Wat is Edge-AI en Edge-computing?

Edge AI is een van de meest opvallende nieuwe sectoren van kunstmatige intelligentie en heeft tot doel mensen AI-processen te laten uitvoeren zonder zich zorgen te hoeven maken over privacy of vertragingen als gevolg van gegevensoverdracht. Edge AI maakt een groter, breder gebruik van AI mogelijk, waardoor slimme apparaten snel kunnen reageren op invoer zonder toegang tot een cloud. Hoewel dit een snelle definitie van Edge AI is, laten we even de tijd nemen om Edge AI beter te begrijpen door de technologieën te verkennen die dit mogelijk maken en enkele use cases voor Edge AI te bekijken.

Wat is Edge Computing?

Om Edge AI echt te begrijpen, moeten we eerst Edge computing begrijpen, en de beste manier om dit te begrijpen Edge computing is om het te contrasteren met cloud computing. Cloud computing is het leveren van computerdiensten via internet. Edge-computersystemen daarentegen zijn niet verbonden met een cloud, maar werken op lokale apparaten. Deze lokale apparaten kunnen een speciale edge computing-server zijn, een lokaal apparaat, of een Internet of Things (IoT). Het gebruik van Edge computing heeft een aantal voordelen. Internet/cloud-gebaseerde berekeningen worden bijvoorbeeld beperkt door latentie en bandbreedte, terwijl edge-computing niet wordt beperkt door deze parameters.

Wat is Edge-AI?

Nu we Edge-computing begrijpen, kunnen we kan Edge AI bekijken. Edge AI combineert kunstmatige intelligentie en edge computing. De AI-algoritmen worden uitgevoerd op apparaten die geschikt zijn voor edge computing. Het voordeel hiervan is dat de gegevens real-time kunnen worden verwerkt, zonder dat er verbinding hoeft te worden gemaakt met een cloud.

De meeste geavanceerde AI-processen worden uitgevoerd in een cloud, omdat ze een grote hoeveelheid rekenkracht vereisen. Het resultaat is dat deze AI-processen kwetsbaar kunnen zijn voor downtime. Omdat Edge AI-systemen op een edge computing-apparaat werken, kunnen de noodzakelijke gegevensbewerkingen lokaal plaatsvinden en worden ze verzonden wanneer er een internetverbinding tot stand is gebracht, wat tijd bespaart. De deep learning-algoritmen kunnen werken op het apparaat zelf, het oorsprongspunt van de gegevens.

Edge AI wordt steeds belangrijker omdat steeds meer apparaten AI moeten inzetten in situaties waarin ze geen toegang hebben tot de cloud. Bedenk eens hoeveel fabrieksrobots of hoeveel auto's tegenwoordig worden geleverd met computer vision-algoritmen. Een vertraging in de overdracht van gegevens kan in deze situaties catastrofaal zijn. Zelfrijdende auto’s kunnen geen last hebben van latentie bij het detecteren van objecten op straat. Omdat een snelle responstijd zo belangrijk is, moet het apparaat zelf over een Edge AI-systeem beschikken waarmee het beelden kan analyseren en classificeren zonder afhankelijk te zijn van een cloudverbinding.

Wanneer edge-computers worden belast met de informatieverwerkingstaken die gewoonlijk in de cloud worden uitgevoerd, is het resultaat real-time low latency, real-time verwerking. Door de overdracht van gegevens te beperken tot alleen de meest vitale informatie, kan bovendien het gegevensvolume zelf worden verminderd en kunnen communicatieonderbrekingen worden geminimaliseerd.

Edge-AI en het internet der dingen

Edge AI werkt samen met andere digitale technologieën zoals 5G en het Internet of Things (IoT). IoT kan gegevens genereren waar Edge AI-systemen gebruik van kunnen maken, terwijl 5G-technologie essentieel is voor de voortdurende vooruitgang van zowel Edge AI als IoT.

Het internet der dingen verwijst naar een verscheidenheid aan slimme apparaten die via internet met elkaar zijn verbonden. Al deze apparaten genereren gegevens, die kunnen worden ingevoerd in het Edge AI-apparaat, dat ook kan fungeren als een tijdelijke opslageenheid voor de gegevens totdat deze wordt gesynchroniseerd met de cloud. De wijze van gegevensverwerking zorgt voor meer flexibiliteit.

De vijfde generatie van het mobiele netwerk, 5G, is van cruciaal belang voor de ontwikkeling van zowel Edge AI als het internet der dingen. 5G kan gegevens met veel hogere snelheden overbrengen, tot 20 Gbps, terwijl 4G gegevens kan leveren met slechts 1 Gbps. 5G ondersteunt ook veel meer gelijktijdige verbindingen dan 4G (1,000,000 per vierkante kilometer versus 100,000) en een betere latentiesnelheid (1 ms versus 10 ms). Deze voordelen ten opzichte van 4G zijn belangrijk omdat naarmate het IoT groeit, het datavolume ook groeit en de overdrachtssnelheid wordt beïnvloed. 5G maakt meer interacties mogelijk tussen een breder scala aan apparaten, waarvan vele kunnen worden uitgerust met Edge AI.

Gebruik cases voor Edge AI

Use-cases voor Edge AI omvatten vrijwel elke instantie waar gegevensverwerking efficiënter zou worden gedaan op een lokaal apparaat dan wanneer dit via een cloud zou gebeuren. Enkele van de meest voorkomende use-cases voor Edge AI zijn echter zelfrijdende auto's, autonome drones, gezichtsherkenning en digitale assistenten.

Zelfrijdende auto's zijn een van de meest relevante use-cases voor Edge AI. Zelfrijdende auto's moeten constant de omgeving scannen en de situatie beoordelen, en correcties aanbrengen in het traject op basis van gebeurtenissen in de buurt. Realtime gegevensverwerking is van cruciaal belang voor deze gevallen en als gevolg daarvan zijn hun ingebouwde Edge AI-systemen verantwoordelijk voor de gegevensopslag, manipulatie en analyse. De edge AI-systemen zijn nodig om level 3 en level 4 (volledig autonome) voertuigen op de markt te brengen.

Omdat autonome drones niet worden bestuurd door menselijke operators, hebben ze zeer vergelijkbare vereisten voor autonome auto's. Als een drone tijdens het vliegen de controle verliest of defect raakt, kan hij crashen en eigendommen of mensenlevens beschadigen. Drones kunnen ver buiten het bereik van een internettoegangspunt vliegen en ze moeten Edge AI-mogelijkheden hebben. Edge AI-systemen zullen onmisbaar zijn voor diensten als Amazon Prime Air, dat tot doel heeft pakketten via drones te bezorgen.

Een andere use-case voor Edge AI zijn gezichtsherkenningssystemen. Gezichtsherkenningssystemen vertrouwen op computervisie-algoritmen, die gegevens analyseren die door de camera zijn verzameld. Gezichtsherkenningsapps die werken voor taken als beveiliging moeten betrouwbaar werken, zelfs als ze niet zijn verbonden met een cloud.

Digitale assistenten zijn een andere veelvoorkomende use-case voor Edge AI. Digitale assistenten zoals Google Assistant, Alexa en Siri moeten kunnen werken op smartphones en andere digitale apparaten, zelfs als ze niet met internet zijn verbonden. Wanneer gegevens op het apparaat worden verwerkt, is het niet nodig om deze naar de cloud te leveren, wat helpt om het verkeer te verminderen en de privacy te waarborgen.