Co to jest Edge AI i Edge Computing?

Edge AI jest jednym z najbardziej godnych uwagi nowych sektorów sztucznej inteligencji, a jego celem jest umożliwienie ludziom uruchamiania procesów AI bez konieczności martwienia się o prywatność lub spowolnienia z powodu transmisji danych. Edge AI umożliwia szersze, bardziej powszechne wykorzystanie AI, pozwalając urządzeniom inteligentnym na szybką reakcję na dane wejściowe bez dostępu do chmury. Podczas gdy to jest szybka definicja Edge AI, spójrzmy bliżej na to, co to jest Edge AI, eksplorując technologie, które to umożliwiają, i oglądając przypadki użycia Edge AI.

Co to jest Edge Computing?

Aby naprawdę zrozumieć Edge AI, musimy najpierw zrozumieć Edge computing, a najlepszym sposobem, aby to zrozumieć, jest porównanie go z chmurą obliczeniową. Chmura obliczeniowa to dostarczanie usług obliczeniowych przez Internet. W przeciwieństwie do tego, systemy Edge computing nie są połączone z chmurą, a zamiast tego działają na urządzeniach lokalnych. Te urządzenia lokalne mogą być dedykowanym serwerem Edge computing, urządzeniem lokalnym, lub Internetem Rzeczy (IoT). Istnieje wiele zalet korzystania z Edge computing. Na przykład, internetowa/chmurowa obliczeniowa jest ograniczona opóźnieniami i przepustowością, podczas gdy Edge computing nie jest ograniczony tymi parametrami.

Co to jest Edge AI?

Teraz, gdy zrozumieliśmy Edge computing, możemy spojrzeć na Edge AI. Edge AI łączy sztuczną inteligencję i Edge computing. Algorytmy AI są uruchamiane na urządzeniach zdolnych do Edge computing. Zaletą tego jest to, że dane mogą być przetwarzane w czasie rzeczywistym, bez konieczności połączenia z chmurą.

Większość najnowocześniejszych procesów AI jest wykonywana w chmurze, ponieważ wymaga dużej mocy obliczeniowej. Wynikiem jest to, że te procesy AI mogą być podatne na awarie. Ponieważ systemy Edge AI działają na urządzeniu Edge computing, niezbędne operacje danych mogą wystąpić lokalnie, będąc wysyłane, gdy ustanowiono połączenie z Internetem, co zaoszczędza czas. Głębokie algorytmy uczenia mogą działać na samym urządzeniu, punkcie początkowym danych.

Edge AI staje się coraz bardziej ważne ze względu na fakt, że coraz więcej urządzeń musi wykorzystywać AI w sytuacjach, w których nie mogą uzyskać dostępu do chmury. Rozważmy, ile fabrycznych robotów lub ile samochodów jest wyposażonych w algorytmy widzenia komputerowego. Czas opóźnienia w transmisji danych w tych sytuacjach mógłby być katastrofalny. Samochody autonomiczne nie mogą cierpieć z powodu opóźnień podczas wykrywania obiektów na ulicy. Ponieważ szybkość reakcji jest tak ważna, urządzenie musi mieć system Edge AI, który pozwala mu analizować i klasyfikować obrazy bez polegania na połączeniu z chmurą.

Gdy komputery Edge są powierzone zadaniom przetwarzania informacji, które zwykle są wykonywane w chmurze, wynikiem jest przetwarzanie w czasie rzeczywistym, niskie opóźnienia. Dodatkowo, ograniczając transmisję danych tylko do najważniejszych informacji, można zmniejszyć objętość danych i zminimalizować przerwy w komunikacji.

Edge AI i Internet Rzeczy

Edge AI łączy się z innymi cyfrowymi technologiami, takimi jak 5G i Internet Rzeczy (IoT). IoT może generować dane dla systemów Edge AI, podczas gdy technologia 5G jest niezbędna dla dalszego rozwoju zarówno Edge AI, jak i IoT.

Internet Rzeczy odnosi się do różnych inteligentnych urządzeń połączonych ze sobą przez Internet. Wszystkie te urządzenia generują dane, które mogą być wprowadzone do urządzenia Edge AI, które może również działać jako tymczasowa jednostka magazynująca dane do momentu, gdy zostaną zsynchronizowane z chmurą. Metoda przetwarzania danych pozwala na większą elastyczność.

Piąta generacja sieci komórkowej, 5G, jest krytyczna dla rozwoju zarówno Edge AI, jak i Internetu Rzeczy. 5G jest w stanie przenosić dane z znacznie wyższymi prędkościami, do 20 Gbps, podczas gdy 4G jest w stanie dostarczyć dane z prędkością tylko 1 Gbps. 5G obsługuje również znacznie więcej połączeń jednoczesnych niż 4G (1 000 000 na kilometr kwadratowy w porównaniu z 100 000) i lepszą prędkość opóźnienia (1 ms w porównaniu z 10 ms). Te zalety nad 4G są ważne, ponieważ wraz ze wzrostem IoT rośnie również objętość danych, a prędkość transferu jest wpływana. 5G umożliwia więcej interakcji między szerszym zakresem urządzeń, z których wiele może być wyposażonych w Edge AI.

Przypadki użycia Edge AI

Przypadki użycia Edge AI obejmują prawie każdy przypadek, w którym przetwarzanie danych byłoby wykonywane bardziej efektywnie na urządzeniu lokalnym niż przez chmurę. Jednak niektóre z najczęstszych przypadków użycia Edge AI obejmują samochody autonomiczne, autonomiczne drony, rozpoznawanie twarzy i asystentów cyfrowych.

Samochody autonomiczne są jednym z najbardziej istotnych przypadków użycia Edge AI. Samochody autonomiczne muszą ciągle skanować otoczenie i oceniać sytuację, wprowadzając poprawki do swojej trajektorii na podstawie pobliskich zdarzeń. Przetwarzanie danych w czasie rzeczywistym jest krytyczne w tych przypadkach, a wynikiem jest to, że ich systemy Edge AI są odpowiedzialne za przechowywanie, manipulowanie i analizę danych. Systemy Edge AI są niezbędne do wprowadzenia na rynek pojazdów autonomicznych o poziomie 3 i 4 (w pełni autonomicznych).

Ponieważ autonomiczne drony nie są pilotowane przez operatorów ludzkich, mają bardzo podobne wymagania do samochodów autonomicznych. Jeśli dron straci kontrolę lub ulegnie awarii podczas lotu, może uderzyć i uszkodzić mienie lub życie. Drony mogą latać daleko poza zasięgiem punktu dostępu do Internetu i muszą mieć możliwości Edge AI. Systemy Edge AI będą niezastąpione dla usług takich jak Amazon (AMZN ) Prime Air, które mają na celu dostarczanie paczek za pomocą dronów.

Innym przypadkiem użycia Edge AI są systemy rozpoznawania twarzy. Systemy rozpoznawania twarzy opierają się na algorytmach widzenia komputerowego, analizując dane zebrane przez kamerę. Aplikacje rozpoznawania twarzy, które działają w celu zadań takich jak bezpieczeństwo, muszą działać niezawodnie, nawet jeśli nie są połączone z chmurą.

Asystenci cyfrowi są kolejnym powszechnym przypadkiem użycia Edge AI. Asystenci cyfrowi, tacy jak Google Assistant, Alexa i Siri, muszą być w stanie działać na smartfonach i innych urządzeniach cyfrowych, nawet gdy nie są połączone z Internetem. Gdy dane są przetwarzane na urządzeniu, nie ma potrzeby wysyłania ich do chmury, co pomaga zmniejszyć ruch i zapewnić prywatność.