클라우드 대 엣지 AI: 귀하의 시설에 가장 적합한 것은 무엇입니까?
건물 관리자는 전례 없는 속도로 자신이 담당하는 자산에 스마트 기술을 통합하고 있습니다. Juniper Research에 따르면 전 세계 스마트 빌딩의 수는 2026년까지 150% 증가하여 올해 4,500만 개에서 1억 1,500만 개 이상으로 증가할 것입니다. 배포가 이렇게 극적으로 증가한 데는 그럴 만한 이유가 있습니다. 최첨단 자동화 소프트웨어 및 시스템은 소유주에게 점유율, 실내 공기 질(IAQ) 및 유틸리티 사용량과 같은 운영 매개변수를 지속적으로 모니터링하여 전례 없는 수준의 안전성과 효율성을 달성할 수 있는 기회를 제공합니다.
그러나 스마트 기술을 시설에 통합하는 것은 일부 건물 관리자에게는 불안할 수 있습니다. 자동화 시스템을 채택할 때 내려야 하는 결정은 복잡하며 익숙하지 않은 요소가 포함될 수 있습니다. 그러나 HVAC, 조명 제어 및 냉각기를 마스터한 것처럼 건물 관리자는 사물 인터넷(IoT), 네트워킹 및 인공 지능(AI)에 대해서도 배울 수 있습니다.
인공 지능 기반 사물 인터넷(AIoT) 시스템은 특히 위협적일 수 있지만 건물 효율성, 안전 및 지속 가능성을 극대화하는 가장 강력한 방법 중 하나가 될 수 있습니다. AI는 엣지(Edge AI) 또는 클라우드(cloud AI)에 적용될 수 있습니다. 두 가지 모두 응용 프로그램의 목표와 요구 사항에 따라 장점이 있으며, 각각(또는 두 가지의 조합)을 언제 사용해야 하는지 아는 건설 관리자는 장점이 있습니다.
원격 스토리지와 로컬 스토리지의 차이점을 이해하세요
오늘 배포되는 AI는 원래 클라우드 컴퓨팅 기술로 탄생했습니다. 이러한 시스템 뒤에 있는 기계 학습 알고리즘에는 알고리즘을 훈련하고 이를 호출하여 통찰력을 제공하는 추론이라는 프로세스를 수행하는 데 상당한 컴퓨팅 성능이 필요합니다. 최근까지 로컬 인프라에는 이러한 작업을 효율적으로 수행할 수 있는 리소스가 거의 없었기 때문에 건물 운영자는 데이터 센터 외부에서 AI 애플리케이션을 실행해야 했습니다.
그러나 원격 데이터 센터 외부에서 스마트 빌딩 애플리케이션을 실행하는 데에는 고유한 제한 사항이 있습니다. 연결, 대역폭 비용, 보안 및 대기 시간(데이터를 클라우드로 보내고 다시 보내는 데 걸리는 시간)은 시스템 효율성에 영향을 미칠 수 있습니다. 기계나 건물 자동화 시스템 전체에 장애가 발생할 경우 경보와 자동화된 대응이 최대한 즉각적으로 이루어져야 합니다.
차세대 엣지 컴퓨팅 기술은 이 문제를 크게 완화합니다. 시설에 설치된 인프라에는 이러한 컴퓨팅 집약적인 워크로드에 필요한 처리 능력이 있습니다.
7년 전에 설립된 FogHorn과 같은 회사는 건물 운영을 디지털 방식으로 혁신하기 위한 새로운 가능성을 창출하는 최첨단 AI 기술을 개발했습니다. 여기에는 저가형 엣지 컴퓨팅 장치에서 효율적으로 실행되도록 AI 모델을 최적화하기 위한 고급 기술(Edgification이라고 함)이 포함됩니다. Johnson Controls는 2022년 초에 FogHorn을 인수했으며 이제 OpenBlue 플랫폼에 엣지 기술을 통합했습니다.
로컬 기능 격차를 해소함으로써 엣지 장치는 건물을 최대한 효율적이고 효과적으로 운영한다는 목표를 달성하는 데 중요한 건축 구성 요소를 제공합니다.
클라우드와 Edge AI 사이의 선택
Edge AI의 출현으로 지능형 자동화 기술 구현을 고려하는 건설 관리자는 이제 AI를 온프레미스에 배포할지 아니면 클라우드에 배포할지에 대한 질문에 거의 필연적으로 직면하게 됩니다. 이 문제에 직면한 사람들이 고려해야 할 몇 가지 간단한 경험 법칙이 있습니다.
Edge AI는 다음과 같은 경우에 가장 잘 작동합니다.
- 작업이 실시간 또는 거의 실시간으로 수행되어야 합니다. 운영 문제를 감지하고 자동으로 경고 또는 대응을 발행하는 지능형 자동화 시스템은 지연이 최소화될 때 가장 잘 작동하는 경향이 있습니다.
- 시스템의 로컬 제어가 필요합니다. 클라우드에서 기계를 종료하거나 제어 시스템을 조정하면 보안 및 대기 시간 문제가 발생하는 경우가 많습니다.
- 데이터 전송 및 저장 비용에 제한이 있습니다. 예를 들어, 인기 있는 AI 애플리케이션인 컴퓨터 비전 AI 모델을 통해 여러 카메라의 고화질 이미지를 분석하는 비디오 감시 시스템을 생각해 보세요. 모든 데이터를 클라우드로 보내고 저장하는 데 비용이 빨리 들 수 있습니다.
다음과 같은 경우 클라우드가 더 좋을 수 있습니다.
- 철저한 데이터 분석을 완료하세요. 건설 관리자는 AI 분석을 기반으로 운영 방식을 더 깊이 이해하거나 시설의 "디지털 트윈" 버전에 대한 시뮬레이션 연습을 실행하려는 경우가 많습니다. 이러한 종류의 데이터 분석은 일반적으로 실시간으로 수행될 필요가 없으므로 관리자가 가장 강력한 하드웨어 및 소프트웨어 도구를 활용하여 모든 규모에서 작업을 수행할 수 있는 클라우드에서 가장 잘 수행됩니다.
다음과 같은 경우 두 가지를 조합하는 것이 가장 좋습니다.
- 여러 건물을 운영하고 건물 간의 정보를 연관시키는 경우. 클라우드를 사용하면 중앙 집중식 데이터 센터 및 명령 센터가 가능합니다. 실제로는 개별 건물의 일부 초기 처리가 엣지 AI를 통해 수행된 다음 클라우드 AI가 여러 건물의 집계된 데이터에서 실행되고 다른 데이터 소스와 결합되는 하이브리드 접근 방식이 종종 채택됩니다.
AI 채택을 위한 첫 번째 단계를 수행하세요
이러한 결정은 건설 관리자가 혼자 내릴 필요가 없다는 점을 기억하는 것이 중요합니다. AI가 가장 적합한 곳에 배치되도록 보장할 수 있는 전문 기술 제공업체가 있습니다. A 특별한 요구 사항이 있는 장소. 건설 관리자는 데이터 과학자가 될 필요가 없으며 AI와 기본 기계 학습 알고리즘의 모든 측면을 완전히 이해할 필요는 없습니다. 대신 전문 기술 공급업체와 협력하여 AI가 뒤에서 마법을 작동하도록 할 수 있습니다.
현재 대규모 직장 복귀 정책을 시작하는 많은 조직과 마찬가지로 Oracle은 팬데믹의 여파를 스마트 빌딩 시스템을 도입하는 독특한 순간으로 보고 있습니다. 몇 년 동안 팬데믹으로 인해 폐쇄된 후, 직원들은 편의 시설을 쉽게 이용할 수 있고, 협업 도구가 어디에나 있고, 공기 질이 모니터링되고, 혼잡이 제한되고, 회사가 활력이 넘치는 실제 작업장에 매달리고 있습니다. 지속 가능한 개발 목표는 다음과 같은 측면에서 달성됩니다. 에너지 및 에너지 사용, 물 및 폐기물 감소. 건물 점유율이 여전히 역사적으로 낮은 수준인 상황에서 실행할 필요가 없는 시스템을 종료하면 효율성을 크게 높이는 데 도움이 될 수 있습니다.
이러한 변화하는 직장 역학과 기대는 IoT 기술, 이를 연결하는 고급 네트워크, 이를 제어하는 인공 지능 시스템에 대한 새로운 투자를 평가할 기회가 될 수 있습니다. 이는 또한 점유율, 직원 경험 요구 사항, 사이트 소유권 및 사용 사례 중요도(예: 연구실 대 사무실 공간)를 기반으로 더 나은 결정을 내릴 수 있도록 작업장을 발전시킬 수 있는 기회이기도 합니다.
건물 관리자는 자동화 제어 시스템에 대한 투자 여부를 결정할 때 역사적으로 일정을 우선시했습니다. 더이상. 새로운 주요 고려 사항은 활용도 지표입니다. 모든 사람이 돌아올 것이라는 사실을 당연하게 여기지 않고 많은 기업이 하이브리드 근무 정책을 채택하고 있습니다.
더 스마트하고 안전하며 지속 가능한 공간 만들기
처음으로 사무실은 매력적이고 효율적인 업무 환경으로서 가정과 경쟁해야 합니다. 사람들은 사무실의 실내 공기질(IAQ)이 모니터링되고, 물과 에너지 같은 자원이 효율적으로 사용되며, 거주하는 방이 편안하다는 사실을 알고 자신감을 갖고 싶어합니다. AIoT 시스템은 건물을 더욱 에너지 효율적이고, 건강하고, 자율적이고, 안전하고, 거주자의 요구에 보다 잘 대응하도록 만드는 데 도움이 될 수 있습니다.
이에 대응하여 신규 및 기존 건물 관리자는 AIoT 자동화 시스템을 구현하고 운영을 최적화하는 데 필요한 새로운 기술을 습득할 수 있도록 스마트 기술 제공업체의 지원을 구하고 있습니다. 귀중한 교훈은 AI를 온프레미스 또는 클라우드에 배포하는 시기입니다. 엣지 또는 클라우드 AI가 건물 목표 및 애플리케이션 요구 사항에 부합하는지 판단하면, 정보를 갖춘 건물 관리자는 AI가 건물 활성화에 도움이 되는 건강한 공기, 편안한 공간, 효율적인 운영을 보장하는 데 도움이 될 것이라고 믿을 수 있습니다.
위 내용은 클라우드 대 엣지 AI: 귀하의 시설에 가장 적합한 것은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다

1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품
