首頁 > 人工智能 > 正文

需要了解邊緣計算和人工智能的7件事

2020-05-15 10:14:45  來源:企業網D1Net

摘要:邊緣計算和人工智能是如何協同工作的?為什么邊緣計算很適合人工智能?有哪些用例?IT主管應該知道這些內容。
關鍵詞: 邊緣計算 人工智能
  邊緣計算和人工智能是如何協同工作的?為什么邊緣計算很適合人工智能?有哪些用例?IT主管應該知道這些內容。
 
  幾十年來,人工智能(AI)一直活躍在數據中心,因為數據中心具有足夠的計算能力來執行處理器要求的認知任務。隨著時間的推移,人工智能進入了軟件領域,其中的預測算法改變了這些系統支持企業業務發展的本質,如今人工智能已經轉移到網絡的邊緣。
 
  SAS公司物聯網副總裁Jason Mann解釋說:“當人工智能技術嵌入物聯網的端點、網關和其他設備時,邊緣人工智能就會出現。”
 
  Red Hat公司首席技術策略師E.G.說:“換句話說,邊緣計算使數據和計算更加接近交互點。”邊緣人工智能是一種非常真實(并且正在迅速擴展)的現象,為從智能手機、智能音箱到汽車傳感器和安全攝像頭等各種設備提供動力。
 
  IDC公司專注于邊緣戰略的全球基礎設施業務研究總監Dave McCarthy表示,“人工智能是邊緣計算中最常見的工作負載。隨著物聯網實現的成熟,人們對在生成時應用人工智能進行實時事件檢測越來越感興趣。”
 
  調研機構德勤公司預測,全球在今年將出售超過7.5億個邊緣人工智能芯片(專門設計用于執行或加速設備上的機器學習),在未來四年內,企業市場的增長速度超過其消費者市場,其復合年增長率為50%。
 
  根據咨詢機構易觀梅森(Analysys Mason) 公司的一份調查報告,在未來三年中,企業將平均30%的IT預算用于邊緣計算。
 
  當IT領導者考慮邊緣人工智能可能適合他們自己的企業技術路線圖時,企業將平均30%的IT預算用于邊緣計算。
 
  1.從頭開始很重要
 
  如果企業尚未實施邊緣解決方案,那么將無法直接應用邊緣人工智能。CompTIA技術分析高級總監Seth Robinson說,“對于當今大多數IT領導者而言,第一步是構建一種利用邊緣計算和云計算后端的解決方案架構,集成人工智能將是管理邊緣解決方案規模和建立競爭優勢的關鍵一步。”
 
  2.邊緣人工智能可以解決基于云計算的人工智能的局限性
 
  延遲、安全性、成本、帶寬和隱私是一些與機器或深度學習任務相關的問題,邊緣人工智能(更接近數據源)可以緩解這些任務。例如,每次人們向Siri或Alexa或Google提出問題時,其語音記錄就會發送到邊緣網絡,在該網絡中,谷歌、蘋果和亞馬遜等公司使用人工智能將語音轉換為文本,從而使命令處理器能夠生成答案。
 
  如果沒有邊緣計算,等待響應的時間將會司空見慣。PubNub公司首席技術官兼聯合創始人Stephen Blum表示:“邊緣網絡允許在Doherty閾值(不到400毫秒)內獲得令人愉快的用戶體驗。谷歌、蘋果和亞馬遜在邊緣計算投入巨資,以使他們的人工智能技術能夠快速回答問題。為了與行業巨頭開展競爭,其他的企業需要投資開發邊緣人工智能。”
 
  3.如今只有一部分人工智能工作流發生在邊緣
 
  Omdia公司分析師在其主題為《邊緣設備人工智能》報告中解釋說,“如今的人工智能邊緣處理專注于將人工智能工作流的推理部分移到設備上。”
 
  IDC公司McCarthy解釋說,通常會使用歷史數據集在中央數據中心或云計算基礎設施中對人工智能模型本身進行培訓。然后,可以將這些人工智能模型部署到邊緣以針對當前數據進行推斷。
 
  SAS公司的Mann說:“實質上,企業可以在其中的一個環境中進行培訓,而在另一個環境中執行。訓練機器學習所需的大量數據和計算能力非常適合云計算,而在新數據上推理或運行訓練后的模型則非常適合在邊緣執行。”
 
  Omdia指出,在新的數據上推斷或運行訓練過的模型非常適合在邊緣執行。能夠將大型人工智能模型壓縮為小型硬件形式的模型壓縮技術可以隨著時間的推移將一些訓練推向邊緣。
 
  4.在邊緣進行實時學習需要時間
 
  PubNub公司的Blum說,“實時學習使人工智能在每次交互過程中都能不斷發展和完善。為了使人工智能能夠實時學習,矩陣(人工智能大腦)必須在接受培訓的同時還可以回答用戶的要求。這一挑戰使大多數網絡都排除了實時學習。”
 
  但是,一旦克服了這些挑戰,這將為更高級的邊緣人工智能應用打開大門。
 
  5. 邊緣人工智能需要大量數據
 
  IDC公司的McCarthy說,“只有當有足夠的數據來建立統計上相關的模型時,整個過程才會起作用。無論是從歷史數據還是獲得預期結果的數據來看,許多企業都沒有達到最低要求。”
 
  6. 從整理好數據庫開始
 
  CompTIA公司Robinson表示,“大多數組織尚未建立全面的數據管理實踐,也沒有這些類型的數據集。此外,現代人工智能比以前的軟件程序更多地基于概率。錯誤或無意義的答案的風險更高,并且如果訓練數據不完整或有任何偏見,則該風險會增加。企業與其快速安裝人工智能組件并從中獲益,還不如從徹底檢查數據開始。”
 
  同時,McCarthy表示,行業專家可以用業務邏輯代替基于數據的學習,這種學習可以實時用于多個數據流,直到企業積累了足夠良好的數據來充分利用人工智能。
 
  7.云計算到邊緣架構應具有靈活性和前瞻性
 
  SAS公司的Mann說:“在定義架構時,需要確保要針對企業規模進行設計。云計算到邊緣架構需要支持模型的部署、模型隨時間的變化,以及在安全環境中的數據傳輸。”
 
  Mann建議實施與芯片組、操作系統和云計算提供商無關的架構,以提供最大的靈活性,以實現長期的持續價值。
 
  Mann說,“盡管并非所有問題都適合邊緣人工智能,但隨著高級用例的發展,所有IT基礎設施和架構都應設計為適應邊緣分析。重要的是必須擁有一個環境,該環境可以支持將分析部署在實時或批處理所需的位置。”

第三十屆CIO班招生
法國布雷斯特商學院碩士班招生
北達軟EXIN網絡空間與IT安全基礎認證培訓
北達軟EXIN DevOps Professional認證培訓
責編:zhangwenwen
好运南京麻将安卓版 双彩网手机版下 投资理财产品排行榜k 内蒙古十一选五 环岛赛体育彩票 15选5选号杀号秘诀方法 福彩三分彩开奖结果 山东临沂配资公司 七乐彩中奖4个号 青海十一选五一定牛 股票发行注册制度