Rumah >Peranti teknologi >AI >Apakah kecerdasan buatan tepi dan cara melaksanakan kecerdasan buatan tepi
Edge AI ialah singkatan dari edge artificial intelligence Ia adalah sempadan pembangunan seterusnya bagi sistem Internet of Things. Jadi, apakah itu kecerdasan buatan tepi untuk membaca di bawah Jom baca artikel ini!
Ringkasnya, edge artificial intelligence merujuk kepada aplikasi kecerdasan buatan secara langsung pada peranti tepi Kecerdasan buatan digunakan dalam bentuk algoritma pembelajaran mesin yang berjalan. Pembelajaran mesin adalah bidang yang luas yang telah mencapai kemajuan yang luar biasa dalam beberapa tahun kebelakangan ini. Ia berdasarkan prinsip bahawa komputer boleh meningkatkan prestasi mereka secara autonomi pada tugasan tertentu dengan belajar daripada data, kadang-kadang di luar kemampuan manusia.
Hari ini, pembelajaran mesin boleh melaksanakan banyak tugas lanjutan, termasuk tetapi tidak terhad kepada:
● Penglihatan komputer: pengelasan imej, pengesanan objek, pembahagian semantik.
● Pengecaman pertuturan, pemprosesan bahasa semula jadi, chatbots, terjemahan.
● Sistem ramalan dan pengesyoran cuaca dan pasaran saham.
● Pengesanan anomali, penyelenggaraan ramalan.
Jadi pembelajaran mesin telah wujud sekian lama, apakah yang membuatkan edge AI tiba-tiba begitu istimewa untuk menerangkan perkara ini dengan lebih baik, mari kita lihat apa sebenarnya edge in edge AI?
Pada asasnya, pengkomputeran tepi dan pengkomputeran awan kedua-duanya direka untuk melakukan perkara yang sama, iaitu memproses data, menjalankan algoritma, dsb. Walau bagaimanapun, perbezaan asas antara pengkomputeran tepi dan pengkomputeran awan adalah di mana pengkomputeran itu sebenarnya berlaku.
Dalam pengkomputeran tepi, pemprosesan maklumat berlaku di tapak dan pada peranti IoT teragih yang digunakan secara aktif atau di tepi. Beberapa contoh peranti tepi ialah telefon pintar, dan pelbagai mikropengawal. Walau bagaimanapun, dalam pengkomputeran awan, pemprosesan maklumat yang sama berlaku di lokasi terpusat, seperti pusat data.
Secara tradisinya, pengkomputeran awan telah menguasai ruang IoT. Oleh kerana ia dikuasakan oleh pusat data yang secara semula jadi mempunyai kuasa pengkomputeran yang lebih besar, peranti IoT di pinggir boleh menghantar data tempatan dan mengekalkan ciri utamanya iaitu penggunaan kuasa yang rendah dan mampu milik. Walaupun pengkomputeran awan kekal sebagai alat yang sangat penting dan berkuasa untuk IoT, pengkomputeran tepi telah mendapat perhatian yang semakin meningkat baru-baru ini atas dua sebab penting.
● Perkakasan pada peranti edge menjadi lebih berkuasa sambil kekal bersaing dengan kos.
● Perisian semakin dioptimumkan untuk peranti tepi.
Arah aliran ini membuat kemajuan yang besar dan kini boleh menjalankan pembelajaran mesin pada peranti pengkomputeran tepi, manakala pembelajaran mesin telah lama dikhaskan untuk pengkomputeran awan kerana keperluan pengkomputeran yang tinggi Jadi, pengkomputeran tepi Kecerdasan buatan telah dilahirkan .
Dengan edge AI, peranti IoT menjadi semakin pintar. Melalui pembelajaran mesin, peranti canggih kini boleh membuat keputusan, membuat ramalan, memproses data yang kompleks dan mengurus penyelesaian.
Sebagai contoh, peranti IoT edge boleh memproses keadaan operasi dan meramalkan sama ada mesin akan rosak, yang membolehkan syarikat melakukan penyelenggaraan ramalan dan mengelakkan kerugian dan kos yang lebih besar sekiranya berlaku kegagalan sepenuhnya.
Sebaliknya, kamera keselamatan yang dilengkapi dengan edge AI bukan lagi sekadar menangkap video, tetapi akan dapat mengenali manusia dan mengira trafik pejalan kaki. Atau, dengan pengecaman muka, adalah mungkin untuk mengenal pasti dengan tepat siapa yang melalui kawasan tertentu dan bila.
Apabila pembelajaran mesin berkembang, banyak kemungkinan menarik kini akan diperluaskan kepada peranti edge juga. Tetapi kunci kepada anjakan paradigma ini adalah jelas, dan terdapat sebab mengapa keupayaan pengkomputeran awan lebih terpinggir berbanding sebelum ini.
Faedah paling langsung memproses maklumat di tepi ialah data tidak perlu dihantar antara awan. Oleh itu, kelewatan dalam pemprosesan data dapat dikurangkan dengan ketara.
Dalam contoh penyelenggaraan pencegahan sebelum ini, peranti berdaya AI edge akan dapat bertindak balas serta-merta, seperti mematikan mesin yang rosak. Jika kami menggunakan pengkomputeran awan untuk melaksanakan algoritma pembelajaran mesin, kami akan kehilangan sekurang-kurangnya satu saat dalam penghantaran data ke awan. Walaupun ia mungkin tidak penting, apabila ia berkaitan dengan pengendalian peralatan kritikal, setiap margin keselamatan yang boleh dicapai patut dikejar!
Dalam Kurang data dihantar antara tepi Peranti IoT, menyebabkan keperluan jalur lebar rangkaian yang lebih rendah dan oleh itu kos yang lebih rendah.
Ambil tugas pengelasan imej sebagai contoh. Disebabkan pergantungan pada pengkomputeran awan, keseluruhan imej mesti dihantar untuk pemprosesan dalam talian. Tetapi jika anda menggunakan pengkomputeran tepi sebaliknya, anda tidak perlu lagi menghantar data tersebut. Sebaliknya, kami hanya boleh menghantar hasil yang diproses, yang biasanya beberapa susunan magnitud lebih kecil daripada imej asal. Jika kita mendarabkan kesan ini dengan bilangan peranti IoT dalam rangkaian, ia boleh menjadi beribu-ribu atau lebih.
Mengurangkan penghantaran data ke lokasi luaran juga bermakna lebih sedikit sambungan terbuka dan lebih sedikit peluang untuk serangan siber. Ini membolehkan peranti tepi beroperasi dengan selamat, mengelakkan kemungkinan pemintasan atau kebocoran data. Selain itu, memandangkan data tidak lagi disimpan dalam awan terpusat, akibat daripada satu pelanggaran dapat dikurangkan dengan baik.
Disebabkan sifat teragih kecerdasan buatan tepi dan pengkomputeran tepi, risiko operasi juga boleh diagihkan ke seluruh rangkaian. Pada asasnya, walaupun komputer awan berpusat atau kluster gagal, peranti tepi individu dapat mengekalkan fungsinya kerana proses pengkomputeran kini bebas daripada awan Ini amat penting untuk aplikasi IoT kritikal, seperti penjagaan kesihatan.
Walaupun manfaat praktikal edge AI adalah jelas, impak yang wujud mungkin lebih sukar difahami.
Edge AI mewakili gelombang pertama benar-benar menyepadukan AI ke dalam kehidupan seharian. Walaupun AI dan penyelidikan pembelajaran mesin telah wujud selama beberapa dekad, kami baru mula melihat aplikasi praktikal mereka dalam produk pengguna. Kereta pandu sendiri, sebagai contoh, adalah hasil kemajuan dalam kecerdasan buatan tepi. Edge AI perlahan-lahan tetapi pasti mengubah cara kita berinteraksi dengan persekitaran kita dalam pelbagai cara.
Penggunaan dan pembangunan kecerdasan buatan tidak lagi eksklusif untuk institusi penyelidikan dan perusahaan besar. Oleh kerana edge AI direka bentuk untuk dijalankan pada peranti tepi yang agak berpatutan, lebih mudah berbanding sebelum ini untuk sesiapa sahaja memahami cara AI berfungsi dan membangunkan peranti yang sesuai untuk mereka.
Lebih penting lagi, edge AI membolehkan pendidik di seluruh dunia membawa kecerdasan buatan dan pembelajaran mesin ke dalam pembelajaran bilik darjah dengan cara yang ketara. Contohnya, dengan menyediakan pelajar pengalaman praktikal menggunakan peranti tepi.
Sering kali dikatakan bahawa potensi kecerdasan buatan dan pembelajaran mesin hanya dihadkan oleh kreativiti dan imaginasi manusia, tetapi apabila pembelajaran mesin menjadi semakin banyak. kita menjadi lebih maju, banyak tugas yang dahulunya hanya boleh dilakukan oleh manusia akan menjadi automatik, dan konsep produktiviti dan tujuan yang wujud akan dicabar dengan serius.
Walaupun saya tidak pasti apa yang akan datang pada masa hadapan, saya secara amnya optimis tentang kelebihan yang akan dibawa oleh AI kerana saya percaya ia akan mendorong kita untuk mencari pekerjaan yang lebih kreatif dan memuaskan. Sebagai contoh, peranti tepi tertanam AI boleh memantau PPE dalam masa nyata, termasuk pematuhan topi keras dalam persekitaran kerja, dan menghantar isyarat keselamatan dan penyelenggaraan kepada sesiapa sahaja yang melanggar PPE. Penglihatan komputer digabungkan dengan pembelajaran mesin boleh mengautomasikan proses pemantauan pematuhan PPE.
Contoh lain ialah kamera bersepadu AI yang boleh mengurangkan kesesakan dan titik tercekik di bandar yang sering menghalang lalu lintas. Kesesakan lalu lintas berlaku terutamanya kerana mengabaikan faktor tertentu, seperti jarak antara dua kenderaan yang bergerak, lampu isyarat, papan tanda jalan, pejalan kaki di persimpangan, dll. Sistem pengangkutan pintar adalah bidang aplikasi utama penglihatan komputer, termasuk klasifikasi kenderaan, pengesanan pelanggaran lalu lintas, analisis aliran lalu lintas, pengesanan tempat letak kereta, pengecaman plat lesen, pengesanan pejalan kaki, pengesanan tanda lalu lintas, pengelakan perlanggaran, pemantauan keadaan jalan raya, dsb., sebagai serta pengesanan daya perhatian pemandu dalam kereta.
Melalui artikel ini, saya percaya semua orang telah memahami apa itu kecerdasan buatan tepi dan maksudnya untuk Internet Perkara dan juga masa depan manusia. Saya harap perkara di atas dapat membantu anda.
Atas ialah kandungan terperinci Apakah kecerdasan buatan tepi dan cara melaksanakan kecerdasan buatan tepi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!