Co to jest Edge AI i Edge Computing?

Edge AI jest jedną 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 ze względu na transmisję danych. Edge AI umożliwia szersze i bardziej powszechne stosowanie AI, pozwalając urządzeniom inteligentnym na szybką reakcję na dane wejściowe bez dostępu do chmury. Podczas gdy to jest szybka definicja Edge AI, spójrzmy bliżej, aby lepiej zrozumieć Edge AI, eksplorując technologie, które je 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 zrozumienia Edge computing jest porównanie go z cloud computing. Cloud computing to dostarczanie usług obliczeniowych przez Internet. W przeciwieństwie do tego, systemy Edge computing nie są połączone z chmurą, zamiast tego działają na lokalnych urządzeniach. Te lokalne urządzenia mogą być dedykowanym serwerem Edge computing, lokalnym urządzeniem, 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 rozumiemy Edge computing, możemy zajrzeć 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 dużo 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 wysłanym, gdy ustanowiono połączenie internetowe, co zaoszczędza czas. Głębokie algorytmy uczenia mogą działać na samym urządzeniu, punkcie początkowym danych.

Edge AI staje się coraz bardziej istotne 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 ma dziś wbudowane algorytmy widzenia komputerowego. Czas opóźnienia w transmisji danych w tych sytuacjach mógłby być katastrofalny. Samochody autonomiczne nie mogą doświadczyć opóźnień podczas wykrywania obiektów na ulicy. Ponieważ szybki czas reakcji jest tak ważny, urządzenie samo w sobie 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 czas rzeczywisty, niskie opóźnienie, przetwarzanie w czasie rzeczywistym. Dodatkowo, ograniczając transmisję danych tylko do najważniejszych informacji, objętość danych może być zmniejszona, a przerwy w komunikacji mogą być zminimalizowane.

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 do wykorzystania, 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 również może działać jako tymczasowa jednostka magazynowa dla danych, aż będą zsynchronizowane z chmurą. Metoda przetwarzania danych umożliwia większą elastyczność.

Piąta generacja sieci komórkowej, 5G, jest kluczowa dla rozwoju zarówno Edge AI, jak i Internetu Rzeczy. 5G jest w stanie przenosić dane z znacznie większą prędkością, do 20 Gbps, podczas gdy 4G jest w stanie dostarczać 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 niemal każdy przypadek, w którym przetwarzanie danych byłoby wykonywane bardziej efektywnie na lokalnym urządzeniu niż w chmurze. Jednak niektóre z najczęstszych przypadków użycia Edge AI obejmują samochody autonomiczne, autonomiczne drony, rozpoznawanie twarzy oraz 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 kluczowe w tych przypadkach, a w związku z tym ich wbudowane systemy Edge AI są odpowiedzialne za przechowywanie, manipulowanie i analizę danych. Systemy Edge AI są niezbędne do wprowadzenia na rynek pojazdów autonomicznych poziomu 3 i 4 (pełnej autonomii).

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 niezbędne dla usług takich jak Amazon Prime Air, który ma 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 celach 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 dostarczania ich do chmury, co pomaga zmniejszyć ruch i zapewnić prywatność.