Hva er Edge AI og Edge Computing?

Edge AI er en av de mest bemerkelsesverdige nye sektorene innen kunstig intelligens, og det har som mål å la mennesker kjøre AI-prosesser uten å være bekymret for personvern eller nedetid på grunn av dataoverføring. Edge AI muliggjør en større og mer utbredt bruk av AI, og lar smarte enheter reagere raskt på innputt uten å ha tilgang til en skytjeneste. Mens dette er en kort definisjon av Edge AI, la oss ta en nærmere titt på Edge AI ved å utforske teknologiene som gjør det mulig og se på noen brukstilfeller 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 sammenligne det med skytjenester. Skytjenester er levering av datatjenester over internettet. I motsetning til dette opererer Edge computing-systemer ikke koblet til en skytjeneste, men på lokale enheter. Disse lokale enhetene kan være en dedikert Edge computing-server, en lokal enhet, eller en Internett-av-ting (IoT). Det er flere fordeler ved å bruke Edge computing. For eksempel er internett-/sky-basert beregning begrenset av latency og båndbredde, mens Edge computing ikke er begrenset av disse parameterne.

Hva er Edge AI?

Nå som vi forstår Edge computing, kan vi se 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 data kan prosesseres i sanntid, uten å måtte koble til en skytjeneste.

De fleste avanserte AI-prosessene utføres i en skytjeneste, da de krever en stor mengde beregningskraft. Resultatet er at disse AI-prosessene kan være sårbare for nedetid. Fordi Edge AI-systemer opererer på en Edge computing-enhet, kan de nødvendige dataoperasjonene skje lokalt, og sendes når en internettforbindelse er etablert, noe som sparer tid. De dype læringsalgoritmene kan operere på enheten selv, som er opphavsstedet for dataene.

Edge AI blir stadig viktigere på grunn av at flere og flere enheter må bruke AI i situasjoner der de ikke kan koble til en skytjeneste. Tenk på hvor mange fabrikkroboter eller biler som i dag kommer med datavisjonsalgoritmer. En forsinkelse i overføringen av data i disse situasjonene kan være katastrofalt. Selvstyrende biler kan ikke tåle forsinkelse mens de detekterer objekter på veien. Da en rask reaksjonstid er så viktig, må enheten selv ha et Edge AI-system som lar den analysere og klassifisere bilder uten å være avhengig av en skytjeneste.

Når edge-computere overtar informasjonsbehandlingstasker som vanligvis utføres på en skytjeneste, resulterer det i sanntid lav latency, sanntid prosessering. I tillegg kan dataoverføringen begrenses til bare den mest kritiske informasjonen, og kommunikasjonsavbrudd kan minimeres.

Edge AI og Internett-av-ting

Edge AI samarbeider med andre digitale teknologier som 5G og Internett-av-ting (IoT). IoT kan generere data for Edge AI-systemer å bruke, mens 5G-teknologi er avgjørende for den videre utviklingen av både Edge AI og IoT.

Internett-av-ting refererer til en rekke smarte enheter koblet til hverandre via internettet. 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 synkroniseres med skytjenesten. Metoden for data prosessering tillater større fleksibilitet.

Den femte generasjonen av mobilnettverk, 5G, er kritisk for utviklingen av både Edge AI og Internett-av-ting. 5G kan overføre data med mye høyere hastigheter, opp til 20Gbps, mens 4G kun kan levere data med 1Gbps. 5G støtter også langt flere samtidige forbindelser enn 4G (1 000 000 per kvadratkilometer vs. 100 000) og en bedre latenshastighet (1ms vs. 10ms). Disse fordelene over 4G er viktige fordi når IoT vokser, øker også datavolumet, og overføringshastigheten påvirkes. 5G muliggjør flere interaksjoner mellom en bredere rekke enheter, mange av disse kan utstyres med Edge AI.

Brukstilfeller for Edge AI

Brukstilfeller for Edge AI inkluderer nesten alle situasjoner der data prosessering ville være mer effektiv på en lokal enhet enn gjennom en skytjeneste. Imidlertid inkluderer noen av de mest vanlige brukstilfellene for Edge AI selvstyrende biler, selvstyrende droner, ansiktsgjenkjenning og digitale assistenter.

Selvstyrende biler er ett av de mest relevante brukstilfellene for Edge AI. Selvstyrende biler må konstant scannet omgivelsene og vurdere situasjonen, og gjøre korreksjoner i banen basert på nærliggende hendelser. Sanntid data prosessering er kritisk for disse tilfellene, og derfor er deres onboard Edge AI-systemer ansvarlige for data lagring, manipulering og analyse. Edge AI-systemene er nødvendige for å bringe nivå 3 og nivå 4 (fullstendig selvstyrt) kjøretøy til markedet.

Fordi selvstyrende droner ikke styres av menneskelige operatører, har de svært lignende krav til selvstyrende biler. Hvis en drone mister kontroll eller feiler mens den flyr, kan den krasje og skade eiendom eller liv. Droner kan fly langt utenfor rekkevidde av en internetttilgangspunkt, og de må ha Edge AI-egenskaper. Edge AI-systemer vil være uunnværlige for tjenester som Amazon (AMZN ) Prime Air, som har som mål å levere pakker via drone.

Et annet brukstilfelle for Edge AI er ansiktsgjenkjenningssystemer. Ansiktsgjenkjenningssystemer baserer seg på datavisjonsalgoritmer, som analyserer data samlet inn av kameraet. Ansiktsgjenkjenning-apper som opererer for å utføre oppgaver som sikkerhet, må fungere pålitelig selv om de ikke er koblet til en skytjeneste.

Digitale assistenter er et annet vanlig brukstilfelle 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 internettet. Når data prosesseres på enheten, er det ingen behov for å levere det til skytjenesten, noe som hjelper til å redusere trafikk og sikre personvern.