Warum Edge-Computing- und Künstliche-Intelligenz-Strategien einander ergänzen müssen

Viele Unternehmen haben damit begonnen, Edge-Computing-Anwendungsfälle zu untersuchen, da die Rechenleistung näher an die Datenquellen und näher an die Endbenutzer verlagert werden kann. Gleichzeitig werden möglicherweise künstliche Intelligenz oder maschinelles Lernen erforscht oder implementiert, und auch die Automatisierung der Entdeckung und Ableitung datengesteuerter Erkenntnisse wurde erkannt. Wenn Sie Edge- und KI-Strategien jedoch nicht proaktiv kombinieren, verpassen Sie das Potenzial für Veränderungen. Es gibt deutliche Anzeichen dafür, dass Edge-Analyse und Datenanalyse verschmelzen. Daten zufolge wird die Erstellung von Edge-Daten bis 2025 um 33 % zunehmen und mehr als ein Fünftel der Daten ausmachen. Bis 2023 werden Datenanalyseexperten mehr als 50 % ihrer Energie auf die Erstellung und Analyse von Edge-Daten konzentrieren. Edge-Lösungen sind für das Erreichen der Unternehmensmission sehr oder äußerst wichtig. 78 % der Führungskräfte glauben, dass Edge den größten Einfluss auf KI und ML haben wird.

Traditionell müssen Unternehmen Remote-Daten an Rechenzentren oder kommerzielle Clouds übertragen, um Analysen durchzuführen und Werte zu extrahieren. Dies kann in Edge-Umgebungen aufgrund erhöhter Datenmengen, eingeschränktem oder fehlendem Netzwerkzugriff und der zunehmenden Notwendigkeit einer schnelleren Entscheidungsfindung in Echtzeit eine Herausforderung darstellen.

Aber heute hat die verbesserte Verfügbarkeit von Chipsätzen mit geringer Kapazität, hochdichten Rechen- und Speichertechnologien sowie Mesh-Netzwerktechnologien den Grundstein dafür gelegt, dass Unternehmen KI-Workloads näher an der Quelle der Datenproduktion bereitstellen können.

Edge AI Erste Schritte

Um Edge-KI-Anwendungsfälle zu ermöglichen, identifizieren Sie, wo Datenentscheidungen nahezu in Echtzeit das Benutzererlebnis erheblich verbessern und Missionsziele erreichen können. Wir sehen eine zunehmende Anzahl von Edge-Anwendungsfällen, die sich auf Flugkits der nächsten Generation zur Unterstützung von Strafverfolgungs-, Cybersicherheits- und Gesundheitsuntersuchungen konzentrieren. Wo einst Ermittler Daten für die anschließende Verarbeitung sammelten, umfasst die neue Bereitstellungssuite fortschrittliche Tools für die Verarbeitung und Untersuchung von Daten vor Ort.

Bestimmen Sie als Nächstes, wohin der Großteil Ihrer Edge-Daten übertragen werden soll. Wenn die Daten an einem entfernten Standort verarbeitet werden können, müssen nur die Ergebnisse übertragen werden. Indem Sie nur einen kleinen Teil Ihrer Daten verschieben, geben Sie Bandbreite frei, senken die Kosten und treffen Entscheidungen schneller.

Nutzen Sie lose gekoppelte Edge-Komponenten, um die nötige Rechenleistung zu erreichen. Ein einzelner Sensor kann keine Verarbeitung durchführen. Hochgeschwindigkeits-Mesh-Netzwerke ermöglichen jedoch verbundene Knoten, von denen einige die Datenerfassung übernehmen, andere die Verarbeitung und so weiter. ML-Modelle können sogar am Rande neu trainiert werden, um eine anhaltende Vorhersagegenauigkeit sicherzustellen.

Infrastruktur als Code für Remote-KI

Die Best Practice für Edge-KI ist Infrastrukturcode. Infrastrukturcode ermöglicht die Verwaltung von Netzwerk- und Sicherheitskonfigurationen über Konfigurationsdateien statt über physische Hardware. Mithilfe von Infrastrukturcode enthalten Konfigurationsdateien Infrastrukturspezifikationen, was die Änderung und Verteilung von Konfigurationen erleichtert und sicherstellt, dass Umgebungen konsistent bereitgestellt werden.

Sie können auch erwägen, Microservices zu verwenden und sie darin auszuführen sowie Entwicklungsbetriebsfunktionen wie CI/CD-Pipelines, Giitops usw. am Edge zu nutzen, um die iterative Bereitstellung von ML-Modellen in Produktionsumgebungen zu automatisieren. Und bieten Sie die Flexibilität, Code einmal zu schreiben und ihn überall zu verwenden.

Wir sollten versuchen, konsistente Technologien und Tools am Rande und im Kern einzusetzen. Auf diese Weise ist kein spezielles Fachwissen erforderlich, einmalige Probleme werden vermieden und es kann einfacher erweitert werden.

Künstliche Edge-Intelligenz in der realen Welt und darüber hinaus

Alle, vom Militär über die Strafverfolgung bis hin zu Behörden, die kritische Infrastrukturen verwalten, führen KI am Edge aus. Zum Beispiel die Internationale Raumstation.

Die Internationale Raumstation verfügt über ein Vor-Ort-Labor zur Durchführung von Forschungs- und Betriebsexperimenten. In einem Beispiel konzentrierten sich Wissenschaftler auf die Sequenzierung der DNA-Genome von Mikroorganismen, die auf der Internationalen Raumstation entdeckt wurden. Bei der Genomsequenzierung fallen riesige Datenmengen an, doch Wissenschaftler müssen nur einen Teil davon analysieren.

In der Vergangenheit übermittelte die Internationale Raumstation alle Daten zur zentralen Verarbeitung an Bodenstationen, normalerweise mit vielen Terabytes an Daten pro Sequenz. Bei vorübergehenden Übertragungsraten könnte es Wochen dauern, bis die Daten die Wissenschaftler auf der Erde erreichen. Doch mithilfe der Leistungsfähigkeit von Edge und künstlicher Intelligenz wird die Forschung direkt auf der Internationalen Raumstation durchgeführt, wobei nur die Ergebnisse zur Erde übertragen werden. Die Analyse kann nun noch am selben Tag durchgeführt werden.

Das System ist in Umgebungen, in denen Platz und Strom begrenzt sind, einfach zu verwalten. Softwareaktualisierungen werden bis zum Äußersten durchgeführt und das ML-Modelltraining wird vor Ort durchgeführt. Und das System ist flexibel genug, um in Zukunft auch andere Arten ML-basierter Analysen zu bewältigen.

Die Kombination von künstlicher Intelligenz und Edge Computing ermöglicht es Unternehmen, Analysen überall durchzuführen. KI kann an entfernten Standorten mit einem gemeinsamen Framework vom Kern bis zum Rand skaliert und skaliert werden. Durch die Platzierung von Analysen in der Nähe des Ortes, an dem Daten generiert werden und Benutzer interagieren, können Entscheidungen schneller getroffen, Dienste schneller bereitgestellt und Aufgaben dorthin skaliert werden, wo sie benötigt werden.

Das obige ist der detaillierte Inhalt vonWarum Edge-Computing- und Künstliche-Intelligenz-Strategien einander ergänzen müssen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!