Co to jest Edge AI i Edge Computing?

Edge AI to jeden z najbardziej znaczących nowych sektorów sztucznej inteligencji, którego celem jest umożliwienie ludziom uruchamiania procesów AI bez obawy o prywatność lub spowolnienia spowodowane transmisją danych. Edge AI umożliwia szersze i bardziej powszechne wykorzystanie sztucznej inteligencji, umożliwiając inteligentnym urządzeniom szybkie reagowanie na dane wejściowe bez dostępu do chmury. Chociaż jest to krótka definicja Edge AI, poświęćmy chwilę, aby lepiej zrozumieć Edge AI, badając technologie, które to umożliwiają i przedstawiając kilka przypadków użycia Edge AI.

Co to jest przetwarzanie brzegowe?

Aby naprawdę zrozumieć Edge AI, musimy najpierw zrozumieć przetwarzanie brzegowe i najlepszy sposób na zrozumienie Przetwarzanie brzegowe jest przeciwstawienie go przetwarzaniu w chmurze. Chmura obliczeniowa to świadczenie usług obliczeniowych za pośrednictwem Internetu. Natomiast systemy Edge Computing nie są podłączone do chmury, zamiast działać na urządzeniach lokalnych. Tymi urządzeniami lokalnymi mogą być dedykowany serwer przetwarzania brzegowego, urządzenie lokalne, lub Internet rzeczy (IoT). Korzystanie z przetwarzania brzegowego ma wiele zalet. Na przykład obliczenia w Internecie/chmurze są ograniczone opóźnieniami i przepustowością, podczas gdy przetwarzanie brzegowe nie jest ograniczone tymi parametrami.

Co to jest sztuczna inteligencja Edge?

Teraz, gdy rozumiemy przetwarzanie brzegowe, wiemy możesz rzucić okiem na Edge AI. Edge AI łączy sztuczną inteligencję i przetwarzanie brzegowe. Algorytmy AI działają na urządzeniach zdolnych do przetwarzania brzegowego. Zaletą tego jest to, że dane można przetwarzać w czasie rzeczywistym, bez konieczności łączenia się z chmurą.

Większość najnowocześniejszych procesów AI jest realizowana w chmurze, ponieważ wymagają dużej mocy obliczeniowej. W rezultacie te procesy AI mogą być podatne na przestoje. Ponieważ systemy Edge AI działają na urządzeniu brzegowym, niezbędne operacje na danych mogą odbywać się lokalnie i być przesyłane w momencie nawiązania połączenia internetowego, co pozwala zaoszczędzić czas. Algorytmy głębokiego uczenia się mogą działać na samym urządzeniu, czyli w punkcie początkowym danych.

Edge AI staje się coraz ważniejszy ze względu na fakt, że coraz więcej urządzeń musi wykorzystywać sztuczną inteligencję w sytuacjach, w których nie mogą uzyskać dostępu do chmury. Zastanów się, ile robotów fabrycznych lub ile samochodów jest obecnie wyposażonych w algorytmy widzenia komputerowego. Opóźnienie w przesyłaniu danych w takich sytuacjach może być katastrofalne. Samochody autonomiczne nie mogą cierpieć z powodu opóźnień w wykrywaniu obiektów na ulicy. Ponieważ tak ważny jest szybki czas reakcji, samo urządzenie musi posiadać system Edge AI, który pozwoli mu analizować i klasyfikować obrazy bez polegania na połączeniu z chmurą.

Kiedy komputerom brzegowym powierza się zadania przetwarzania informacji zwykle wykonywane w chmurze, efektem jest przetwarzanie w czasie rzeczywistym z niskimi opóźnieniami. Dodatkowo, ograniczając transmisję danych tylko do najważniejszych informacji, można zmniejszyć samą ilość danych i zminimalizować przerwy w komunikacji.

Edge AI i Internet rzeczy

Edge AI łączy się z innymi technologiami cyfrowymi, takimi jak 5G i Internet rzeczy (IoT). Internet Rzeczy może generować dane do wykorzystania przez systemy Edge AI, natomiast technologia 5G jest niezbędna do ciągłego rozwoju zarówno Edge AI, jak i IoT.

Internet rzeczy odnosi się do różnych inteligentnych urządzeń połączonych ze sobą za pośrednictwem Internetu. Wszystkie te urządzenia generują dane, które można wprowadzić do urządzenia Edge AI, które może również pełnić funkcję tymczasowej jednostki przechowywania danych do czasu ich synchronizacji z chmurą. Sposób przetwarzania danych pozwala na większą elastyczność.

Piąta generacja sieci komórkowej, 5G, ma kluczowe znaczenie dla rozwoju zarówno Edge AI, jak i Internetu rzeczy. Sieć 5G umożliwia przesyłanie danych ze znacznie większą szybkością, aż do 20 Gb/s, podczas gdy 4G umożliwia przesyłanie danych z szybkością jedynie 1 Gb/s. 5G obsługuje także znacznie więcej jednoczesnych połączeń niż 4G (1,000,000 100,000 1 na kilometr kwadratowy w porównaniu do 10 4) i zapewnia lepszą prędkość opóźnień (5 ms w porównaniu z XNUMX ms). Te zalety w porównaniu z XNUMXG są ważne, ponieważ wraz z rozwojem Internetu Rzeczy rośnie również ilość danych i ma to wpływ na prędkość transferu. XNUMXG umożliwia więcej interakcji między szerszą gamą urządzeń, z których wiele można wyposażyć w Edge AI.

Przypadki użycia dla Edge AI

Przypadki użycia Edge AI obejmują niemal każdy przypadek, w którym przetwarzanie danych byłoby wydajniejsze na urządzeniu lokalnym niż w chmurze. Jednak niektóre z najczęstszych przypadków użycia Edge AI obejmują samodzielne prowadzenie samochodu, autonomiczne drony, rozpoznawanie twarzy, asystenci cyfrowi.

Samochody autonomiczne to jeden z najważniejszych przypadków użycia Edge AI. Samochody autonomiczne muszą stale skanować otoczenie i oceniać sytuację, korygując swoją trajektorię na podstawie wydarzeń w pobliżu. Przetwarzanie danych w czasie rzeczywistym ma w takich przypadkach kluczowe znaczenie, dlatego wbudowane systemy Edge AI zajmują się przechowywaniem, manipulowaniem i analizą danych. Aby wprowadzić na rynek pojazdy poziomu 3 i 4 (w pełni autonomiczne), niezbędne są systemy brzegowej sztucznej inteligencji.

Ponieważ autonomicznymi dronami nie steruje człowiek, mają one bardzo podobne wymagania wobec samochodów autonomicznych. Jeśli dron straci kontrolę lub ulegnie awarii podczas lotu, może się rozbić i spowodować uszkodzenie mienia lub życia. Drony mogą latać daleko poza zasięgiem punktu dostępu do Internetu i muszą mieć możliwości Edge AI. Systemy Edge AI będą niezbędne dla usług takich jak Amazon Prime Air, którego celem jest dostarczanie przesyłek za pomocą dronów.

Kolejnym przypadkiem zastosowania Edge AI są systemy rozpoznawania twarzy. Systemy rozpoznawania twarzy opierają się na algorytmach widzenia komputerowego, analizując dane zebrane przez kamerę. Aplikacje do rozpoznawania twarzy, które działają na przykład na potrzeby bezpieczeństwa, muszą działać niezawodnie, nawet jeśli nie są połączone z chmurą.

Asystenci cyfrowi to kolejny częsty przypadek użycia Edge AI. Asystenci cyfrowi, tacy jak Asystent Google, Alexa i Siri, muszą mieć możliwość obsługi smartfonów i innych urządzeń cyfrowych, nawet jeśli nie są one podłączone do Internetu. Gdy dane są przetwarzane na urządzeniu, nie ma potrzeby dostarczania ich do chmury, co pozwala ograniczyć ruch i zapewnić prywatność.