Mengapa AI masih menghadapi cabaran dan batasan

Kepintaran semakin berkembang pesat dan hari ini kami akan menghadapi kesukaran untuk mencari vendor teknologi perusahaan yang tidak memperluaskan platform terasnya dengan kecerdasan buatan (gen-AI) dan pembelajaran mesin (ML) generasi baharu. AI Generatif dan penggunaan model bahasa besar (LLM), penciptaan pangkalan data vektor dan trend teknologi baharu pepejal lain secara senyap menjejaskan cara AI dibina dalam dekad akan datang

Edge menyamai Internet Perkara

Apabila kita bercakap tentang pengkomputeran the edge, Kami biasanya merujuk kepada peranti pengkomputeran yang wujud dalam ruang Internet of Things (IoT). Daripada bandar pintar terpencil dan penderia peralatan industri, kamera, pecutan pecutan dan peranti ukuran giroskop, kepada komputer daftar masuk kios lapangan terbang, peralatan tempat jualan dan apa-apa sahaja yang mempunyai ketersambungan rangkaian dan pangkalan data atau keupayaan storan. dan memproses maklumat untuk mendapatkan semula dan analisis kemudian, atau kedua-duanya.

Bagi mereka yang menegaskan kemurnian bahasa dan teknologi, pengkomputeran tepi adalah fenomena yang berlaku pada peranti IoT, jadi kedua-dua istilah itu tidak betul-betul sama. Walaupun konteks khusus dan penjelasan yang diperlukan perlu disediakan, kita kini boleh menggunakan kecerdasan buatan pada peranti edge, iaitu peranti pintar bandar pintar kita sebenarnya semakin pintar

Perbualan tentang kecerdasan buatan Terdapat semakin banyak perbincangan tentang edge artificial kecerdasan. Apa-apa sahaja yang boleh disambungkan akan dijana di tepi, dan banyak data sudah dijana. Skala keadaan ini dengan cepat mengatasi lebar jalur rangkaian yang tersedia untuk memuat naik semua data ini ke awan, dan diburukkan lagi oleh fakta bahawa rangkaian hari ini tidak dioptimumkan untuk muat naik tetapi untuk muat turun. Ini, ditambah pula dengan cabaran lain seperti kos, kependaman, keselamatan dan privasi, akan memerlukan sumber AI untuk dialihkan ke data, bukan sebaliknya

Kami boleh menggunakan AI di pinggir dengan cara yang berbeza. Dalam sesetengah kes, perusahaan akan menggunakan penderia pintar yang menyepadukan sumber pengkomputeran, termasuk teknologi seperti pemproses gerakan digital (DMP) yang boleh mengautomasikan pelbagai peringkat analisis

Anda boleh memilih untuk menggunakan penderia asas DMP (platform pengurusan data). yang hanya mengumpul data dan mengeluarkannya dalam format mentah, kemudian perlu dianalisis oleh alat luaran. Walaupun penderia asas memerlukan lebih banyak kerja daripada pembangun untuk mendapatkan output yang diingini, ia menawarkan model "buat sendiri" dan bukannya bergantung pada pengehadan kecerdasan buatan terbenam pada peranti pintar

Kaedah analitik dalam dan luar peranti

Hari ini kita melihat dua pendekatan. Tidak kira jenis penderia, analisis data lanjutan dan perisian kecerdasan buatan perlu dijalankan berhampiran atau dalam penderia. Kedua-dua pendekatan sensor mempunyai kelebihan dan kekurangan dari segi kos, kecekapan, skalabiliti dan fleksibiliti. Walau bagaimanapun, dalam persekitaran tepi, infrastruktur pengkomputeran tepi diperlukan untuk menangani cabaran lokasi ini

Keperluan untuk penderia pintar termasuk mengendalikan sejumlah besar data yang dijana, sambungan internet malar atau hampir malar, dan keperluan kuasa yang berpotensi besar. Untuk penderia asas dapat menjana data dalam masa nyata, terdapat juga keperluan untuk menghantar data yang dijana sepenuhnya ke lokasi kedua untuk diproses

Apabila melaksanakan AI kelebihan, terdapat cabaran yang perlu ditangani di luar penderia itu sendiri . Ini termasuk pemutusan hubungan antara teknologi maklumat (IT) dan kemahiran teknologi operasi (OT). Orang yang sebenarnya mengendalikan lapangan adalah berbeza daripada orang yang membangunkan model AI, dan setiap peranan mempunyai keutamaan dan kepakaran yang berbeza. Kedua-dua pasukan mesti bekerjasama untuk berjaya melaksanakan AI di pinggir

Semasa menangani cabaran teknikal mengurus kerumitan yang datang dengan menggunakan AI/ML dalam dunia sebenar dalam persekitaran yang heterogen dan keadaan perubahan besar-besaran, adalah penting untuk Ada adalah keperluan untuk menyediakan mekanisme penyampaian yang konsisten untuk alatan AI, yang memerlukan model pelaksanaan dan infrastruktur pengkomputeran tepi

Pada masa ini, banyak projek AI tepi masih dalam peringkat makmal atau percubaan lapangan terhad. Apabila perusahaan mula mempertimbangkan penggunaan pengeluaran berskala penuh merentasi ratusan ribu lokasi, mereka mesti membina asas orkestrasi yang boleh menangani pelbagai cabaran kelebihan yang berbeza seperti kepelbagaian, keselamatan dan kekangan sumber serta Memahami sepenuhnya prestasi lapangan untuk menyediakan untuk analisis tidak tepat atau isu lain yang mungkin timbul

Ringkasan

Hari ini kita dapat melihat banyak industri berjaya melaksanakan projek dalam persekitaran teragih, seperti pelbagai kedai runcit, ladang solar dan Kemudahan pembuatan, sesetengah syarikat menggunakan penderia asas untuk menghantar data ke nod tepi atau bahkan membenamkan perisian dalam penderia.

Selepas automasi dicapai, data dalam contoh akan diproses oleh model kecerdasan buatan dan diberikan kepada penganalisis di seluruh dunia dalam masa nyata. Mereka boleh menganalisis dan menulis laporan lengkap dalam masa sejam. Juruteknik tidak lagi perlu melakukan perjalanan fizikal ke tapak untuk menjalankan analisis, mengurangkan risiko keselamatan fizikal

Semasa kami berusaha untuk menyambung lebih banyak AI di pinggir IoT ke rangkaian perusahaan untuk aplikasi yang memberi kesan kepada kerja dan kehidupan rumah, kami Faktor seperti kebolehskalaan, keselamatan , identiti dan lain-lain perlu dipertimbangkan, serta kestabilan

Dalam sesetengah kes, kami mungkin bergantung pada peranti itu sendiri untuk membuat keputusan penting, tetapi kami masih memerlukan kecerdasan buatan untuk automasi, penyepaduan dan penyelarasan

Atas ialah kandungan terperinci Mengapa AI masih menghadapi cabaran dan batasan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!