あらゆる場所の AI: エッジを超えて持続的に

人工知能 (AI) の統合はあらゆるところで行われており、さまざまな業界に変革の機会をもたらしています。

そのようなパラダイムシフトの 1 つは、人工知能とエッジ コンピューティングの融合であり、持続可能なソリューションと革新的なアプリケーションを促進します。

企業は、人工知能の急速な発展を活用して、カスタマー エクスペリエンス (CX) および予測分析における大規模なハイパー パーソナライゼーションを可能にし、サービスと運用を変革して事業運営を管理できます。

人工知能、5G、IoT の統合

5G ネットワークによってもたらされる利点は次のとおりです。

• 低遅延
• デバイス接続の大幅な増加これにより、マシンの通信を可能にするマシンの拡張が可能になります。
• ネットワークに接続されたデバイスとセンサーの出現により、大規模なハイパーパーソナライゼーションがもたらされました。

環境と経済

人気のウォーターハウス・クーパーズは、二酸化炭素排出削減に役立つ人工知能の可能性を示すレポートを発表しました。その分析によれば、2030 年までに、農業、エネルギー、交通、水の 4 つの主要分野に適用された人工知能経済は、次のような成果をもたらす可能性があります。 GDPは4.4％。

温室効果ガス(ghg)排出量は2億4000万トン、または4%削減されました。
• 世界の純雇用は 3,820 万人、または 1% 増加しました。
• このようにして、特に技術の進歩を通じて、環境目標と経済目標を相互に調整することができます。ビジネスと経済全体が成長するにつれて、より効率的な AI はマクロ経済および社会レベルでより効果的となり、規模を拡大して経済と雇用の成長を生み出すことができます。ミクロ経済レベルでは、AI の導入と拡張のコストを削減することで、企業は新しいサービス、製品、ビジネス モデルに拡大し、スタートアップ企業の成長と拡大を可能にする可能性があります。同時に、より少ないエネルギー消費でこれを達成することで、二酸化炭素排出量も削減されます。

さらに、人工知能分野の主要な科学者のグループは、電気システム、産業、交通、建設、スマートグリッド、災害管理、および気候変動との闘いを支援するために機械学習を使用できると述べました。他の業界。これらの課題により、コストと環境上の利点を組み合わせた効率的なベースで AI をスケールアップすることが重要になります。どちらの分野でもエネルギー効率が重要です。

本番用人工知能の出現により大流行が起こり、多くの場合、大規模言語モデル (LLM) によって提供されます。これらのモデルは、応答を最適化するために、トランスフォーマーと自己注意メカニズムを採用し、深層強化学習と組み合わせることもよくあります。これらのモデルは、ハードウェア要件、エネルギー コスト、二酸化炭素排出量などの計算コストが高くなりますが、包括的なサービス要件、エネルギー コスト、二酸化炭素排出量も削減されます。

AI はあらゆる場所に存在します: インテリジェンスから「スマート」エッジまで

スマートとは、インターネットに接続されたデバイスを指します。ただし、AI を搭載した PC など、デバイスに AI がローカルに組み込まれるため、コネクテッド デバイスはますます「スマート」になってきています。この場合のインテリジェンスとは、人間レベルのインテリジェンスではなく、ユーザーに有意義に応答し、エクスペリエンスをパーソナライズする能力を指します。

モノのインターネットが拡大するにつれて、エッジ コンピューティングの成長には超低遅延が必要となり、これによりリアルタイムの応答が可能になります。

上で述べたように、人工知能はますますネットワークのエッジ、つまりエッジ コンピューティングまたは単にエッジと呼ばれ、データの処理がデータの生成場所に近くなり、実際にはデバイス自体に配置される可能性があります。 。これにより遅延が非常に低く抑えられ、ユーザーに対するリアルタイムの応答が得られます。

セキュリティと信頼性を重要な要素とするクラウド/エッジのハイブリッド

クラウド モデルは今後もデータセンターに適用され、分析用の履歴データを保存するための重要なリソースと機能を提供します。これにより、ハイブリッド モデルを使用した継続的なアルゴリズム開発も可能になり、クラウド サーバーでの AI モデルのトレーニングとエッジでの AI の推論をサポートし、大規模なパーソナライゼーションのさらなる可能性を提供します。

エッジ人工知能の例

• スマート グリッドは、リアルタイムの双方向情報フローを可能にし、これを Google DeepMind の NowCast や GraphCast などの AI モデルと組み合わせて、天気を予測し、再生可能エネルギーの供給と最適化を行います。需要管理。
• IoT を活用したマイクログリッドは、グリッド接続またはスタンドアロンの島設定で動作し、地域でエネルギーを生産し、停電を管理し、効率を向上させることができます。
• センサーを内蔵したスマート メーターは、リアルタイムの情報を送信し、停電を検出し、電力供給の品質を監視できます。
• 再生可能エネルギー貯蔵のためのバッテリーの最適化。
• コンピュータービジョンを備えたドローンは、ソーラーパネルや風力タービンを検査して損傷を検出し、それによって発電量を削減できます。
• 予期せぬ停止の予測と自動介入。
• グリーン水素と燃料電池の開発。
• 自動機械学習のためのグリーン人工知能。
• 都市交通管理計画、交通渋滞の予測、交通のルート変更。
• 電気自動車の動作のためのアルゴリズムを設計して、バッテリーの充電、距離、利用可能な充電ポイントの関係を最適化します。
• 人工知能はスマート ビルディングの構築に導入されており、IoT センサーは部屋に人がいるかどうかを検出し、それに応じて冷暖房や照明を調整してエネルギー消費を最適化できます。
• 生成人工知能を建物の建設段階と計画段階に適用して、デジタル ツインに関する潜在的な問題を予測し、持続可能な設計を最適化します。
• 製造部門では、予測分析を計画外のダウンタイムと自動化に適用してその発生を削減することで、生産業務を最適化し、そのようなダウンタイムによって引き起こされる無駄を削減します。
• 製造プロセスとサプライ チェーンのエネルギー消費と二酸化炭素排出量を最適化します。
• 小売業界向けの推奨事項は予測分析と並行して適用されるため、ブランドは需要予測を強化し、供給在庫と生産を最適化できます。

以上があらゆる場所の AI: エッジを超えて持続的にの詳細内容です。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。