エッジ人工知能 (Edge AI) は私たちのために何をしてくれるのでしょうか?
- 人工知能 (AI) は分散コンピューティングの一種で、デバイスがユーザーと最も近い対話ポイントでデータに基づいた意思決定を行えるようにします。
- このテクノロジーの利点には、プライバシーの向上とコスト削減が含まれますが、データは通常、処理後に破棄されます。
- 5G テクノロジーや低コストの処理チップなどの今後の進歩により、スマート ホーム デバイスから医療テクノロジーに至るまで、特定のアプリケーションでエッジ AI がますます便利になるでしょう。
異常に寒い日に仕事を終えて帰宅したときに、新しいスマート サーモスタットで温度をすぐに上げて家を暖かくしたいと想像してみてください。スマートフォンから接続し、スマートフォンにアクションを実行するように依頼します。気づかないかもしれませんが、リクエストをクラウドに送信し、指示を受信するため、この操作には数秒かかる場合があります。
ここで、あなたが乗っている自動運転車が、目の前の道路に飛び出してくる犬を突然感知したと想像してください。自動車は災害を回避するためにミリ秒以内に反応する必要があります。この対応にはエッジ人工知能 (AI) が必要です。エッジ人工知能 (AI) は、ユーザーとの対話の最も近い時点で意思決定を行うことができるテクノロジーであり、この場合、自動車のセンサーが重要です。これが一瞬の決断の定義です。
動的データ
今日のモノのインターネット (IoT) では、データは常に移動しています。それはレガシー システムからクラウド、エッジ デバイスに至るまで、組織のシステムを超えてパートナーや顧客にまで流れます。回答はリアルタイムで提供される必要があるため、データがエッジ デバイス経由で処理できる場合、集中型のコンピューティング能力を使用することが必ずしも効率的であるとは限りません。自動運転車の反応時間が数ミリ秒しかない場合、クラウドが決定を下すのを待つ時間はありません。
デバイスがどこに設置されていても、膨大な量のデータをエッジの AI アルゴリズムに入力できるため、多くのメリットが得られます。動的データは、医師に重要な患者情報を提供し、遊園地の行列を短縮し、電力会社に停電の可能性を警告し、自動運転車が悲劇を防ぐために時間内に対応できるようにします。
Edge AI を使用すると、デバイスはデバイス レベルでこれらの決定を独自に行うことができます。データを処理するために必ずしもインターネットに接続する必要はありません。睡眠パターンを監視する時計を考えてみましょう。データをクラウドにプッシュして保存して処理するのではなく、時計自体にデータを記録して処理します。
エッジ対応 AI デバイスには、ビデオ ゲーム、スマート スピーカー、ドローン、ロボットも含まれます。セキュリティ カメラはエッジ機能も有効にすることができます。工場フロアのカメラは、製造プロセス中に製品の欠陥を探し、どの製品をすぐに取り出す必要があるかを迅速に特定できます。スピードが命を救う場合、エッジ AI は緊急医療のための画像分析にも使用できます。処理能力が近いほど、応答時間は速くなります。
エッジ テクノロジーはクラウドに取って代わるものではありませんが、自分だけに属するユーザー データ (睡眠パターンやゲーム データなど) はエッジ対応デバイスで処理できます。このデータの分散化により、IoT 市場の重要な問題であるプライバシーの問題が解決されます。エッジ
AI はプライバシーを損なうことなく利便性を提供できます。また、場合によっては、もっと安くなる可能性もあります。現在、ある企業は、1 台あたり数ドルの小型マイクロプロセッサを使用した、洗濯機や食器洗い機などの音声制御家電を開発しています。
「家にあるガジェットに関して言えば、もっと賢くなればいいのにと思います。」 — クライブ・トンプソン、Wiredたとえば、音声認識 AIコーヒーマシンの認識する必要がある単語は約 200 語だけであり、そのすべてがコーヒーを作る作業に関連しています。ワイアード記者のクライヴ・トンプソンは、考えてみてください、「自己認識を達成するのに、悪い冗談も照明のスイッチも必要ありません。必要なのは、『オン』と『オフ』、そして場合によっては『暗い』ことを認識することだけです。
エッジ AI は、高速かつ安価な処理に加えて、拡大し続けるインターネットを必要としません。モノのインターネットの急速な成長に伴い、現在では膨大な量のデータがエッジで検知および生成されており、その数は 2025 年までに 80 ゼタバイト近くに達すると Statista は予測しています。
これは非常に巨大であるため、今日のインターネットの帯域幅を使用して、このすべてのデータをエッジ デバイスからクラウド サーバーに転送して保存および処理することは技術的に不可能です。帯域幅が利用可能な場合でも、すべてのデータを処理するのに十分なデータ センター リソースが必要です。帯域幅要件が少なくなると、コストの削減につながります。企業が生成するデータの約 10% は、従来の集中型データ センターまたはクラウドの外部で作成および処理されます。 Gartner は、この数字が 2025 年までに 75% に達すると予測しています。 IoT の世界で最も厄介な問題の 1 つは、デバイスを買う余裕がない、またはローカル ネットワークのない地方に住んでいる多くの人々が、IoT の世界に参加できない可能性があることです。私たちの日常生活の変革に影響を与えます。ネットワーク容量が制限されていると、悪循環になる可能性があります。エッジ ネットワークは構築が簡単ではなく、高価になる可能性があります。発展途上国は、より新しいテクノロジーを必要とするエッジデバイスを介したデータ処理能力においてさらに遅れをとる可能性があります。したがって、エッジ コンピューティングの成長は、特に生活を変える人工知能や IoT デバイスのアクセシビリティに関連する場合、構造的不平等が増大する可能性があるもう 1 つの方法です。 エッジ AI のもう 1 つのリスクは、データが処理後に破棄される可能性があることです。その性質上、データは「エッジで」保存されるためにクラウドに到達できない可能性があります。コストを節約するために情報を破棄するようにデバイスに指示できます。中央処理とストレージには確かに欠点がありますが、利点は、必要なときにデータがそこにあることです。 人工知能 (AI) は、家庭、企業、学校、さらには公共空間など、社会のあらゆる側面に影響を与えています。しかし、テクノロジーが急速に進化するにつれ、説明責任、透明性、プライバシー、公平性を最適化するために複数の関係者の協力が必要になります。 テクノロジー ガバナンスの未来を形作るための世界経済フォーラムのプラットフォーム: 人工知能と機械学習は、イノベーションを推進し、信頼を構築するために多様な視点を結集しています。 あなたと自動運転車だけが空いている道路を走行している場合、その大量のデータは重要ではないように思えるかもしれませんが、もう一度考えてください。この何もない道路のデータからは、道路状況やその状況下で車両やその他の同様の車両がどのように動作するかに関する情報など、多くのことを学ぶことができます。最後に、エッジ コンピューティングに関しては、ネットワークのコストと生み出される価値のバランスを確保するために、明確なビジネス ケースを精査する必要があります。 それでも、不平等やデータ損失にもかかわらず、5G テクノロジーの進歩とより安価な処理チップのおかげで、「最先端」がどのようにここに留まるかは簡単にわかります。それがあなたであっても、自動運転車はコーヒーメーカーもあるので、通勤の準備もできます。 リスクと報酬のバランスをとる
人工知能、機械学習、テクノロジー
世界経済フォーラムは、人工知能の開発がすべての利害関係者に利益をもたらすことをどのように保証しているのでしょうか?
以上がエッジ人工知能 (Edge AI) は私たちのために何をしてくれるのでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

フロントエンド開発の世界では、VSCode はその強力な機能と豊富なプラグイン エコシステムにより、数多くの開発者に選ばれるツールとなっています。近年、人工知能技術の急速な発展に伴い、VSCode 上の AI コード アシスタントが登場し、開発者のコーディング効率が大幅に向上しました。 VSCode 上の AI コード アシスタントは雨後のキノコのように出現し、開発者のコーディング効率を大幅に向上させました。人工知能テクノロジーを使用してコードをインテリジェントに分析し、正確なコード補完、自動エラー修正、文法チェックなどの機能を提供することで、コーディング プロセス中の開発者のエラーや退屈な手作業を大幅に削減します。今日は、プログラミングの旅に役立つ 12 個の VSCode フロントエンド開発 AI コード アシスタントをお勧めします。
