#AI はもはや SF 映画の主題だけではなく、驚くべき速度で日常生活のあらゆる側面に適用されています。個人的な関係から仕事のプロジェクトに至るまで、AI は私たちの考え方や行動の仕方を徐々に変えています。
その中でも代表的な分野がNextGEN Edge AI（次世代エッジ人工知能）アプリケーションです。時間とコストを節約しながら、ランキング、分類、デザインなどの複数のモードを通じて没入型で直感的で楽しいユーザー エクスペリエンスを提供します。
NextGEN Edge AI は、エッジ インテリジェンスまたは次世代人工知能とも呼ばれ、エッジ コンピューティングと機械学習タスクを追跡および実行するために使用される人工知能テクノロジー。エッジ デバイスのコンピューティング能力とデータ処理機能を利用して、インテリジェントな意思決定と分析を実現し、クラウド コンピューティングへの依存を軽減します。 NextGEN Edge AI は、インテリジェンスをエッジにプッシュすることで応答時間を短縮し、データのプライバシーとセキュリティを向上させます。これは、スマート
エッジ AI ワークフローなど、さまざまな分野で重要な役割を果たします。多くの場合、集中データ センター (クラウドやデバイスなど) からのデータやエッジ リソースからのデータが使用されます。クラウド AI の方が一般的であり、開発と実行は主にクラウド コンピューティングの能力に依存しています。エッジ AI には、リモート デバイス、IoT デバイス、専用エッジ サーバーなどのコンポーネントが含まれます。このアーキテクチャにより、データの保存と計算がより便利になり、ユーザーによるデータへのアクセスも容易になります。
Edge AI は、AI アルゴリズムとローカル デバイス上のエッジ コンピューティング機能を組み合わせているため、接続や統合を維持することなくデータを処理および分析できます。これにより、ユーザーは異種のソースからデータにアクセスできるようになり、システムのダウンタイムや遅延が軽減されます。そこで、エッジAIはエッジコンピューティングとAIプロセスを統合することでデータ処理の効率を向上させます。
さらに、NextGEN Edge AI は、物理的な場所と対話することなく AI プロセスを基本コンポーネントに統合することに成功し、ユーザーのニーズに合わせた効率的なサポートと便利なユーザー データ構築を提供します。
AI というと、視覚、言語、行動、物体認識、自動運転、言語理解などのインテリジェントなスキルを実現するために人間をシミュレートする機械をよく考えます。これらのスキルを実現するために、AI はディープ ニューラル ネットワーク (DNN) と呼ばれるシステムを使用します。さまざまなトレーニング タスクが与えられると、これらの DNN は多くの特定の種類の質問を生成し、それらに対応する正解の例を提供します。
ディープラーニングは、データセンターまたはクラウドでのトレーニングが必要なテクノロジーです。正確なモデルを取得するために、データ サイエンティストは多くの場合、大量のデータのサポートとコラボレーションを必要とします。トレーニングが完了すると、モデルを推論エンジンで実行して現実世界の問題を解決できます。推論エンジンはトレーニングされたモデルを実行し、入力データに基づいて予測を生成します。この技術は、画像認識、自然言語処理、レコメンドシステムなど幅広い用途に利用できます。ディープラーニングと推論エンジンを組み合わせることで、現実世界の複雑な問題をよりよく理解し、対応できるようになります。
通常、Edge AI が展開されると、推論エンジンは工場、病院、自動車、衛星、家庭などのリモート コンピューターおよびデバイス上で実行されます。 Edge AI モデルが展開されると、これらのデバイスは関連情報を継続的に取得します。より多くのトレーニングを実施するために、エッジ デバイスは多くの場合、大規模で退屈なデータ セットを収集し、クラウドに送信します。同時に、AI が問題に遭遇すると、エッジの推論エンジンが置き換えられるため、パフォーマンスのフィードバック ループが大幅に改善されます。
Edge AI の分野では、通常、次の 2 つのインテリジェント コンポーネントが研究の焦点です。
#定義上、エッジ コンピューティングは、データが収集されるノードでローカルにデータをコンピューティングおよび保存するプロセスです。したがって、データを収集、分析、処理するために、ネットワークのエッジに分散された複数のプロセスが関与することがよくあります。
AI は強化された分析機能と自動化を組み合わせることができ、機械が人間の認知レベルを模倣して言語を理解して問題を解決し、さらにはより機能的なエッジデバイス。
近年、エッジ AI アプリケーションの使用は、新たなビジネス チャンスとイノベーションをもたらしています。製造、医療、エネルギーなどの多くの業界が、エッジ AI アプリケーションのコア機能を使用しています。以下では、2 つの典型的な業界アプリケーションについて説明します。
エネルギー業界には、需要が高いものと低いものがある傾向があります 安定した特性。それは他の産業に直接的または間接的に影響を与えるだけでなく、それによって引き起こされる潜在的な供給の脅威は人類全体の健康と福祉を混乱させるでしょう。
Edge AI は、履歴データ、気象特性、その他の情報に基づいて複雑なモデルを生成し、インテリジェントな予測を通じてエネルギーの生成、分配、管理、監視を調整できます。
現代の医療組織と医療専門家は、エッジ AI を使用して患者の寿命を延ばすことができ、生活水準はこの医療業界の最終目標です。同時に、AI を搭載したエッジデバイスを使用することで、医療専門家は遠隔手術を実行し、患者の日常の生理活動を監視することもできます。
一般的なクラウドベースの AI と比較して、Edge AI には次の利点があります。
各トレーニングと計算はローカルで実行されるため、クラウドとの通信の応答待機に多くの時間を費やす必要はありません。
Edge AI を使用すると、音声、ビデオ、高忠実度のセンサー データをすべてセルラー ネットワーク経由で送信できます。より少ない帯域幅と関連コストで送信されます。
ローカライズされた処理により、機密データが送信中に傍受されたり、クラウドに保存されたりするリスクが軽減されます。
ネットワークやクラウド サービスに障害が発生した場合でも、AI はローカルで実行できます。これは、自動運転や産業用ロボットなどのアプリケーションシナリオにおいて明らかな利点があります。
#電力削減エッジ テクノロジーの未来
現在、ほとんどの Edge AI アルゴリズムは、デバイスを通じて表示されたデータに対してローカル推論を直接実行できます。デバイス近くのセンサーの集合からのデータを使用することで、将来的にはより洗練された推論ツールを開発し、対応するエッジ AI オーケストレーションを継続的に改善できるようになります。
さらに、これに関連する共同深層学習も有望な技術です。元のデータの対応するサブセットをクラウドにアップロードすることでトレーニング プロセスを改善できるだけでなく、エッジ デバイス上で AI トレーニングをローカルに更新することもできます。これはモデルを手動で更新することではなく、Edge AI のプライバシーとセキュリティを向上させるために更新をクラウドにアップロードすることであることに注意してください。
概要
翻訳者紹介
原題: The Next-Generation AI Application: What Is It and How Does It Work?、著者: Bharat P
リンク: https://dzone.com/articles/the-next-generation-ai-application-what-is-it-and。
以上が次世代エッジAIの応用に関する予備的検討の詳細内容です。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。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
