AI が依然として課題と限界に直面している理由

インテリジェンスは急速に増大しており、現在、新しい生成人工知能 (gen-AI) と機械学習 (ML) を使用していないエンタープライズ テクノロジー ベンダーを見つけるのは困難です。 ）コアプラットフォームを拡張します。生成 AI とその大規模言語モデル (LLM) の使用、ベクトル データベースの作成、その他の信頼できる新技術トレンドは、今後 10 年間の人工知能の構築方法に密かに影響を及ぼしています

エッジはモノのインターネットに相当します

コンピューティング エッジについて話すとき、私たちは通常、モノのインターネット (IoT) 空間に存在するコンピューティング デバイスを指します。遠隔地のスマート シティや産業機器のセンサー、カメラ、加速度計やジャイロスコープの測定装置から、空港のキオスク チェックイン コンピューター、POS 機器、およびネットワークやデータベースの接続機能やストレージ機能を備えたあらゆるものまで。そして、後の検索と分析、またはその両方のために情報を処理します。

言語とテクノロジーの純粋主義を主張する人にとって、エッジ コンピューティングは IoT デバイス上で発生する現象であるため、この 2 つの用語はまったく同じではありません。具体的なコンテキストと必要な説明を提供する必要がありますが、人工知能をエッジ デバイスに適用できるようになりました。つまり、スマート シティのスマート デバイスが実際にスマートになりつつあります。エッジAIについて。接続できるものはすべてエッジで生成され、すでに大量のデータが生成されています。この状況の規模は、すべてのデータをクラウドにアップロードするために利用可能なネットワーク帯域幅を急速に超えており、今日のネットワークがアップロード用ではなくダウンロード用に最適化されているという事実によってさらに悪化しています。これは、コスト、遅延、セキュリティ、プライバシーなどの他の課題と相まって、AI リソースをデータに移動することを必要とし、その逆ではなく、さまざまな方法で AI をエッジにデプロイすることができます。場合によっては、企業は、さまざまな程度の分析を自動化できるデジタル モーション プロセッサ (DMP) などのテクノロジを含む、コンピューティング リソースを統合するスマート センサーを導入します。

DMP なしで導入することも選択できます (データ管理プラットフォーム) ）、単にデータを収集して生の形式で出力し、その後、外部ツールで分析する必要があります。基本センサーは、望ましい出力を得るために開発者側でより多くの作業を必要としますが、スマート デバイスに組み込まれた人工知能の制限に依存するのではなく、「DIY」モデルを提供します。デバイスの外側 分析方法

今日は 2 つの方法を見ました。センサーの種類に関係なく、高度なデータ分析と人工知能ソフトウェアはセンサーの近くまたはセンサー内で実行する必要があります。どちらのセンサーのアプローチにも、コスト、効率、拡張性、柔軟性の点で長所と短所があります。ただし、エッジ環境では、これらの場所の課題に対処するためにエッジ コンピューティング インフラストラクチャが必要です。

スマート センサーの要件には、生成された大量のデータの処理、常時またはほぼ常時のインターネット接続、および潜在的に重大な電力要件が含まれます。場合。リアルタイムでデータを生成できる基本的なセンサーの場合、生成されたデータ全体を処理のためにセカンダリ ロケーションに送信する必要もありますが、エッジ AI を実装する場合、センサー自体を超えて対処する必要がある課題があります。これらには、情報技術 (IT) スキルと運用技術 (OT) スキルの間の断絶が含まれます。実際に現場を運用する人とAIモデルを開発する人は異なり、それぞれの役割には優先順位や専門知識が異なります。 2 つのチームは、異種環境や大規模な変化する条件下で現実世界に AI/ML を展開する際に伴う課題を管理するという技術的課題に対処しながら、エッジでの AI の実装を成功させるために協力する必要があります。 AI ツールには実装モデルとエッジ コンピューティング インフラストラクチャが必要です。

現在、多くのエッジ AI プロジェクトはまだ実験室または限定的なフィールド試験段階にあります。企業は、数十万の拠点にわたる本格的な運用展開を検討し始めると、多様性、セキュリティ、リソースの制約など、さまざまなエッジの課題に対処できるオーケストレーション基盤を構築し、対処するためのフィールド パフォーマンスを十分に理解する必要があります。不正確な分析やその他の問題が発生する可能性があります。

概要

今日、多くの業界が、さまざまな小売店、太陽光発電施設、製造施設などの分散環境でプロジェクトを導入し、成功しているのを目にすることができます。センサーを使用してエッジ ノードにデータを送信したり、センサー内にソフトウェアを埋め込んだりすることもできます。

自動化が実現すると、例のデータは人工知能モデルによって処理され、世界中のアナリストにリアルタイムで提供されます。 1 時間以内に完全なレポートを分析して作成できます。技術者が分析を行うために現場に物理的に移動する必要がなくなり、物理的な安全リスクが軽減されます。

仕事や家庭生活に影響を与えるユースケースに向けて、IoT エッジでより多くの AI をエンタープライズ ネットワークに接続する取り組みを行っているため、申請する際には、スケーラビリティ、セキュリティ、アイデンティティ、安定性などの要素を考慮する必要があります

場合によっては、重要な意思決定をデバイス自体に依存することもありますが、それでも自動化、統合、調整のために人工知能が必要です

以上がAI が依然として課題と限界に直面している理由の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。