Kas ir Edge AI un Edge Computing?

Edge AI ir viena no ievērojamākajām jaunajām mākslīgā intelekta nozarēm, un tās mērķis ir ļaut cilvēkiem vadīt AI procesus, neuztraucoties par privātumu vai palēnināšanos datu pārraides dēļ. Edge AI nodrošina plašāku un plašāku AI izmantošanu, ļaujot viedierīcēm ātri reaģēt uz ievadi bez piekļuves mākonim. Lai gan šī ir ātra Edge AI definīcija, veltīsim laiku, lai labāk izprastu Edge AI, izpētot tehnoloģijas, kas to padara iespējamu, un aplūkojot dažus Edge AI lietošanas gadījumus.

Kas ir Edge Computing?

Lai patiesi izprastu Edge AI, mums vispirms ir jāsaprot Edge skaitļošana un labākais veids, kā saprast Edge skaitļošana ir kontrastēt ar mākoņdatošanu. Mākoņdatošana ir skaitļošanas pakalpojumu piegāde internetā. Turpretim Edge skaitļošanas sistēmas nav savienotas ar mākoni, tā vietā, lai tās darbotos vietējās ierīcēs. Šīs lokālās ierīces var būt specializēts malas skaitļošanas serveris, lokāla ierīce, vai lietu internets (IoT). Edge skaitļošanas izmantošanai ir vairākas priekšrocības. Piemēram, interneta/mākoņos balstītu aprēķinu ierobežo latentums un joslas platums, savukārt Edge skaitļošanu neierobežo šie parametri.

Kas ir Edge AI?

Tagad, kad mēs saprotam Edge skaitļošanu, mēs var apskatīt Edge AI. Edge AI apvieno mākslīgo intelektu un malu skaitļošanu. AI algoritmi tiek palaisti ierīcēs, kas spēj veikt malu skaitļošanu. Priekšrocība ir tāda, ka datus var apstrādāt reāllaikā, bez savienojuma ar mākoni.

Lielākā daļa visprogresīvāko AI procesu tiek veikti mākonī, jo tie prasa lielu skaitļošanas jaudu. Rezultātā šie AI procesi var būt neaizsargāti pret dīkstāvi. Tā kā Edge AI sistēmas darbojas uz malas skaitļošanas ierīces, nepieciešamās datu darbības var notikt lokāli, un tās tiek nosūtītas, kad ir izveidots interneta savienojums, kas ietaupa laiku. Dziļās mācīšanās algoritmi var darboties pašā ierīcē, datu izcelsmes punktā.

Edge AI kļūst arvien svarīgāka, jo arvien vairāk ierīču ir jāizmanto AI situācijās, kad tās nevar piekļūt mākonim. Apsveriet, cik daudz rūpnīcas robotu vai automašīnu mūsdienās ir aprīkoti ar datorredzes algoritmiem. Šādās situācijās datu pārsūtīšanas kavēšanās varētu būt katastrofāla. Pašbraucošās automašīnas nevar ciest no latentuma, atklājot objektus uz ielas. Tā kā ātrs reakcijas laiks ir tik svarīgs, pašai ierīcei ir jābūt Edge AI sistēmai, kas ļauj analizēt un klasificēt attēlus, nepaļaujoties uz mākoņa savienojumu.

Ja malas datoriem tiek uzticēti informācijas apstrādes uzdevumi, ko parasti veic mākonī, rezultāts ir reāllaika zema latentuma, reāllaika apstrāde. Turklāt, ierobežojot datu pārraidi tikai ar vissvarīgāko informāciju, var samazināt pašu datu apjomu un samazināt sakaru pārtraukumus.

Edge AI un lietu internets

Edge AI sadarbojas ar citām digitālajām tehnoloģijām, piemēram, 5G un lietisko internetu (IoT). IoT var ģenerēt datus Edge AI sistēmām, ko izmantot, savukārt 5G tehnoloģija ir būtiska Edge AI un IoT nepārtrauktai attīstībai.

Lietu internets attiecas uz dažādām viedierīcēm, kas ir savienotas viena ar otru, izmantojot internetu. Visas šīs ierīces ģenerē datus, kurus var ievadīt Edge AI ierīcē, kas var darboties arī kā pagaidu datu uzglabāšanas vienība, līdz tie tiek sinhronizēti ar mākoni. Datu apstrādes metode nodrošina lielāku elastību.

Piektā mobilā tīkla paaudze, 5G, ir būtiska gan Edge AI, gan lietu interneta attīstībai. 5G spēj pārsūtīt datus ar daudz lielāku ātrumu, līdz 20Gbps, savukārt 4G spēj piegādāt datus tikai ar 1Gbps. 5G atbalsta arī daudz vairāk vienlaicīgu savienojumu nekā 4G (1,000,000 100,000 1 uz kvadrātkilometru pret 10 4) un labāku latentuma ātrumu (5 ms pret XNUMX ms). Šīs priekšrocības salīdzinājumā ar XNUMXG ir svarīgas, jo, augot IoT, pieaug arī datu apjoms un tiek ietekmēts pārsūtīšanas ātrums. XNUMXG nodrošina plašāku mijiedarbību starp plašāku ierīču klāstu, no kurām daudzas var aprīkot ar Edge AI.

Izmantojiet lietas Edge AI

Edge AI izmantošanas gadījumi ietver gandrīz jebkuru gadījumu, kad datu apstrāde vietējā ierīcē tiktu veikta efektīvāk nekā tad, ja tā tiktu veikta, izmantojot mākoni. Tomēr daži no visizplatītākajiem Edge AI lietošanas gadījumiem ietver self-braukšanas automašīnas, autonomo drones, sejas atpazīšana, un digitālie palīgi.

Pašbraucošās automašīnas ir viens no visatbilstošākajiem Edge AI lietošanas gadījumiem. Pašbraucošajiem auto ir nepārtraukti jāskenē apkārtējā vide un jānovērtē situācija, veicot korekcijas tās trajektorijā, pamatojoties uz tuvējiem notikumiem. Šajos gadījumos reāllaika datu apstrāde ir ļoti svarīga, un rezultātā viņu iebūvētās Edge AI sistēmas ir atbildīgas par datu glabāšanu, manipulācijām un analīzi. Malas AI sistēmas ir nepieciešamas, lai tirgū laistu 3. un 4. līmeņa (pilnībā autonomus) transportlīdzekļus.

Tā kā autonomos dronus nevada operatori, tiem ir ļoti līdzīgas prasības attiecībā uz autonomām automašīnām. Ja drons lidojuma laikā zaudē kontroli vai nedarbojas pareizi, tas var avarēt un sabojāt īpašumu vai dzīvību. Drons var lidot tālu ārpus interneta piekļuves punkta diapazona, un tiem ir jābūt Edge AI iespējām. Edge AI sistēmas būs neaizstājamas tādiem pakalpojumiem kā Amazon Prime Air, kura mērķis ir piegādāt pakas, izmantojot dronu.

Vēl viens Edge AI lietošanas gadījums ir sejas atpazīšanas sistēmas. Sejas atpazīšanas sistēmas balstās uz datora redzes algoritmiem, analizējot kameras savāktos datus. Sejas atpazīšanas lietotnēm, kas darbojas, lai veiktu tādus uzdevumus kā drošība, ir jādarbojas uzticami, pat ja tās nav savienotas ar mākoni.

Ciparu palīgi ir vēl viens izplatīts Edge AI lietošanas gadījums. Digitālajiem palīgiem, piemēram, Google palīgam, Alexa un Siri, jāspēj darboties viedtālruņos un citās digitālajās ierīcēs pat tad, ja tie nav savienoti ar internetu. Kad dati tiek apstrādāti ierīcē, nav nepieciešams tos piegādāt mākonī, kas palīdz samazināt trafiku un nodrošināt privātumu.