AI無所不在：跨越邊緣和永續

人工智慧(AI)的整合無所不在，為各個產業提供了變革機會。

其中一個典範轉移是人工智慧與邊緣運算的融合，促進永續解決方案和創新應用。

企業可以利用人工智慧的快速發展使客戶體驗（CX）和預測分析達到大規模的高度個人化轉變其服務和業務，以管理業務運作。

人工智慧、5G和物聯網融合

5G網路提供的好處是：

• 低延遲
• 裝置連線的大幅增加反過來又允許擴展機器來實現機器通訊
• 網路連接設備和感測器的出現導致了大規模的超個性化

環境與經濟

#華永道發布了一份報告，闡述了人工智慧幫助減少碳排放的潛力。根據其分析，到2030年，應用於農業、能源、交通和水四大領域的人工智慧經濟可能會帶來高達:

• 為全球經濟成長貢獻5.2兆美元或GDP的4.4%。
• 溫室氣體(ghg)排放量減少2.4億噸，即4%。
• 全球淨就業增加3,820萬個，即1%。

這樣，環境目標和經濟目標可以相互協調，特別是透過技術進步。隨著企業和整體經濟的成長，更有效率的人工智慧在宏觀經濟和社會層面更有效，能夠擴展規模並創造經濟和就業成長。在微觀經濟層面，透過降低部署和擴展人工智慧的成本，企業可能會擴展到新的服務、產品和商業模式，並使新創公司蓬勃發展和擴大規模。同時，以更低的能源消耗實現這一目標可以降低碳足跡。

此外，一群在人工智慧領域領先的科學家提到了可利用機器學習協助應對氣候變遷、跨電氣系統、工業、交通、建築、智慧電網、災害管理等行業。這些挑戰確保了人工智慧在綜合成本和環境效益的有效基礎上進行拓展的重要性。能源效率在這兩個方面是關鍵。

生產式人工智慧的出現引起了一股熱潮，它通常是由大型語言模型（LLM）提供的。這些模型採用了變壓器和自我注意機制，通常與深度強化學習相結合，以優化其反應。雖然這些模型在計算上是昂貴的，包括硬體需求、能源成本和碳足跡，但它們的包容性服務需求，能源成本和碳足跡也有所減少。

AI無所不在：從智慧到「智慧 智慧」邊緣

智慧是指連接網路的裝置。然而，隨著人工智慧在設備的本地嵌入，例如具有人工智慧的PC，連接設備變得越來越「智慧」。在這種情況下，智能指的是對使用者做出有意義的回應並個性化體驗的能力，而不是人類層面的智慧。

隨著物聯網規模的擴大，邊緣運算的成長將需要超低延遲，這反過來又允許即時回應。

如上所述，人工智慧將越來越多地處於網路的邊緣——稱為邊緣運算或簡稱邊緣，即資料的處理更接近其生成的地方,實際上可能位於設備本身。這樣可以保持非常低的延遲,從而對用戶作出即時回應。

以安全性和可靠性為關鍵因素的雲端/邊緣混合

雲端模型將繼續應用於資料中心，為儲存歷史資料進行分析提供重要資源和能力。這也將允許使用混合模型進行正在進行的演算法開發，支援在雲端伺服器上訓練人工智慧模型，並在邊緣推斷人工智慧，從而為大規模個人化提供進一步的潛力。

邊緣人工智慧的範例

• 智慧電網實現即時雙向資訊流動，並將其與GoogleDeepMind的NowCast和GraphCast等人工智慧模型相結合，以預測天氣並優化再生能源供需管理。
• 由物聯網支援的微電網可以在併網或獨立島設定中運行，並啟用本地生產的能源，管理停電並提高效率。
• 內建感測器的智慧電錶可以傳輸即時訊息，偵測停電和監控供電品質。
• 再生能源儲存的電池最佳化。
• 具有電腦視覺的無人機可以檢查太陽能電池板和風力渦輪機，並檢測損壞情況，從而減少發電量。
• 意外中斷預測和自動幹預。
• 綠氫和燃料電池的發展。
• 自動化機器學習的綠色人工智慧。
• 城市交通管理規劃，預測交通擁擠和改道交通。
• 設計電動車運行過程的演算法,以優化電池充電、距離和可用充電點之間的關係。
• 人工智慧已部署在智慧建築的建設中，物聯網感測器可以偵測房間內是否有人，並相應地調整暖氣/空調或照明，以優化能源消耗。
• 將生成式人工智慧應用於建築的建築和規劃階段，以預測數位雙胞胎的潛在問題，並優化永續性設計。
• 製造業部門，預測分析應用於計劃外停機和自動化，以減少其發生，從而優化生產運作並減少此類停機可能造成的浪費。
• 優化製造流程和供應鏈的能源消耗和碳足跡。
• 零售業的建議與預測分析一起應用，使品牌能夠增強需求預測並優化其供應庫存和生產。

以上是AI無所不在：跨越邊緣和永續的詳細內容。更多資訊請關注PHP中文網其他相關文章！