों की आवश्यकता होती है, और उच्च गणना क्षमता की आवश्यकता होती है, इसलिए यह क्लाउड में सीमित है। लेकिन वही प्रेरणाएं — लेटेंसी, गोपनीयता, लागत-प्रभावशीलता — Hailo जैसी कंपनियों को ऐसी तकनीकें विकसित करने के लिए प्रेरित कर रही हैं जो किनारे पर एआई को सक्षम बनाती हैं।
निस्संदेह, अगली बड़ी चीज़ जनरेटिव एआई है। जनरेटिव एआई उद्योगों में बड़े पैमाने पर संभावनाएं प्रस्तुत करता है। इसका उपयोग काम को सुव्यवस्थित करने और विभिन्न रचनाकारों — वकीलों, सामग्री लेखकों, ग्राफिक डिज़ाइनरों, संगीतकारों, और अधिक — की कार्यक्षमता बढ़ाने के लिए किया जा सकता है। यह नए चिकित्सा दवाओं की खोज में मदद कर सकता है या चिकित्सा प्रक्रियाओं में सहायता कर सकता है। जनरेटिव एआई औद्योगिक स्वचालन में सुधार कर सकता है, नए सॉफ्टवेयर कोड विकसित कर सकता है, और वीडियो, ऑडियो, इमेजरी, और अधिक के स्वचालित संश्लेषण के माध्यम से परिवहन सुरक्षा में सुधार कर सकता है।
हालांकि, जनरेटिव एआई जैसा कि यह आज मौजूद है, उस तकनीक द्वारा सीमित है जो इसे सक्षम बनाती है। इसका कारण यह है कि जनरेटिव एआई क्लाउड में होता है — बड़े डेटा केंद्रों में महंगे, ऊर्जा-गहन कंप्यूटर प्रोसेसर जो वास्तविक उपयोगकर्ताओं से दूर हैं। जब कोई व्यक्ति एक जनरेटिव एआई टूल जैसे कि चैटजीपीटी या किसी नए एआई-आधारित वीडियोकांफ्रेंसिंग समाधान को एक प्रॉम्प्ट जारी करता है, तो अनुरोध इंटरनेट के माध्यम से क्लाउड में प्रसारित किया जाता है, जहां इसे सर्वर द्वारा संसाधित किया जाता है और उसके बाद परिणाम नेटवर्क पर वापस भेजे जाते हैं।
कंपनियां जनरेटिव एआई के लिए नए अनुप्रयोग विकसित कर रही हैं और उन्हें विभिन्न प्रकार के उपकरणों पर तैनात कर रही हैं — वीडियो कैमरा और सुरक्षा प्रणाली, औद्योगिक और व्यक्तिगत रोबोट, लैपटॉप और यहां तक कि कारें — क्लाउड बैंडविथ, लागत, और कनेक्टिविटी के मामले में एक बोतलनेक है।
और ड्राइवर सहायता, व्यक्तिगत कंप्यूटर सॉफ्टवेयर, वीडियोकांफ्रेंसिंग और सुरक्षा जैसे अनुप्रयोगों के लिए, नेटवर्क पर डेटा को लगातार स्थानांतरित करना एक गोपनीयता जोखिम हो सकता है।
समाधान यह है कि इन उपकरणों को नेटवर्क के किनारे पर जनरेटिव एआई संसाधित करने में सक्षम बनाया जाए। वास्तव में, किनारे-आधारित जनरेटिव एआई कई उभरते अनुप्रयोगों को लाभान्वित करने की स्थिति में है।
जनरेटिव एआई का उदय
इस बात पर विचार करें कि जून में, मेर्सेडीज-बेंज ने कहा कि वह अपनी कारों में चैटजीपीटी पेश करेगा। एक चैटजीपीटी-संचालित मेर्सेडीज़ में, उदाहरण के लिए, एक ड्राइवर कार से हाथों-मुक्त रूप से घर पर पहले से मौजूद सामग्री के आधार पर एक रात के खाने की नुस्खा मांग सकता है। यह तब है जब कार इंटरनेट से जुड़ी हो। एक पार्किंग गैरेज या दूरस्थ स्थान में, कनेक्शन और इस सुविधा का उपलब्ध रहना निश्चित नहीं है।
पिछले कुछ वर्षों में, वीडियोकांफ्रेंसिंग हमारे लिए दूसरी प्रकृति बन गई है। पहले से ही, सॉफ्टवेयर कंपनियां वीडियोकांफ्रेंसिंग समाधानों में एआई के रूपों को एकीकृत कर रही हैं। शायद यह ऑडियो और वीडियो की गुणवत्ता को तेजी से अनुकूलित करने के लिए है, या लोगों को एक ही आभासी स्थान में “रखने” के लिए है। अब, जनरेटिव एआई-संचालित वीडियोकांफ्रेंसिंग स्वचालित रूप से बैठक के कार्यवृत्त तैयार कर सकती है या विभिन्न विषयों पर चर्चा के दौरान कंपनी के स्रोतों से प्रासंगिक जानकारी को वास्तविक समय में खींच सकती है।
(MBG.DE )हालांकि, यदि एक स्मार्ट कार, वीडियोकांफ्रेंसिंग प्रणाली, या कोई अन्य किनारे उपकरण क्लाउड तक पहुंच नहीं सकता है, तो जनरेटिव एआई अनुभव नहीं हो सकता है। लेकिन अगर उन्हें ऐसा नहीं करना पड़ता? यह एक चुनौतीपूर्ण कार्य की तरह लगता है, क्लाउड एआई की विशाल प्रसंस्करण को देखते हुए, लेकिन यह अब संभव हो रहा है।
किनारे पर जनरेटिव एआई
पहले से ही, जनरेटिव एआई टूल हैं जो स्वचालित रूप से समृद्ध, आकर्षक पावरपॉइंट प्रस्तुतियां बना सकते हैं। लेकिन उपयोगकर्ता को प्रणाली को कहीं से भी काम करने की आवश्यकता है, यहां तक कि इंटरनेट कनेक्शन के बिना भी।
इसी तरह, हम एक नए वर्ग के जनरेटिव एआई-आधारित “कोपायलट” सहायकों को देख रहे हैं जो हमारे कंप्यूटिंग उपकरणों के साथ बातचीत करने के तरीके को कई नियमित कार्यों को स्वचालित करके मौलिक रूप से बदल देंगे, जैसे कि रिपोर्ट बनाना या डेटा को दृश्य रूप में प्रस्तुत करना। कल्पना कीजिए कि एक लैपटॉप खोलना, लैपटॉप आपको अपने कैमरे के माध्यम से पहचान रहा है, और फिर आपके सबसे अधिक उपयोग किए जाने वाले उपकरणों के आधार पर दिन/सप्ताह/महीने के लिए एक कार्ययोजना स्वचालित रूप से उत्पन्न कर रहा है, जैसे आउटलुक, टीम, स्लैक, ट्रेलो, आदि। लेकिन डेटा गोपनीयता और एक अच्छे उपयोगकर्ता अनुभव को बनाए रखने के लिए, आपके पास स्थानीय रूप से जनरेटिव एआई चलाने का विकल्प होना चाहिए।
अस्थिर कनेक्शनों और डेटा गोपनीयता की चुनौतियों का सामना करने के अलावा, किनारे एआई बैंडविड्थ की मांग को कम करने और अनुप्रयोग प्रदर्शन में सुधार करने में मदद कर सकता है। उदाहरण के लिए, यदि एक जनरेटिव एआई अनुप्रयोग क्लाउड के माध्यम से डेटा-समृद्ध सामग्री बना रहा है, जैसे कि एक आभासी सम्मेलन स्थान, तो प्रक्रिया उपलब्ध (और महंगी) बैंडविड्थ के आधार पर धीमी हो सकती है। और सुरक्षा, रोबोटिक्स, या स्वास्थ्य देखभाल जैसे कुछ प्रकार के जनरेटिव एआई अनुप्रयोगों को उच्च-प्रदर्शन, निम्न-विलंबता प्रतिक्रियाओं की आवश्यकता होती है जो क्लाउड कनेक्शन संभाल नहीं सकते हैं।
वीडियो सुरक्षा में, कई कैमरों के बीच लोगों की पुनः पहचान करने की क्षमता — कुछ ऐसे स्थानों पर जहां नेटवर्क नहीं पहुंच सकते हैं — कैमरों में ही डेटा मॉडल और एआई प्रसंस्करण की आवश्यकता होती है। इस मामले में, जनरेटिव एआई को स्वचालित विवरणों के माध्यम से कैमरे द्वारा देखी जाने वाली चीजों के लिए लागू किया जा सकता है, जैसे कि “लाल टी-शर्ट और बेसबॉल कैप वाले 8 वर्षीय बच्चे को खोजें।”
यही किनारे पर जनरेटिव एआई है।
किनारे एआई में विकास
एक नए वर्ग के एआई प्रोसेसर को अपनाने और अधिक हल्के और कुशल, लेकिन शक्ति में कम नहीं जनरेटिव एआई डेटा मॉडल विकसित करने के माध्यम से, किनारे उपकरणों को बुद्धिमानी से काम करने के लिए डिज़ाइन किया जा सकता है जहां क्लाउड कनेक्टिविटी असंभव या अवांछनीय है।
बिल्कुल, क्लाउड प्रसंस्करण जनरेटिव एआई का एक महत्वपूर्ण घटक बना रहेगा। उदाहरण के लिए, एआई मॉडल को प्रशिक्षित करना क्लाउड में रहेगा। लेकिन उन मॉडलों पर उपयोगकर्ता इनपुट लागू करने की प्रक्रिया, जिसे अनुमान कहा जाता है, किनारे पर हो सकती है — और कई मामलों में होनी चाहिए।
उद्योग पहले से ही अधिक पतले, छोटे, अधिक कुशल एआई मॉडल विकसित कर रहा है जो किनारे उपकरणों पर लोड किए जा सकते हैं। कंपनियां जैसे कि हैलो एआई प्रोसेसर निर्मित करती हैं जो विशेष रूप से न्यूरल नेटवर्क प्रसंस्करण के लिए डिज़ाइन किए गए हैं। ऐसे न्यूरल-नेटवर्क प्रोसेसर न केवल एआई मॉडल को अविश्वसनीय रूप से तेजी से संभालते हैं, बल्कि वे कम शक्ति का उपयोग करके ऐसा करते हैं, जिससे वे ऊर्जा-कुशल होते हैं और विभिन्न किनारे उपकरणों के लिए उपयुक्त होते हैं, स्मार्टफोन से लेकर कैमरों तक।
किनारे पर जनरेटिव एआई को संसाधित करने से बढ़ते कार्यभार को प्रभावी ढंग से लोड-संतुलित करने, अनुप्रयोगों को अधिक स्थिर रूप से स्केल करने, क्लाउड डेटा केंद्रों को महंगे प्रसंस्करण से राहत देने, और उनके कार्बन फुटप्रिंट को कम करने में मदद मिल सकती है।
जनरेटिव एआई फिर से कंप्यूटिंग को बदलने के लिए तैयार है। भविष्य में, आपके लैपटॉप पर एलएलएम आपके ओएस की तरह स्वचालित रूप से अपडेट हो सकता है — और लगभग उसी तरह काम कर सकता है। लेकिन वहां पहुंचने के लिए, हमें नेटवर्क के किनारे पर जनरेटिव एआई प्रसंस्करण को सक्षम बनाने की आवश्यकता है। परिणाम बेहतर प्रदर्शन, ऊर्जा दक्षता, और गोपनीयता और सुरक्षा का वादा करता है। जो सभी एआई अनुप्रयोगों को जनरेटिव एआई की तरह ही दुनिया को बदलने की क्षमता प्रदान करते हैं।












