Teknologi generasi akan datang: Kepintaran tepi membolehkan pemprosesan data masa nyata dan membuat keputusan yang bijak

Pengenalan Makmal

Kecerdasan Tepi ialah sejenis teknologi buatan yang berkembang pesat AI) dan pengkomputeran tepi. Aplikasi kecerdasan buatan tradisional biasanya bergantung pada pusat pengkomputeran awan untuk pemprosesan data dan membuat keputusan, tetapi pendekatan ini mempunyai masalah dengan kependaman dan lebar jalur rangkaian.

Bahagian 01、 Apa itu kecerdasan tepi ###🎜🎜🎜🎜🎜 # Edge Intelligence ialah konsep teknologi baru muncul yang merujuk kepada penggunaan algoritma dan model kecerdasan buatan (AI) dalam Keupayaan untuk melaksanakan masa nyata pemprosesan dan analisis data pada peranti IoT yang berdekatan dengan sumber data dan nod rangkaian berdekatannya. Sejak beberapa tahun kebelakangan ini, perkembangan pesat AI telah membawa kepada banyak aplikasi dan penyelesaian yang inovatif. Walau bagaimanapun, apabila skala dan kerumitan model AI terus meningkat, seni bina pengkomputeran awan tradisional menghadapi beberapa siri cabaran, seperti kependaman tinggi, kesesakan rangkaian dan isu privasi data. Untuk mengatasi cabaran ini, gabungan pengkomputeran tepi dan kecerdasan buatan muncul, membentuk konsep kecerdasan tepi. Kepintaran tepi bukan sahaja mengalihkan latihan dan inferens model AI ke peranti yang lebih dekat dengan pengguna, seperti telefon pintar, penderia, penghala, kamera pengawasan, dsb. Dengan melakukan pemprosesan data masa nyata pada peranti tepi ini, bertindak balas dengan cepat dan menganalisis data, dan membuat keputusan secara tempatan, ini mengelakkan kelewatan dan risiko keselamatan menghantar semua data ke awan untuk diproses, membawa banyak keupayaan baharu kepada aplikasi AI .

Mengenai skop dan penarafan kecerdasan tepi, penyelidikan sedia ada percaya bahawa kecerdasan tepi ialah penggunaan data dan sumber yang tersedia dalam peranti akhir, nod tepi dan pusat data awan hierarki Mengoptimumkan keseluruhan latihan dan prestasi inferens model rangkaian saraf dalam (DNN). Ini bermakna bahawa kecerdasan tepi tidak semestinya perlu dilatih atau disimpulkan di tepi, tetapi boleh merealisasikan kerja kolaboratif awan, tepi dan terminal melalui pemunggahan data. Kepintaran tepi dibahagikan kepada enam tahap berdasarkan jumlah pemunggahan data dan panjang laluan 🎜🎜# Dengan kos peningkatan kependaman pengkomputeran dan penggunaan tenaga, apabila tahap kecerdasan tepi meningkat, bilangan dan panjang laluan pemunggahan data akan berkurangan. dengan itu mengurangkan kelewatan penghantaran pemunggahan data, meningkatkan privasi data, dan mengurangkan kos lebar jalur rangkaian.

Bahagian 02. Latihan model pintar tepi

Seni bina rangkaian saraf yang diedarkan tepi boleh dibahagikan ke dalam Tiga mod: terpusat, diedarkan, hibrid (kolaborasi peranti awan-tepi)

➪ Berpusat:

#🎜🎜 Model #DNN dilatih dalam pusat data awan, dan data yang digunakan untuk latihan adalah daripada peranti terminal yang diedarkan (seperti telefon mudah alih, kereta dan kamera Pengawasan), sebaik sahaja data tiba, pusat data awan akan menggunakan data untuk latihan DNN. Sistem berdasarkan seni bina berpusat boleh dikenal pasti sebagai Tahap 1, Tahap 2 atau Tahap 3 dalam kecerdasan tepi, bergantung pada kaedah penaakulan khusus yang diterima pakai oleh sistem.

#🎜🎜 ##🎜🎜🎜 ##🎜🎜 Pengagihan: #

Setiap nod pengkomputeran melatih model DNN sendiri secara tempatan menggunakan data tempatan dan menyimpan maklumat peribadi secara setempat. Dapatkan model DNN global dengan berkongsi kemas kini latihan tempatan. Dalam mod ini, model DNN global boleh dilatih tanpa campur tangan pusat data awan, sepadan dengan tahap kelima kecerdasan tepi.

➪: Kerjasama hibrida 🎜🎜#

Menggabungkan pelayan tepi berpusat dan teragih boleh melatih model DNN melalui kemas kini teragih atau menggunakan pusat data awan untuk latihan berpusat. Sepadan dengan Tahap 4 dan Tahap 5 dalam kecerdasan tepi.

Pada masa ini, kaedah latihan model perisikan tepi terutamanya menggunakan #🎜🎜 #kehilangan latihan, penumpuan, privasi, kos komunikasi🎜, Latency 🎜#

dan

Kecekapan Tenaga dinilai oleh 6 petunjuk prestasi utama ini.

Teknologi yang disokong oleh latihan model kecerdasan tepi adalah seperti berikut:

#🎜🎜0##🎜🎜 , Inferens Model Pintar Tepi

Penggunaan perkhidmatan perisikan tepi berkualiti tinggi, selain merealisasikan latihan teragih model pembelajaran mendalam, juga memerlukan untuk Cekap melaksanakan inferens model di tepi. Model inferens kecerdasan tepi dibahagikan kepada empat mod: berasaskan tepi, berasaskan peranti, peranti tepi dan awan tepi.

#🎜 model inference : Peranti berada dalam mod tepi, menerima data input, dan kemudian menghantarnya ke pelayan tepi. Pelayan tepi melengkapkan inferens model DNN dan mengembalikan hasil ramalan kepada peranti. Prestasi inferens bergantung pada lebar jalur rangkaian antara peranti dan pelayan tepi.

➪ Model inferens berasaskan peranti: Peranti berada dalam mod peranti dan peranti mudah alih mendapat ia daripada model DNN pelayan tepi, dan inferens model lengkap secara tempatan Semasa proses inferens, peranti mudah alih sentiasa berkomunikasi dengan pelayan tepi, jadi peranti mudah alih perlu mempunyai sumber seperti CPU, GPU dan RAM.

#🎜🎜🎜🎜🎜#

➪🎜 model peranti tepi 🎜#Peranti berada dalam mod peranti tepi terlebih dahulu membahagikan model DNN kepada beberapa bahagian berdasarkan faktor seperti lebar jalur rangkaian, sumber peranti dan beban pelayan tepi ke lapisan tertentu, Dan hantar data perantaraan ke pelayan tepi. Pelayan tepi akan melaksanakan lapisan yang tinggal dan menghantar hasil ramalan kepada peranti.

➪ Model inferens berasaskan awan tepi: Peranti berada dalam mod tepi awan peranti bertanggungjawab Kumpul data input dan laksanakan model DNN secara kolaboratif melalui tepi awan.

Prestasi inferens model kecerdasan tepi adalah terutamanya melalui latensi, ketepatan, kecekapan tenaga, privasi, kos komunikasi# 🎜 🎜# dan Penggunaan memori digunakan untuk penilaian.

Teknologi yang disokong oleh latihan model kecerdasan tepi adalah seperti berikut:

#🎜 🎜#

Bahagian 04. Hala Tuju Penyelidikan Edge Intelligence

Sebagai bidang teknologi yang sedang berkembang pesat, kecerdasan tepi mempunyai luas. hala tuju dan potensi perkembangan kecerdasan tepi boleh dikaji dari aspek berikut pada masa hadapan berdasarkan ciri teknikal dan senario aplikasi kecerdasan tepi:

• Platform pengaturcaraan dan perisian. Dengan kemunculan lebih banyak aplikasi mudah alih dan IoT intensif pengkomputeran yang dipacu oleh kecerdasan buatan, Edge Intelligence As a Service (EIaaS) akan menjadi paradigma A meresap, platform EI dengan berkuasa keupayaan kecerdasan buatan tepi akan dibangunkan dan digunakan.
• Algoritma kecerdasan tepi dan reka bentuk model. Bangunkan algoritma dan model pintar yang cekap pada peranti tepi untuk mencapai pemprosesan data yang lebih pintar dan keupayaan membuat keputusan. Termasuk pengoptimuman dan penggunaan pembelajaran mesin, pembelajaran mendalam, pembelajaran pengukuhan dan algoritma lain pada peranti tepi.
• Isu keselamatan dan privasi. Pastikan keselamatan dan privasi data dalam persekitaran risikan tepi, termasuk penyulitan dan pengesahan penghantaran data, perlindungan keselamatan peranti tepi dan perlindungan privasi pengguna.
• Teknologi rangkaian kesedaran pengiraan. Aplikasi intensif pengkomputeran berdasarkan kecerdasan buatan sering dijalankan dalam persekitaran pengkomputeran tepi teragih. Oleh itu, penyelesaian rangkaian lanjutan harus sedar dari segi pengiraan dan berkongsi hasil pengiraan dan data secara berkesan antara nod tepi yang berbeza. Bina seni bina rangkaian pintar tepi yang cekap dan boleh dipercayai, termasuk topologi rangkaian, protokol penghantaran data, keselamatan komunikasi, dsb. Pada masa yang sama, sumber pengkomputeran tepi digunakan untuk menyediakan perkhidmatan komunikasi berkelajuan tinggi dan kependaman rendah.
• Senario aplikasi dan reka bentuk sistem. Gunakan teknologi kecerdasan tepi ke pelbagai bidang, seperti pengangkutan pintar, pembuatan pintar, bandar pintar, penjagaan kesihatan, dsb., dan terokai reka bentuk sistem kecerdasan tepi yang sangat boleh disesuaikan, cekap dan boleh dipercayai untuk menyelesaikan masalah praktikal dan menggalakkan pembangunan industri.
• Pengkomputeran tepi dan pemprosesan data. Gunakan sepenuhnya kuasa pengkomputeran dan kapasiti storan dalam peranti tepi untuk mencapai pemprosesan dan analisis data masa nyata. Pada masa yang sama, mengoptimumkan pengurusan dan penjadualan sumber pengkomputeran dan penyimpanan pada peranti tepi dengan sumber terhad, dan meningkatkan kecekapan pengkomputeran dan penggunaan sumber untuk meningkatkan kecekapan dan prestasi sistem.
• Pembelajaran penyesuaian dan pengoptimuman kecerdasan kelebihan. membolehkan sistem kecerdasan kelebihan belajar dan mengoptimumkan secara bebas mengikut perubahan dalam persekitaran dan keperluan, menyediakan perkhidmatan dan keputusan yang lebih bijak.
• Gabungan kecerdasan tepi dan bidang lain yang berkaitan. Gabungan kecerdasan edge dan Internet of Things, komunikasi 5G, pengkomputeran awan dan teknologi lain untuk mencapai penyelesaian pintar yang lebih komprehensif dan cekap.

Atas ialah kandungan terperinci Teknologi generasi akan datang: Kepintaran tepi membolehkan pemprosesan data masa nyata dan membuat keputusan yang bijak. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!