中文字幕 另类精品,亚洲欧美一区二区蜜桃,日本在线精品视频免费,孩交精品乱子片免费

<sup id="3hn2b"></sup>

    1. <sub id="3hn2b"><ol id="3hn2b"></ol></sub><legend id="3hn2b"></legend>

      1. <xmp id="3hn2b"></xmp>

      2. 新聞中心

        EEPW首頁 > 智能計算 > 設計應用 > AI效益發(fā)威 邊緣人工智能持續(xù)進化

        AI效益發(fā)威 邊緣人工智能持續(xù)進化

        作者: 時間:2022-03-03 來源:CTIMES 收藏

        雖然人工智能還是有一些缺點,但在今天仍舊對作業(yè)質量和生產(chǎn)力帶來重大的影響性。無論是醫(yī)療保健、國防,還是電子商務,都可以透過人工智能系統(tǒng)實現(xiàn)大規(guī)模的自動化。

        另一方面,在物聯(lián)網(wǎng)設備市場規(guī)模呈現(xiàn)指數(shù)級成長背景下,各種的大量數(shù)據(jù)被產(chǎn)生出來,進而推動了邊緣運算技術的發(fā)展。邊緣運算是云端整體運算系統(tǒng)的重要組成部分,可以將部分的特殊處理和數(shù)據(jù)儲存,從云端系統(tǒng)轉移到邊緣網(wǎng)絡節(jié)點,而這些節(jié)點在物理基礎上,可以合理地就近將數(shù)據(jù)提供給終端用戶。

        這種「終端式」的人工智能系統(tǒng),不需要連接到云端執(zhí)行本地的任務和操作。相反,這些單位都擁有獨立處理數(shù)據(jù),和做出決定的能力。因此,邊緣運算是將人工智能的力量帶到單一的設備上,透過內(nèi)建的微處理器和傳感器來獲得和處理數(shù)據(jù)。

        邊緣計算+人工智能=
        伴隨著邊緣運算、人工智能和物聯(lián)網(wǎng)的快速發(fā)展,使得各種多個智能網(wǎng)絡間連接技術不斷地被開發(fā)出來,這也被稱為Edge 、Edge oT(Artificial Intelligence of Things),或智慧物聯(lián)網(wǎng)(圖一)。目前,已經(jīng)有許多企業(yè)計劃采用邊緣運算與人工智能相結合的方式來提高效率,進而降低生產(chǎn)/服務的整體成本。例如,只要使用設備之間的傳感器,或實時視訊傳輸來獲取數(shù)據(jù),并提供實時監(jiān)視能力來預見各種問題,防止因為錯誤導致代價高昂的損失,或工作場所的傷害。

        根據(jù)業(yè)界推估,目前生產(chǎn)過程中,因為設備的突發(fā)性停機所造成的損失,每年約為500億美元。這也將造成生產(chǎn)能力的降低、出貨延誤、客戶抱怨,以及收入減少。而這時,Edge 就可以發(fā)揮出關鍵作用。

        圖片.png
         
        圖一 : 傳統(tǒng)的AI應用與Edge AI的比較(數(shù)據(jù)源:i Magazine、CTIMES整理)

        典型的Edge AI導入趨勢
        在未來,雖然Edge AI的應用,雖然可以幫助企業(yè)減輕網(wǎng)絡和其他IT基礎設施的負荷,并幫助降低營運成本,但仍需依賴硬件和軟件的不斷改進來獲得更先進的系統(tǒng)。

        例如,透過工廠生產(chǎn)在線設備,或連接互聯(lián)網(wǎng)的攝影系統(tǒng),可以將實時影像發(fā)送給遠程的辦公室。從單一設備或端點進行數(shù)據(jù)的傳輸,以今天的網(wǎng)絡技術來說是相當容易的。但是,面對同時傳輸數(shù)據(jù)的設備數(shù)量增加時,瓶頸挑戰(zhàn)就出現(xiàn)了,因為當成千上萬組的攝影終端同時進行傳輸時,不僅影像質量會因為延遲而受到影響,而且維護該傳輸帶寬的成本也會非常高。

        不過,現(xiàn)在已經(jīng)能透過Edge AI克服上述挑戰(zhàn),可以利用設備本身來分析所獲得的資料,而不是將數(shù)據(jù)發(fā)送到云端或中央位置,處理完畢之后再分析的結果儲存在云端系統(tǒng)后,來產(chǎn)生完整的生產(chǎn)線監(jiān)控能力,因此利用終端的力量就可使企業(yè)更有效地利用剩余網(wǎng)絡資源。此外,在Edge AI的幫助下,工廠設備更可以在現(xiàn)場執(zhí)行大部分的分析工作,可以大大減少需要通過網(wǎng)絡傳輸?shù)臄?shù)據(jù),從而降低因為云端運算所產(chǎn)生的成本、提高分析速度,這就是利用Edge AI的主要優(yōu)勢(圖二)。

        圖片.png

         
        圖二 : 在生產(chǎn)在線進行視訊分析系統(tǒng)的簡單說明(數(shù)據(jù)源:ACSICORP)

        傳統(tǒng)上,視覺運算是人工智能的一個分支,被歸納為基于云端的IT流程。然而,今天處理系統(tǒng)的能力有顯著提高之后,推動了視覺運算模式的改變。特別是影像分類和物體識別等神經(jīng)網(wǎng)絡的使用。對于視覺分析結構來說,系統(tǒng)需要兩個主要能力:實時執(zhí)行和快速矩陣計算,目前主流的手法是采用特定應用的數(shù)學算法模型。

        而這個數(shù)學算法模型有兩種類型的深度學習算法,分別為:

        ●一級檢測(基于回歸的物體檢測器),在這種情況下,僅需一次的檢測就能完成。

        ●兩級檢測(基于分類的物體檢測器),檢測則需要以兩階段的方式進行。

        朝向分布式架構轉變
        基于上述算法的計算能力,智能設備和高風險應用(從擴增/虛擬現(xiàn)實(AR/VR)到無人機應用和自動駕駛)等的新發(fā)展,已經(jīng)使基于云端的人工智能變得不足。這些實時應用無法承受延遲,必須在高可靠性下運行,即使在網(wǎng)絡連接中斷的情況下,還是可以持續(xù)運作。因此這些新的應用引發(fā)了研發(fā)人員對分布式、低延遲和可靠的人工智能的巨大興趣,推動了數(shù)據(jù)的處理,從基于云端和集中式學習和分析,朝向的重大轉變。例如:

        ●學習數(shù)據(jù)不均勻地分布在邊緣設備的網(wǎng)絡上,如網(wǎng)絡基地臺(BSs)和/或行動設備,包括電話、相機、車輛和無人機等。

        ●每個邊緣設備都能獲得極小部分的數(shù)據(jù),讓學習和分析可以集體進行的。

        ●每個邊緣設備可以相互通訊,并交換學習的模型(例如神經(jīng)網(wǎng)絡),而不是私有數(shù)據(jù)。

        當?shù)谝粋€節(jié)點識別出產(chǎn)在線的產(chǎn)品缺陷時,它會將帶有標記ID的影像發(fā)送到第二個節(jié)點,讓該節(jié)點有提供額外的處理能力。然后,第二個節(jié)點的缺陷檢測模塊被觸發(fā)后,就會等待并持有GPU資源來進一步處理。如果在處理過程中沒有發(fā)現(xiàn)缺陷,缺陷檢測模塊會發(fā)送一個觸發(fā)信息,中止缺陷跟蹤程序,并釋放第二節(jié)點的GPU資源。在第二個節(jié)點的過程中,在缺陷檢測其間,在云端服務器中標記了權限,可以幫助識別對該節(jié)點ID的授權用戶。此時,云端只會向檢測到缺陷的各個節(jié)點的認證用戶發(fā)送消息(圖三)。

        圖片.png
         
        圖三 : 使用多個第一邊緣節(jié)點、與第二邊緣節(jié)點和云端的檢測流程概念(數(shù)據(jù)源:ACSICORP)

        使用Edge AI的一些顯著優(yōu)勢是:

        ●可以在所連接的設備上進行本地執(zhí)行推理,大幅減少了因為數(shù)據(jù)發(fā)送到云端進行預測,所造成的延遲和成本。

        ●與其將所有數(shù)據(jù)都發(fā)送到云端執(zhí)行人工智能分析,不如直接在設備上進行分析,只有在需要特殊處理時才將數(shù)據(jù)發(fā)送到云端。

        ●以極低的延遲獲得分析結果,對于確保一些關鍵性物聯(lián)網(wǎng)絡能夠快速響應,是一件至關重要的事情。

        ●與基于云端的人工智能不同,Edge AI具有隱私保護,訓練數(shù)據(jù)不會記錄在云端,而是保存在每個設備中,透過獲得和整合其他設備運算數(shù)據(jù)的更新,來學習全局共享模型。

        ●對大量用戶所產(chǎn)生的數(shù)據(jù)樣本進行學習,這將有助于實現(xiàn)高精確度,甚至可能包括隱私敏感信息,如醫(yī)療記錄、工廠/網(wǎng)絡運行狀態(tài)和定位紀錄。

        Edge AI的應用優(yōu)勢性
        現(xiàn)在我們已經(jīng)看到了Edge AI解決方案,與傳統(tǒng)或基于云的計算系統(tǒng)相比的好處,以下是Edge AI一些常見的現(xiàn)實世界的應用。

        音頻分析系統(tǒng)
        識別音頻輸入和處理其中的數(shù)據(jù)數(shù)據(jù),是當今許多設備的兩個關鍵要求。音訊分析可用于各種目的,例如識別和訪問管理(IAM),或手機、高級車中的語音控制。深度學習和Edge AI被應用于降噪設備,以協(xié)助系統(tǒng)進行各種聲音觸發(fā),或失效。人工智能影響音頻分析的另一個例子是,安裝在汽車上的事故預防系統(tǒng),可以透過視覺運算的影像以及聲音(甚至在嚴重的干擾和背景噪音中)來檢測接近的車輛,并采取預防措施來保護車內(nèi)的人員。

        此外,人聲分析也是音訊分析的一個重要部分??梢酝高^人工神經(jīng)網(wǎng)絡和自然語言處理(NLP)工具,在語言和關鍵詞識別方面學習基于邊緣運算的AI模型,這一功能對于設備執(zhí)行語音命令要求是很有用的。除此之外,Edge AI也可以實現(xiàn)文字到語音的轉換等應用,反之亦然。當然,Edge AI的音訊分析也常被用于人工智能驅動的聊天機器人。

        車用數(shù)據(jù)處理
        Edge AI技術的另一個應用是車用設備的數(shù)據(jù)收集。由于隨著網(wǎng)聯(lián)汽車的普及,數(shù)據(jù)利用也呈現(xiàn)多樣化和復雜化,例如,對于行車記錄器影像數(shù)據(jù)的需求將增加、發(fā)送到云端中心的通訊成本、云端中心的儲存成本等。目前可以透過Edge AI技術來作為解決方案。首先,利用在車內(nèi)的Edge AI將所拍攝的影像中的物體,并且發(fā)送到云端。

        例如,將招牌和汽車數(shù)量等識別結果,先轉換成文字畫數(shù)據(jù),發(fā)送到云端中心。接下來,再依據(jù)云端中心的識別結果下,車用設備僅發(fā)送真正需要的影像數(shù)據(jù)(b),可以大幅度降低與數(shù)據(jù)收集相關的成本,并且可以執(zhí)行有效的數(shù)據(jù)收集(圖四)。

        圖片.png

         
        圖四 : Edge AI在車輛上的高效數(shù)據(jù)收集應用(數(shù)據(jù)源:DENSO TEN)

        智能能源系統(tǒng)
        互聯(lián)風力發(fā)電站等應用可以透過Edge AI進行概念化和無縫運轉。一般來說,如果只使用云端運算系統(tǒng),運行此類系統(tǒng)的成本將高得驚人。相比之下,利用云端-邊緣組合系統(tǒng)進行運算操作、數(shù)據(jù)獲取、管理和處理的成本也可以獲得較佳的控制。

        風力發(fā)電站需要基于終端的解決方案,因為在風力渦輪機附近工作的員工,會利用多個監(jiān)控攝影鏡頭、存取傳感器、生物識別安全傳感器等,來讓風力發(fā)電站順利地運轉。而這些設備和傳感器就必須確保能夠有效地運轉,并以閃電般的速度來處理相關數(shù)據(jù)。因此,Edge AI解決方案對于降低風能發(fā)電系統(tǒng)的成本,以及減少整體處理時間,和使用的帶寬量是很有用的。

        視覺娛樂系統(tǒng)
        Edge AI也被廣泛用于涉及AR、VR和MR的視覺娛樂系統(tǒng)。對于這些類型的系統(tǒng),數(shù)據(jù)處理和人工智能分析就必須在本地完成,達到節(jié)省時間和成本。眾所周知,AR系統(tǒng)需要用戶佩戴虛擬現(xiàn)實或3D的眼鏡,以充分享受其視覺上的沉浸式體驗。透過邊緣運算和人工智能技術,進行邊緣服務器脫機處理,來達到小眼鏡尺寸的目標。

        微軟的Hololens就是利用Edge AI和運算技術,應用在AR相關娛樂產(chǎn)品。Hololens包括一個整合全息計算機(Holographic Computer)的可穿戴頭盔,讓使用者沉醉在AR的世界中。未來甚至將會被應用復雜的游戲、數(shù)據(jù)分析,和醫(yī)療成像上。

        智慧音箱和家庭助理
        諸如亞馬遜的Alexa和Google Home這樣的智慧家庭助手,在當今依賴人工智能的世界里很流行。這類設備和系統(tǒng)也是利用Edge AI來提升速度和數(shù)據(jù)傳輸,使智能家居的概念變得更實用化。

        結語
        人工智能對于任何一種數(shù)字操作來說幾乎是完美的。Edge AI采用人工智能的概念,并在幾種不同的方式下改進技術,來達到下一個進化階段,相信Edge AI的應用將會比現(xiàn)在更加普遍。

        本文引用地址:http://www.antipu.com.cn/article/202203/431676.htm


        關鍵詞: AI 邊緣人工智能

        評論


        相關推薦

        技術專區(qū)

        關閉