什麼是邊緣人工智能？ | 什麼是邊緣計算？

不只是縮時，還有粉塵、噪音、位移偵測

nvidia

人工智慧的功效、物聯網設備的採用和邊緣運算的力量，最近取得了長足的進步，共同釋放了邊緣人工智慧的力量。

這為以前無法想像的邊緣人工智慧開闢了新的機會 —— 從幫助放射科醫生識別醫院的病理，到在高速公路上駕駛汽車，再到幫助我們為植物授粉。

無數分析師和企業都在談論和實施邊緣計算，它的起源可以追溯到 1990 年代，當時創建內容交付網路，以從佈署在用戶附近的邊緣伺服器提供 Web 和影像內容。

今天，幾乎每個企業都有可以從採用邊緣人工智慧中，受益的工作職能。事實上，邊緣應用正在推動下一波人工智慧浪潮，以改善我們在家、工作、學校和交通中的生活。

詳細了解什麼是邊緣 AI、它的優勢及其工作原理、邊緣 AI 用例示例，以及邊緣運算和雲端運算之間的關係。

什麼是邊緣人工智慧？

邊緣人工智慧是在整個實體世界的設備中，佈署人工智慧應用。之所以稱為「邊緣人工智慧」，是因為人工智慧運算是在網路邊緣的用戶附近完成的，靠近數據所在的位置，而不是集中在雲端運算設施或私有數據中心。

由於網路具有全球影響力，因此網路的邊緣可以暗示任何位置。它可以是零售店、工廠、醫院或我們周圍的設備，如交通信號燈、自動機器和電話。

Edge AI：為什麼是現在？

各行各業的組織都在尋求提高自動化程度，以改善流程、效率和安全性。

為了幫助他們，電腦程式需要辨識模式，並重複安全地執行任務。但是世界是非結構化的，人類執行的任務範圍涵蓋了無法在程序和規則中，完全描述的無限情況。

邊緣人工智慧的進步為機器和設備打開了機會，無論它們在哪裡，都可以利用人類認知的「智慧」進行操作。支持人工智慧的智慧應用學習，在不同的環境下執行類似的任務，就像現實生活一樣。

在邊緣佈署 AI 模型的功效，源於最近的三項創新。

神經網路的成熟：神經網路和相關的人工智慧基礎設施，終於發展到允許廣義機器學習的地步。組織正在學習如何成功訓練 AI 模型，並將其佈署到邊緣生產環境中。
運算基礎設施的進步：在邊緣運行 AI 需要強大的分佈式運算能力。高度並行 GPU 的最新進展，已適用於執行神經網路。
物聯網設備的採用：物聯網的廣泛採用推動了大數據的爆炸式成長。憑藉從工業感測器、智慧攝影機、機器人等企業的各個方面，收集數據的突然能力，我們現在擁有在邊緣佈署 AI 模型所需的數據和設備。此外，5G 為物聯網提供了更快、更穩定和更安全的連接。

為什麼要在邊緣佈署 AI？邊緣人工智慧有什麼好處？

由於人工智慧算法能夠理解語言、視覺、聲音、氣味、溫度、臉部和其他模擬形式的非結構化資訊，因此它們在有實際問題的最終用戶佔據的地方，特別有用。由於與延遲、頻寬和隱私相關的問題，這些人工智慧應用在集中式雲或企業數據中心佈署是不切實際的，甚至是不可能的。

邊緣人工智慧的好處包括：

智慧：人工智慧應用比只能響應程式員預期的輸入的傳統應用，更強大、更靈活。相比之下，人工智慧神經網路不是訓練如何回答特定問題，而是如何回答特定類型的問題，即使問題本身是新的。如果沒有人工智慧，應用就不可能處理文本、口語或影像等無限多樣的輸入。
即時洞察：由於邊緣技術在本地分析數據，而不是在遠端通信延遲的遙遠雲中分析數據，因此可以即時響應用戶的需求。
降低成本：透過使處理能力更接近邊緣，應用需要更少的網路頻寬，從而大大降低了網路成本。
增加隱私：人工智慧可以分析現實世界的資訊，而無需將其暴露給人類，這大大增加了任何需要分析外觀、聲音、醫學圖像或任何其他個人資訊的人的隱私。Edge AI 透過在本地包含該數據，僅將分析和見解上傳到雲端，來進一步增強隱私。即使某些數據是出於培訓目的而上傳的，也可以將其匿名化以保護用戶身份。透過保護隱私，邊緣 AI 簡化了與數據合規性相關的挑戰。
高可用性：去中心化和離線功能使邊緣人工智慧更加強大，因為處理數據不需要網路訪問。這為關鍵任務、生產級 AI 應用，帶來了更高的可用性和可靠性。
持續改進：隨著對更多數據的訓練，人工智慧模型變得越來越準確。當邊緣 AI 應用遇到無法準確，或自信地處理的數據時，它通常會上傳數據，以便 AI 可以重新訓練並從中學習。因此，模型在邊緣生產的時間越長，模型就越準確。

邊緣人工智慧技術如何工作？

為了讓機器看到、執行物體檢測、駕駛汽車、理解語音、說話、走路或以其他方式模仿人類技能，它們需要在功能上複製人類智能。

人工智慧採用一種稱為深度神經網路的數據結構，來複製人類認知。這些 DNN 經過訓練，可以透過顯示該類型問題的許多示例，以及正確答案來回答特定類型的問題。

這種被稱為「深度學習」的訓練過程，通常在數據中心或雲端運行，因為訓練一個準確的模型需要大量數據，並且需要數據科學家協作配置模型。經過訓練，模型畢業後成為可以回答現實世界問題的「推理引擎」。

在邊緣人工智慧佈署中，推理引擎在工廠、醫院、汽車、衛星和家庭等偏遠地區的某種電腦或設備上運行。當 AI 遇到問題時，麻煩的數據通常會上傳到雲端，以進一步訓練原始 AI 模型，在某個時候取代邊緣的推理引擎。這種回饋迴路在提高模型性能方面發揮著重要作用；一旦佈署了邊緣 AI 模型，它們只會變得越來越智慧。

邊緣 AI 用例有哪些示範案例？

人工智慧是我們這個時代最強大的技術力量。我們現在正處於人工智慧正在徹底改變世界上最大的行業的時代。

在製造業、醫療保健、金融服務、交通運輸、能源等領域，邊緣人工慧能正在推動各個領域的新業務成果，包括：

能源智慧預測：對於能源等關鍵行業，不連續供應會威脅到普通民眾的健康和福利，智慧預測是關鍵。邊緣人工智慧模型有助於結合歷史數據、天氣模式、電網運行狀況和其他資訊，以創建複雜的模擬，從而為客戶提供更高效的能源生產、分配和管理資訊。
製造中的預測性維護：傳感器數據可用於及早檢測異常情況，並預測機器何時發生故障。如果機器需要維修，設備上的感測器會掃描缺陷，並進行警報管理，以便及早解決問題，避免代價高昂的停機時間。
醫療保健中的人工智能儀器：邊緣的現代醫療儀器，正在透過使用超低延遲手術影像串流的設備啟用人工智慧，以實現微創手術和按需洞察。
零售中的智能虛擬助手：零售商希望通過引入語音訂購來用語音命令代替基於文本的搜索來改善數位客戶體驗。透過語音訂購，購物者可以使用智慧音箱，或其他智慧行動設備輕鬆搜索商品、詢問產品資訊並在線下訂單。