AI på kanten: bringer intelligens tættere på maskiner

• Forfatter:
• Forfatter navn

  Quantumrun Foresight
• Juli 29, 2022

Oversigt over indsigt

I en tidsalder med kunstig intelligens (AI) og big data fremstår edge AI som en afgørende teknologi. Det muliggør hurtigere beslutningstagning ved at behandle data uden at være afhængig af en internetforbindelse. Edge AI har oplevet en betydelig vækst, idet den løser problemer med forbindelse, privatliv og sikkerhed, til gavn for industrier som sundhedspleje, detailhandel og Internet of Things (IoT).

AI på kanten kontekst

I en tidsalder med kunstig intelligens (AI) og big data bliver der stadig mere bearbejdning i skyen. Dette paradigme giver mening for visse typer data, såsom små uddrag af tekst, men går i stykker, når det kommer til større datasæt – det er her edge AI kommer ind. Edge AI refererer til en klasse af maskinlæringsarkitektur (ML) hvori AI-algoritmer betjenes lokalt på enheder (i kanten af ​​netværket). En enhed, der bruger edge AI, behøver ikke at være forbundet online for at fungere korrekt og kan behandle data og foretage domme uden en netværksforbindelse. Denne evne bliver stadig mere vigtig i nutidens AI-applikationer. 

For eksempel, i et scenarie, hvor et barn går ind i stien til et selvkørende køretøj, vil traditionel databehandling se, at køretøjet overfører situationen til en central cloud-server og venter på, at cloud-mainframen returnerer instruktionen om at stoppe eller svinge for at undgå barnet. Denne overførsel kan tage længere tid end den reaktionstid, der er nødvendig for at beskytte barnet. Men hvis køretøjet kunne behandle situationen ved hjælp af en indbygget computer, ville dets reaktionstid være betydeligt hurtigere, hvilket ville forbedre sikkerhedsresultaterne for alle involverede.

Edge AI-æraen er drevet af det stigende behov for at behandle større mængder data. Konsulentfirmaet Deloitte anslog, at mere end 750 millioner edge AI-chips, der udfører eller fremskynder maskinlæringsoperationer på enheden i stedet for i et fjerndatacenter, blev solgt i 2020, hvilket genererede USD 2.6 milliarder i omsætning. Teknikforskningsfirmaet Gartner forudser, at over 50 procent af data, der skabes og behandles i virksomheder, vil ske uden for datacentret og skyen i 2022. Desuden forbedrer edge AI kraftigt på cloud computing AI ved at eliminere behovet for mellemmandsteknologi. Alligevel er der stadig udfordringer, såsom problemer med overholdelse af databeskyttelse forårsaget af lagring af data på ét centraliseret sted (nemlig enheden).

Forstyrrende påvirkning

Fordelene ved edge AI er forskellige. For det første kan edge AI hjælpe med at overvinde dårlige netværksforbindelser. Det kan også forbedre privatlivets fred og sikkerhed ved at holde data lokalt, og det kan hjælpe med at reducere omkostningerne ved at undgå behovet for at overføre store mængder data over internettet. Edge AI bliver også stadig vigtigere til industrielle applikationer. For eksempel har energiselskabet General Electric (GE) brugt edge AI til at forbedre effektiviteten af ​​sine vindmøller. Virksomheden har udviklet et AI-system, der kan detektere turbinefejl og forudsige, hvornår de får brug for vedligeholdelse. Denne applikation har ført til en betydelig reduktion af møllens nedetid.

En anden almindelig brug for AI på kanten er ansigtsgenkendelse. Ved at installere kameraer med AI-funktioner i netværkets kant, kan virksomheder scanne folkemængder efter interesserede personer eller kontrollere adgangen til en facilitet ved kun at tillade autoriseret personale. Smart detail er en anden almindelig applikation til AI/ML i edge computing. Ved at bruge AI til at analysere kundeservicesamtaler kan detailhandlere genkende mønstre, der fører til succesfulde resultater og foreslå produkter, der løfter kundeoplevelsen. Derudover kan AI anbefale relaterede varer eller tjenester til kunder baseret på deres personlige egenskaber.

Sundhedspleje er en anden industri, der nyder godt af edge AI. Læger kan nu bruge AI til prædiktive diagnoser baseret på patienthistorie, og AI kan også analysere billeder for at kontrollere for anomalier som tumorer. Endelig drager Internet of Things (IoT) mest fordel af edge AI, især for produktionsvirksomheder, der har brug for opdateringer i realtid for at rette produktionskædefejl og bortfald. 

Implikationer af edge AI 

Bredere implikationer af edge AI kan omfatte: 

• Hurtig udvikling inden for naturlig sprogbehandling (NLP) ML, hvilket resulterer i bedre kundesvar til callcentre, mere intuitiv sikkerhed (AI, der er i stand til at detektere glasskår og skud) og juridiske assistenter, der kan gennemgå og forbinde flere dokumenter.
• Virksomheder, der bruger edge AI til at give real-time information om produkter selv uden emballage, såsom kosmetik, ernæringsmæssige fakta, udløbsdatoer osv. Forbrugere kan selv scanne produktet (uden QR-koder), og alle detaljer vil blive givet.
• Fødereret læring bruges til at træne edge-enheder ved at bruge lokale data, hvilket sikrer, at personlige oplysninger aldrig forlader enheden, hvilket resulterer i bedre databeskyttelse.
• Smartphones og andre personlige enheder har potentielt længere batterilevetid og hurtigere ydeevne.
• Ny lovgivning, der regulerer, hvordan og hvilke data kan og ikke kan gemmes på lokale enheder ved hjælp af edge AI.
• En voksende forbrugerforventning om, at alle de produkter, de køber, skal blive "smarte" på en eller anden måde. Fremtidige generationer kan se elementer uden beregningselementer som "brudte".

Spørgsmål at overveje

• Har du interageret med AI på kanten af ​​teknologien på din arbejdsplads?
• Hvordan kan enheder, der kan fungere uden onlineforbindelser, ellers tjene kunderne bedre?