Wat is Edge AI & Edge Computing?

Edge AI is een van de meest opvallende nieuwe sectoren van kunstmatige intelligentie en het heeft als doel mensen in staat te stellen AI-processen uit te voeren zonder zich zorgen te maken over privacy of vertragingen als gevolg van gegevensoverdracht. Edge AI maakt een groter, meer algemeen gebruik van AI mogelijk, waardoor slimme apparaten snel kunnen reageren op invoer zonder toegang tot een cloud. Terwijl dit een snelle definitie van Edge AI is, laten we even de tijd nemen om Edge AI beter te begrijpen door de technologieën te onderzoeken die het 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 Edge computing te begrijpen is door het te contrasteren met cloud computing. Cloud computing is de levering van compute-diensten via het internet. In tegenstelling tot cloud computing zijn Edge computing-systemen niet verbonden met een cloud, maar werken ze op lokale apparaten. Deze lokale apparaten kunnen een speciale Edge computing-server, een lokale apparaat of een Internet of Things (IoT) zijn. Er zijn een aantal voordelen aan het gebruik van Edge computing. Zo is internet/cloud-gebaseerde berekening 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 een kijkje nemen bij Edge AI. Edge AI combineert kunstmatige intelligentie en Edge computing. De AI-algoritmen worden uitgevoerd op apparaten die in staat zijn tot Edge computing. Het voordeel hiervan is dat de gegevens in real-time kunnen worden verwerkt, zonder dat er een verbinding met een cloud nodig is.
De meeste cutting edge AI-processen worden uitgevoerd in een cloud, omdat ze een grote hoeveelheid rekenkracht vereisen. Het resultaat is dat deze AI-processen kwetsbaar zijn voor downtime. Omdat Edge AI-systemen werken op een Edge computing-apparaat, kunnen de noodzakelijke gegevensbewerkingen lokaal plaatsvinden, waardoor tijd wordt bespaard. De deep learning-algoritmen kunnen op het apparaat zelf werken, de oorsprong van de gegevens.
Edge AI wordt steeds belangrijker vanwege het feit dat steeds meer apparaten AI moeten gebruiken in situaties waarin ze geen toegang hebben tot de cloud. Denk aan hoeveel fabrieksrobots of hoeveel auto’s tegenwoordig zijn uitgerust met computer vision-algoritmen. Een vertraging in de overdracht van gegevens in deze situaties kan catastrofaal zijn. Zelfrijdende auto’s kunnen geen last hebben van latentie bij het detecteren van objecten op de weg. Aangezien een snelle reactietijd zo belangrijk is, moet het apparaat zelf een Edge AI-systeem hebben dat het in staat stelt om beelden te analyseren en te classificeren zonder afhankelijk te zijn van een cloud-verbinding.
Wanneer edge-computers worden belast met de informatieverwerkingsTaken die normaal gesproken op de cloud worden uitgevoerd, is het resultaat real-time laag latentie, real-time verwerking. Bovendien kan de overdracht van gegevens worden beperkt tot alleen de meest vitale informatie, waardoor de gegevensvolume zelf kan worden verkleind en communicatieonderbrekingen kunnen worden geminimaliseerd.

Edge AI en het Internet of Things

Edge AI werkt samen met andere digitale technologieën zoals 5G en het Internet of Things (IoT). IoT kan gegevens genereren voor Edge AI-systemen om te gebruiken, terwijl 5G-technologie essentieel is voor de voortdurende ontwikkeling van zowel Edge AI als IoT.
Het Internet of Things verwijst naar een verscheidenheid aan slimme apparaten die met elkaar zijn verbonden via het internet. Al deze apparaten genereren gegevens, die kunnen worden doorgegeven aan het Edge AI-apparaat, dat ook kan fungeren als een tijdelijke opslagunit voor de gegevens totdat ze worden gesynchroniseerd met de cloud. De methode van gegevensverwerking biedt meer flexibiliteit.
De vijfde generatie van het mobiele netwerk, 5G, is kritiek voor de ontwikkeling van zowel Edge AI als het Internet of Things. 5G is in staat om gegevens over te dragen op veel hogere snelheden, tot 20Gbps, terwijl 4G gegevens kan leveren op slechts 1Gbps. 5G ondersteunt ook veel meer gelijktijdige verbindingen dan 4G (1.000.000 per vierkante kilometer versus 100.000) en heeft een betere latentiesnelheid (1ms versus 10ms). Deze voordelen ten opzichte van 4G zijn belangrijk omdat de IoT groeit, de gegevensvolume ook groeit en de overdrachtssnelheid wordt beïnvloed. 5G maakt meer interacties mogelijk tussen een bredere range van apparaten, waarvan veel kunnen worden uitgerust met Edge AI.

Use Cases Voor Edge AI

Use cases voor Edge AI omvatten vrijwel elk geval waarin gegevensverwerking efficiënter zou zijn op een lokaal apparaat dan wanneer het via een cloud wordt gedaan. Enkele van de meest voorkomende use cases voor Edge AI zijn 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 hun traject op basis van nabije gebeurtenissen. Real-time gegevensverwerking is kritiek voor deze gevallen, en als gevolg daarvan zijn hun onboard Edge AI-systemen verantwoordelijk voor de gegevensopslag, -manipulatie en -analyse. De Edge AI-systemen zijn noodzakelijk om niveau 3 en niveau 4 (volledig autonome) voertuigen op de markt te brengen.
Omdat autonome drones niet worden bestuurd door menselijke operators, hebben ze vergelijkbare vereisten als autonome auto’s. Als een drone de controle verliest of faalt tijdens de vlucht, kan het crashen en schade aanrichten aan eigendom of leven. Drones kunnen vliegen ver buiten het bereik van een internettoegangspunt en moeten over Edge AI-mogelijkheden beschikken. Edge AI-systemen zullen onmisbaar zijn voor diensten zoals Amazon Prime Air, die pakketten via drone wil leveren.
Een andere use case voor Edge AI is gezichtsherkenningssystemen. Gezichtsherkenningssystemen vertrouwen op computer vision-algoritmen, die gegevens analyseren die zijn verzameld door de camera. Gezichtsherkenning-apps die werken voor taken zoals 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 in staat zijn om te werken op smartphones en andere digitale apparaten, zelfs als ze niet zijn verbonden met het internet. Wanneer gegevens op het apparaat worden verwerkt, is er geen behoefte om ze naar de cloud te verzenden, waardoor het verkeer wordt verlaagd en de privacy wordt gewaarborgd.