Edge AI: Fünf Trends, die Sie im Auge behalten sollten

Künstliche Intelligenz am Rande entwickelt sich ständig weiter und hat unzählige Anwendungen, darunter selbstfahrende Autos, Kunst, Gesundheitswesen, personalisierte Werbung und Kundenservice. Im Idealfall bietet die Edge-Architektur eine geringere Latenz, da sie näher an den Anforderungen liegt.

Es wird vorhergesagt, dass der Spitzenmarkt für künstliche Intelligenz von 1,4 Millionen US-Dollar im Jahr 2021 auf 8 Millionen US-Dollar im Jahr 2027 wachsen wird, mit einer durchschnittlichen jährlichen Wachstumsrate von 29,8 %. Ein Großteil dieses Wachstums wird auf Faktoren wie künstliche Intelligenz für das Internet der Dinge, tragbare Verbrauchergeräte und den Bedarf an schnellerer Datenverarbeitung in 5G-Netzwerken zurückzuführen sein. Dies bringt Chancen und Bindung mit sich, da die Echtzeitdaten von Edge AI anfällig für Cyberangriffe sind.

Werfen wir einen Blick auf fünf Trends, die den Bereich Edge AI im nächsten Jahr voraussichtlich prägen werden. Eine der großen Veränderungen heute ist die Möglichkeit, KI-Verarbeitung ohne Cloud-Verbindung auszuführen. Beispielsweise können zwei kürzlich veröffentlichte neue Chipdesigns die Rechenleistung von IoT-Geräten extrem steigern und Remote-Server oder Cloud-Computing überspringen. Ihr aktueller Cortex-M-Prozessor beherrscht die Objekterkennung, während mit dem Ethos-U55 von ARM weitere Funktionen wie Gesten- oder Spracherkennung zum Einsatz kommen. Googles Coral, ein Toolkit zum Erstellen von Produkten mithilfe nativer KI, verspricht ebenfalls, große Mengen an KI „offline“ zu verarbeiten.

maschinelles Lernen in Aktion

Best Practices für maschinelle Lernvorgänge werden beweisen, dass Edge-KI ein wertvoller Geschäftsprozess ist. Die IT-Produktion braucht einen neuen Lebenszyklus – so zumindest die Spekulation bei der Entwicklung von MLOps. MLOps können Unternehmen dabei helfen, Daten zu streamen und an die Edge zu übertragen. Da immer mehr Unternehmen entdecken, was in Bezug auf Edge-KI am besten für sie funktioniert, kann sich ein fortlaufender Aktualisierungszyklus als effektiv erweisen. Um mehr Rechenleistung am Edge leisten zu können, benötigen Unternehmen maßgeschneiderte Chips, die ausreichend Leistung bereitstellen. Ein Beispiel ist ein KI-Beschleunigerchip gepaart mit einer Software-Suite, die im Wesentlichen KI-Modelle in Rechendiagramme umwandelt. IBM veröffentlichte 2021 seine erste Beschleunigerhardware mit dem Ziel, Betrug zu bekämpfen.

Neue Anwendungsfälle und Möglichkeiten für Computer Vision

Computer Vision ist weiterhin einer der Hauptanwendungen von Edge-KI. Eine wichtige Entwicklung in diesem Bereich ist die multimodale künstliche Intelligenz, die Daten aus mehreren Datenquellen bezieht, über das Verständnis natürlicher Sprache hinausgeht, Gesten analysiert und Inspektionen und Visualisierung durchführt. Dies könnte für KI nützlich sein, die nahtlos mit Menschen interagiert, beispielsweise Einkaufsassistenten.

Vision-Algorithmen höherer Ordnung können jetzt Objekte mithilfe feinkörnigerer Merkmale klassifizieren. Die Bestimmung der Marke und des Modells geht tiefer als die Identifizierung des Autos.

Es ist schwierig, ein Modell zu trainieren, um granulare Merkmale zu identifizieren, die für jedes Objekt einzigartig sind. Allerdings sind Methoden wie die Merkmalsdarstellung unter Verwendung feinkörniger Informationen, die Segmentierung zum Extrahieren spezifischer Merkmale, Algorithmen zur Normalisierung von Objektposen und mehrschichtige Faltungs-Neuronale Netze aktuelle Möglichkeiten, dieses Ziel zu erreichen.

Zu den ersten Anwendungsfällen in Unternehmen gehören Qualitätskontrolle, Echtzeitverfolgung der Lieferkette, die Verwendung von Snapshots zur Identifizierung interner Standorte und die Erkennung von Deepfakes.

Das Wachstum der künstlichen Intelligenz bei 5G beschleunigt sich

5G und fortschrittlichere Technologien kommen. Auf Telekommunikationsanbieter warten Satellitennetze und 6G. Für den Rest von uns wird es einige Zeit dauern, bis wir vom 4G-Kernnetz, das mit einigen 5G-Diensten kompatibel ist, vollständig auf die Netze der nächsten Generation umsteigen können.

Was hat das mit künstlicher Edge-Intelligenz zu tun? KI auf 5G kann KI-Anwendungen eine bessere Leistung und Sicherheit verleihen. Es kann einige der Vorteile geringer Latenz bieten, die für künstliche Intelligenz erforderlich sind, und neue Anwendungen wie Fabrikautomatisierung, Mauterhebung und Fahrzeugtelemetrie sowie intelligente Lieferkettenprojekte erschließen.

Es gibt mehr aufkommende Trends in der Edge-KI, als wir auflisten können. Insbesondere kann seine Entwicklung einige Veränderungen auf menschlicher Seite erfordern. Das Edge-KI-Management wird zur Aufgabe der IT-Abteilungen, und die Kosten können durch den Einsatz von IT-Ressourcen optimiert werden, anstatt die Verwaltung von Edge-Lösungen den Geschäftsbereichen zu überlassen.

Das obige ist der detaillierte Inhalt vonEdge AI: Fünf Trends, die Sie im Auge behalten sollten. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!