Mengapa pengkomputeran tepi dan strategi kecerdasan buatan mesti saling melengkapi

Banyak perusahaan sedang meneroka kes penggunaan pengkomputeran tepi kerana kuasa pengkomputeran boleh didekati lebih dekat dengan sumber data dan lebih dekat kepada pengguna akhir. Pada masa yang sama, kecerdasan buatan atau pembelajaran mesin mungkin sedang diterokai atau dilaksanakan, dan automasi penemuan dan memperoleh cerapan terdorong data juga telah diiktiraf. Tetapi jika anda tidak menggabungkan strategi kelebihan dan AI secara proaktif, anda akan terlepas potensi perubahan.

Penglibatan dalam bidang kecerdasan buatan

Terdapat tanda-tanda jelas bahawa analisis tepi dan analisis data sedang bertumpu. Menurut data, menjelang 2025, penciptaan data tepi akan meningkat sebanyak 33%, menyumbang lebih daripada satu perlima data Menjelang 2023, profesional analisis data akan memfokuskan lebih daripada 50% tenaga mereka pada mencipta dan menganalisis data tepi. Penyelesaian tepi adalah sangat atau amat penting untuk mencapai misi perusahaan. 78% daripada pemimpin percaya kelebihan itu akan memberi impak terbesar pada AI dan ML.

Secara tradisinya, perusahaan perlu memindahkan data jauh ke pusat data atau awan komersial untuk melakukan analisis dan mengekstrak nilai. Ini boleh mencabar dalam persekitaran kelebihan disebabkan oleh peningkatan volum data, terhad atau tiada akses rangkaian, dan peningkatan keperluan untuk membuat keputusan yang lebih pantas dalam masa nyata.

Tetapi hari ini, ketersediaan dipertingkatkan set cip berkapasiti kecil, pengiraan dan storan berketumpatan tinggi serta teknologi rangkaian mesh telah meletakkan asas bagi perusahaan untuk menggunakan beban kerja AI lebih dekat dengan sumber pengeluaran data.

Bermula dengan Edge AI

Untuk mendayakan kes penggunaan edge AI, kenal pasti di mana keputusan data hampir masa nyata boleh meningkatkan pengalaman pengguna dengan ketara dan mencapai matlamat misi. Kami melihat peningkatan bilangan kes penggunaan kelebihan yang tertumpu pada kit penerbangan generasi akan datang untuk menyokong penguatkuasaan undang-undang, keselamatan siber dan penyiasatan kesihatan. Apabila penyiasat pernah mengumpul data untuk pemprosesan seterusnya, suite penggunaan baharu termasuk alat lanjutan untuk memproses dan meneroka data di lapangan.

Seterusnya, tentukan tempat untuk menghantar sejumlah besar data tepi. Jika data boleh diproses di lokasi terpencil, maka hanya keputusan yang perlu dipindahkan. Dengan memindahkan hanya sebahagian kecil data anda, anda membebaskan lebar jalur, mengurangkan kos dan membuat keputusan dengan lebih cepat.

Gunakan komponen tepi yang digandingkan longgar untuk mencapai kuasa pengkomputeran yang diperlukan. Satu sensor tidak boleh melakukan pemprosesan. Tetapi rangkaian mesh berkelajuan tinggi membenarkan nod yang disambungkan, sesetengah daripadanya mengendalikan pengumpulan data, dan yang lain memproses dan sebagainya. Model ML malah boleh dilatih semula di tepi untuk memastikan ketepatan ramalan yang berterusan.

Infrastruktur sebagai kod untuk AI jauh

Amalan terbaik untuk edge AI ialah kod infrastruktur. Kod infrastruktur membenarkan konfigurasi rangkaian dan keselamatan diuruskan melalui fail konfigurasi dan bukannya melalui perkakasan fizikal. Menggunakan kod infrastruktur, fail konfigurasi termasuk spesifikasi infrastruktur, menjadikannya lebih mudah untuk menukar dan mengedarkan konfigurasi dan memastikan persekitaran diperuntukkan secara konsisten.

Juga pertimbangkan untuk menggunakan perkhidmatan mikro dan menjalankannya di dalamnya serta memanfaatkan keupayaan operasi pembangunan seperti saluran paip CI/CD, giitop, dll. di tepi untuk mengautomasikan penggunaan berulang model ML ke dalam persekitaran pengeluaran dan menyediakan kod Tulis sekali dan gunakannya di mana-mana sahaja dengan fleksibiliti.

Kita harus berusaha untuk menggunakan teknologi dan alatan yang konsisten di bahagian tepi dan teras. Dengan cara ini, tiada kepakaran khusus diperlukan, isu sekali sahaja dapat dielakkan dan ia boleh dikembangkan dengan lebih mudah.

Edge AI dalam dunia nyata dan seterusnya

Semua orang daripada tentera hingga penguatkuasa undang-undang kepada agensi yang menguruskan infrastruktur kritikal sedang melaksanakan AI di tepi. Contohnya, Stesen Angkasa Antarabangsa.

Stesen Angkasa Antarabangsa termasuk makmal di tapak untuk menjalankan penyelidikan dan eksperimen pengendalian. Dalam satu contoh, saintis menumpukan pada penjujukan genom DNA mikroorganisma yang ditemui di Stesen Angkasa Antarabangsa. Penjujukan genom menjana sejumlah besar data, tetapi saintis hanya perlu menganalisis sebahagian daripadanya.

Pada masa lalu, Stesen Angkasa Antarabangsa menghantar semua data ke stesen bumi untuk pemprosesan terpusat, selalunya dengan banyak terabait data bagi setiap jujukan. Pada kadar penghantaran peralihan, data boleh mengambil masa berminggu-minggu untuk sampai kepada saintis di Bumi. Tetapi memanfaatkan kuasa kelebihan dan kecerdasan buatan, penyelidikan dilakukan secara langsung di Stesen Angkasa Antarabangsa, dengan hanya hasil yang dihantar ke tanah. Analisis kini boleh dilakukan pada hari yang sama.

Sistem ini mudah diurus dalam persekitaran yang ruang dan kuasa terhad. Kemas kini perisian ditolak ke tepi keperluan dan latihan model ML dilakukan di tapak. Dan sistem ini cukup fleksibel untuk mengendalikan jenis analisis berasaskan ML yang lain pada masa hadapan.

Menggabungkan kecerdasan buatan dan pengkomputeran tepi membolehkan perusahaan melakukan analisis di mana-mana sahaja. AI boleh diskalakan dan diskalakan di lokasi terpencil dengan rangka kerja biasa dari teras ke tepi. Dengan meletakkan analitik berdekatan dengan tempat data dijana dan pengguna berinteraksi, keputusan boleh dibuat dengan lebih pantas, perkhidmatan boleh dihantar dengan lebih pantas dan tugasan boleh ditingkatkan ke mana-mana sahaja ia diperlukan.

Atas ialah kandungan terperinci Mengapa pengkomputeran tepi dan strategi kecerdasan buatan mesti saling melengkapi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!