टिनीमएल का कंप्यूटर विजन को एज पर सक्षम करने में भूमिका – विचार नेता

द्वारा: डेविस सॉयर, सह-संस्थापक और मुख्य उत्पाद अधिकारी, Deeplite

कंप्यूटर विजन की हमारे दैनिक जीवन को बेहतर बनाने की बहुत संभावना है – और इसके कई अनुप्रयोग और उपयोग हैं। कुछ उदाहरणों में शामिल हैं:

• स्मार्ट दरवाजे की घंटी घर की सुरक्षा के लिए “पोर्च पाइरेट्स” और तोड़फोड़ को रोकने में मदद करती है। आई.एच.एस. मार्किट द्वारा किए गए शोध के अनुसार (सिक्योरिटीइन्फोवॉच में प्रकाशित) 2021 में विश्वभर में एक अरब से अधिक निगरानी कैमरों की संख्या का अनुमान था। संयुक्त राज्य अमेरिका में अकेले, कैमरों की संख्या 85 मिलियन तक पहुंच जाने की उम्मीद थी;
• पार्किंग स्थलों में, एआई-सक्षम कैमरे उपलब्ध और कब्जे वाले पार्किंग स्थलों की निगरानी को स्वचालित करते हैं ताकि उपभोक्ताओं को खुले स्थानों के बारे में पता चल सके;
• डैशबोर्ड कैमरे अब ट्रकों पर गति सीमा चिन्ह पढ़ रहे हैं और सुरक्षा में सुधार के लिए ट्रक की गति को गतिशील रूप से कम कर रहे हैं;
• और कैमरों के साथ ड्रोन दूरस्थ और कठिन पहुंच वाले क्षेत्रों की निगरानी कर रहे हैं, और वे वास्तविक समय में छवियों को संसाधित कर सकते हैं और निर्णय ले सकते हैं।

इन सभी अनुप्रयोगों में बुद्धिमान वीडियो विश्लेषण का उपयोग किया जाता है, जो एआई और मशीन लर्निंग (एमएल) द्वारा संचालित होता है, वीडियो देखने, बुद्धिमत्ता का उपयोग करके निर्णय लेने और फिर कार्रवाई करने के लिए।

कंप्यूटर विजन को एज पर अधिक संसाधनों की आवश्यकता है

हालांकि, कई एआई-संचालित अनुप्रयोगों की तरह, कंप्यूटर विजन को अपने जटिल विश्लेषण और निर्णय लेने के लिए कंप्यूटिंग शक्ति, मेमोरी और ऊर्जा की आवश्यकता होती है। जबकि यह एक डेटा सेंटर में बहुत सारी कंप्यूटिंग शक्ति के साथ ठीक है, यह एज पर एआई की गति को रोक सकता है। विशेष रूप से, छोटे उपकरण जो कॉर्पोरेट डेटा सेंटर से दूर स्थित हैं और छोटी बैटरी पर चलते हैं, उन्हें एक नए प्रकार के एआई की आवश्यकता होती है जो पारंपरिक दृष्टिकोण से छोटा, तेज़ और “हल्का” हो। और मौजूदा उपकरणों को नए एआई + एमएल (कंप्यूटर विजन) कार्यक्षमता के साथ अपग्रेड करने की आवश्यकता होगी ताकि वे व्यवहार्य और प्रतिस्पर्धी बने रहें।

नई प्रगति गहरे तंत्रिका नेटवर्क को बढ़ावा देती है

आज, एआई में नई प्रगति गहरे तंत्रिका नेटवर्क (डीएनएन) को तेज़, छोटा और अधिक ऊर्जा-कुशल बना रही है – और एआई को क्लाउड और डेटा सेंटर से एज डिवाइस और बैटरी-संचालित सेंसर तक ले जाने में मदद कर रही है। जब एआई मॉडल प्रशिक्षण की बात आती है, तो आश्चर्यजनक कार्बन फुटप्रिंट का दस्तावेजीकरण और चर्चा की गई है (अर्थात् एक एआई भाषा मॉडल को प्रशिक्षित करने से 5 कारों के जीवनकाल में उतना ही सीओ 2 उत्पन्न होता है)। हालांकि, हमें यह समझने की आवश्यकता है कि एआई मॉडल अनुमान का पर्यावरणीय प्रभाव क्या है और इसे कैसे कम किया जाए। यह वह जगह है जहां मॉडल अनुकूलन के माध्यम से डीएनएन की आर्थिक और पर्यावरणीय लागत को कम करने में बहुत लाभ हो सकता है।

टिनीमएल छोटे उपकरणों पर एआई को सक्षम बनाता है

एक ऐसी प्रगति टिनीमएल है, एक शक्तिशाली नई प्रवृत्ति जो छोटे, बैटरी-संचालित उपकरणों को उन्नत एमएल का उपयोग करके कंप्यूटर विजन और अन्य धारणा कार्यों को वितरित करने में सक्षम बनाती है। यह छोटे, संसाधन-सीमित उपकरणों पर एमएल अनुमान की सुविधा प्रदान करता है, जो आमतौर पर क्लाउड के किनारे पर होते हैं, और एज अनुप्रयोगों को उपयोगकर्ता के करीब लाने में मदद करता है।

उदाहरण के लिए, एक सर्वर जीपीयू जैसे एनवीडिया ए 100 में 40 जीबी से अधिक उपलब्ध मेमोरी है, जो जटिल एआई जैसे कंप्यूटर विजन और प्राकृतिक भाषा प्रसंस्करण चलाने के लिए उपयुक्त है। हालांकि, जब हम एज डिवाइस और टिनीमएल की बात करते हैं, तो एक सामान्य माइक्रोकंट्रोलर (एमसीयू) में केवल 256 केबी ऑन-चिप मेमोरी हो सकती है, जो क्लाउड की तुलना में 100,000 गुना कम मेमोरी है! इसके अलावा, डेटा सेंटर और क्लाउड के विपरीत, एज डिवाइस हार्डवेयर को आसानी से फील्ड में अपडेट नहीं किया जा सकता है। इसका मतलब है कि हमें अपने एआई को उपलब्ध हार्डवेयर में “फिट” करना होगा, जिसमें डेवलपर्स को यह हासिल करने के लिए महीनों से लेकर सालों तक का समय लग सकता है, यदि बिल्कुल भी! यह वह जगह है जहां टिनीमएल, विशेष रूप से स्वचालित मशीन लर्निंग (जिसे ऑटोमेल भी कहा जाता है) वास्तविक दुनिया में एआई को अपनाने के लिए बाधाओं को तोड़ने में एक प्रमुख भूमिका निभा सकता है।

और टिनीमएल का प्रभाव बढ़ रहा है। 10,000 से अधिक सदस्यों के साथ, टिनीमएल फाउंडेशन एज पर अल्ट्रा-लो पावर मशीन लर्निंग समाधानों के विकास और तैनाती का समर्थन करने वाले इकोसिस्टम का विस्तार कर रहा है। फाउंडेशन एक वैश्विक समुदाय को एक साथ लाता है जिसमें हार्डवेयर, सॉफ्टवेयर, मशीन लर्निंग, डेटा वैज्ञानिक, सिस्टम इंजीनियर, डिजाइनर, उत्पाद और व्यवसायी शामिल हैं।

एक विश्व के अवसर

कुल मिलाकर, अरबों छोटे, जुड़े हुए उपकरण हैं जो उन्नत बुद्धिमत्ता से लाभान्वित हो सकते हैं। चुनौती यह है कि उनमें बहुत सीमित संसाधन हैं, तो हम उनमें बुद्धिमत्ता कैसे जोड़ सकते हैं? टिनीमएल एज पर छोटे उपकरणों पर अधिक कंप्यूटर विजन-आधारित, वास्तविक दुनिया के अनुप्रयोगों में एआई और एमएल लाने में एक प्रमुख भूमिका निभा सकता है। और यह लोगों और कंपनियों के लिए विभिन्न उत्पादों, सेवाओं और उद्योगों में एक विश्व के लाभों को अनलॉक कर सकता है, जो हमें एआई के लिए नए क्षेत्रों में आगे बढ़ने में मदद कर रहा है।