Hva er Edge AI og Edge Computing?

Edge AI er en av de mest bemerkelsesverdige nye sektorene innen kunstig intelligens, og den tar sikte på å la folk kjøre AI-prosesser uten å måtte bekymre seg for personvern eller nedganger på grunn av dataoverføring. Edge AI muliggjør større, mer utbredt bruk av AI, og lar smarte enheter reagere raskt på innganger uten tilgang til en sky. Selv om det er en rask definisjon av Edge AI, la oss bruke et øyeblikk på å forstå Edge AI bedre ved å utforske teknologiene som gjør det mulig og se noen bruksområder for Edge AI.

Hva er Edge Computing?

For å virkelig forstå Edge AI, må vi først forstå Edge computing, og den beste måten å forstå Edge computing er å kontrastere det med cloud computing. Cloud computing er levering av datatjenester over internett. Derimot er Edge-databehandlingssystemer ikke koblet til en sky, i stedet for å operere på lokale enheter. Disse lokale enhetene kan være en dedikert edge computing-server, en lokal enhet, eller tingenes internett (IoT). Det er en rekke fordeler ved å bruke Edge-databehandling. For eksempel er internett-/skybasert beregning begrenset av ventetid og båndbredde, mens Edge-databehandling ikke er begrenset av disse parameterne.

Hva er Edge AI?

Nå som vi forstår Edge computing, har vi kan ta en titt på Edge AI. Edge AI kombinerer kunstig intelligens og edge computing. AI-algoritmene kjøres på enheter som er i stand til edge computing. Fordelen med dette er at dataene kan behandles i sanntid, uten å måtte koble til en sky.

De fleste banebrytende AI-prosesser utføres i en sky da de krever en stor mengde datakraft. Resultatet er at disse AI-prosessene kan være sårbare for nedetid. Fordi Edge AI-systemer opererer på en edge-databehandlingsenhet, kan de nødvendige dataoperasjonene skje lokalt og sendes når en internettforbindelse er etablert, noe som sparer tid. Deep learning-algoritmene kan operere på selve enheten, opprinnelsespunktet for dataene.

Edge AI blir stadig viktigere på grunn av det faktum at flere og flere enheter trenger å bruke AI i situasjoner der de ikke får tilgang til skyen. Tenk på hvor mange fabrikkroboter eller hvor mange biler i disse dager som kommer med datasynsalgoritmer. En forsinkelsestid i overføringen av data i disse situasjonene kan være katastrofal. Selvkjørende biler kan ikke lide av latens mens de oppdager gjenstander på gaten. Siden en rask responstid er så viktig, må selve enheten ha et Edge AI-system som lar den analysere og klassifisere bilder uten å stole på en skyforbindelse.

Når edge-datamaskiner blir betrodd informasjonsbehandlingsoppgavene som vanligvis utføres på skyen, er resultatet sanntids lav latens, sanntidsbehandling. I tillegg, ved å begrense overføringen av data til kun den mest vitale informasjonen, kan selve datavolumet reduseres og kommunikasjonsavbrudd kan minimeres.

Edge AI og tingenes internett

Edge AI går sammen med andre digitale teknologier som 5G og tingenes internett (IoT). IoT kan generere data som Edge AI-systemer kan benytte seg av, mens 5G-teknologi er avgjørende for den fortsatte utviklingen av både Edge AI og IoT.

Internet of Things refererer til en rekke smarte enheter koblet til hverandre via internett. Alle disse enhetene genererer data, som kan mates inn i Edge AI-enheten, som også kan fungere som en midlertidig lagringsenhet for dataene til de er synkronisert med skyen. Metoden for databehandling gir større fleksibilitet.

Den femte generasjonen av mobilnettet, 5G, er avgjørende for utviklingen av både Edge AI og Internet of Things. 5G er i stand til å overføre data med mye høyere hastigheter, opptil 20 Gbps, mens 4G er i stand til å levere data med kun 1 Gbps. 5G støtter også langt flere samtidige tilkoblinger enn 4G (1,000,000 100,000 1 per kvadratkilometer vs. 10 4) og en bedre ventetid (5ms vs. XNUMXms). Disse fordelene fremfor XNUMXG er viktige fordi ettersom IoT vokser, vokser datavolumet også og overføringshastigheten påvirkes. XNUMXG muliggjør flere interaksjoner mellom et bredere spekter av enheter, hvorav mange kan utstyres med Edge AI.

Bruk Cases for Edge AI

Brukstilfeller for Edge AI inkluderer omtrent alle tilfeller der databehandling vil bli gjort mer effektivt på en lokal enhet enn når den gjøres gjennom en sky. Imidlertid inkluderer noen av de vanligste brukstilfellene for Edge AI selvstyrte biler, styrte droner, ansiktsgjenkjenningog digitale assistenter.

Selvkjørende biler er en av de mest relevante brukssakene for Edge AI. Selvkjørende biler må hele tiden skanne omgivelsene og vurdere situasjonen, foreta korrigeringer av banen basert på nærliggende hendelser. Sanntidsdatabehandling er avgjørende for disse tilfellene, og som et resultat er deres innebygde Edge AI-systemer ansvarlig for datalagring, manipulering og analyse. Edge AI-systemene er nødvendige for å bringe nivå 3 og nivå 4 (helt autonome) kjøretøy til markedet.

Fordi autonome droner ikke styres av menneskelige operatører, har de svært like krav til autonome biler. Hvis en drone mister kontrollen eller feiler mens den flyr, kan den krasje og skade eiendom eller liv. Droner kan fly langt utenfor rekkevidden til et Internett-tilgangspunkt, og de må ha Edge AI-funksjoner. Edge AI-systemer vil være uunnværlige for tjenester som Amazon Prime Air, som har som mål å levere pakker via drone.

Et annet bruksområde for Edge AI er ansiktsgjenkjenningssystemer. Ansiktsgjenkjenningssystemer er avhengige av datasynsalgoritmer, som analyserer data som samles inn av kameraet. Ansiktsgjenkjenningsapper som fungerer for oppgaver som sikkerhet, må fungere pålitelig selv om de ikke er koblet til en sky.

Digitale assistenter er et annet vanlig bruksområde for Edge AI. Digitale assistenter som Google Assistant, Alexa og Siri må kunne operere på smarttelefoner og andre digitale enheter selv når de ikke er koblet til internett. Når data behandles på enheten, er det ikke nødvendig å levere dem til skyen, noe som bidrar til å redusere trafikk og sikre personvern.