Jadual Kandungan
Apakah itu pengkomputeran tepi?
Apakah edge AI?
Edge AI dan IoT
Gunakan Kes untuk Edge AI
Rumah Peranti teknologi AI Apakah kecerdasan buatan tepi dan pengkomputeran tepi?

Apakah kecerdasan buatan tepi dan pengkomputeran tepi?

Apr 26, 2024 pm 05:10 PM
AI pengkomputeran tepi Kepintaran buatan tepi

Apakah kecerdasan buatan tepi dan pengkomputeran tepi?

Edge AI ialah salah satu bidang baharu yang paling penting dalam kecerdasan buatan, membolehkan orang ramai menjalankan proses kecerdasan buatan tanpa perlu risau tentang privasi atau kelembapan yang disebabkan oleh penghantaran data. Edge AI menjadikan penggunaan kecerdasan buatan lebih luas dan meluas, membolehkan peranti pintar bertindak balas dengan pantas kepada input tanpa mengakses awan. Walaupun ini adalah takrifan pantas AI tepi, mari luangkan sedikit masa untuk memahami dengan lebih baik AI tepi dengan meneroka beberapa kes penggunaan. Pertama, edge AI mempunyai aplikasi yang meluas dalam industri penjagaan kesihatan. Contohnya, menyepadukan AI kelebihan pada peranti pemantauan boleh memantau dan menganalisis tanda-tanda vital pesakit dengan lebih tepat dan bertindak balas dengan segera apabila diperlukan. Keupayaan ini boleh menjadikan penjagaan kesihatan lebih cekap di samping mengendalikan data peribadi sensitif yang boleh dipercayai. Selain itu, kecerdasan buatan tepi juga boleh digunakan untuk rumah pintar. Dengan menyepadukan kecerdasan buatan ke dalam peranti rumah, seperti pembesar suara pintar dan TV pintar, pengguna boleh berinteraksi dengan peranti pintar dengan lebih meluas dan mudah. Kewujudan kecerdasan buatan tepi menjadikan peranti ini tidak perlu lagi bergantung pada awan

Apakah itu pengkomputeran tepi?

Untuk benar-benar memahami kecerdasan buatan tepi, kita perlu memahami pengkomputeran tepi terlebih dahulu, dan cara terbaik untuk memahami kelebihan pengkomputeran adalah untuk membandingkannya dengan pengkomputeran awan membandingkan. Pengkomputeran awan ialah penyediaan perkhidmatan pengkomputeran melalui Internet. Sebaliknya, sistem pengkomputeran tepi tidak bersambung ke awan tetapi berjalan pada peranti tempatan. Peranti tempatan ini boleh menjadi pelayan pengkomputeran tepi khusus, peranti tempatan atau Internet of Things (IoT). Terdapat banyak kelebihan menggunakan pengkomputeran tepi. Sebagai contoh, pengkomputeran berasaskan Internet/awan dihadkan oleh kependaman dan lebar jalur, manakala pengkomputeran tepi tidak dihadkan oleh parameter ini.

Apakah edge AI?

Sekarang kita memahami pengkomputeran tepi, kita boleh melihat AI tepi. Edge AI menggabungkan kecerdasan buatan dan pengkomputeran tepi. Algoritma kecerdasan buatan dijalankan pada peranti dengan keupayaan pengkomputeran tepi. Faedahnya ialah data boleh diproses dalam masa nyata tanpa perlu menyambung ke awan.

Kebanyakan proses kecerdasan buatan yang canggih dijalankan dalam awan kerana ia memerlukan banyak kuasa pengkomputeran. Hasilnya ialah proses AI ini terdedah kepada masa henti. Oleh kerana sistem AI tepi berjalan pada peranti pengkomputeran tepi, operasi data yang diperlukan boleh dilakukan secara setempat, dihantar apabila sambungan Internet diwujudkan dan menjimatkan masa. Algoritma pembelajaran mendalam boleh dijalankan pada peranti itu sendiri (titik asal data).

Edge AI menjadi semakin penting kerana semakin banyak peranti memerlukan AI tanpa akses kepada awan. Fikirkan tentang berapa banyak robot atau kereta kilang kini dilengkapi dengan algoritma penglihatan komputer. Dalam kes ini, masa ketinggalan pemindahan data boleh membawa maut. Oleh kerana masa tindak balas yang pantas adalah sangat penting, peranti itu sendiri mesti mempunyai sistem AI kelebihan yang membolehkannya menganalisis dan mengklasifikasikan imej tanpa bergantung pada sambungan awan.

Apabila tugas pemprosesan maklumat yang dilakukan dalam awan diwakilkan kepada komputer tepi, hasilnya ialah kependaman masa nyata, pemprosesan masa nyata. Tambahan pula, dengan mengehadkan pemindahan data kepada maklumat yang paling penting, volum data itu sendiri dikurangkan dan gangguan komunikasi diminimumkan.

Edge AI dan IoT

Edge AI digabungkan dengan teknologi digital lain seperti 5G dan Internet of Things (IoT). IoT boleh menjana data untuk digunakan oleh sistem AI edge, dan teknologi 5G adalah penting untuk pembangunan berterusan AI edge dan IoT.

Internet Perkara merujuk kepada pelbagai peranti pintar yang disambungkan antara satu sama lain melalui Internet. Semua peranti ini menjana data yang boleh dimasukkan ke dalam peranti AI tepi, yang juga berfungsi sebagai unit storan sementara untuk data sehingga disegerakkan dengan awan. Kaedah pemprosesan data ini membolehkan fleksibiliti yang lebih besar.

Rangkaian mudah alih 5G generasi kelima adalah penting untuk pembangunan kecerdasan pengkomputeran edge dan Internet of Things. 5G boleh menghantar data pada kelajuan yang lebih tinggi, sehingga 20Gbps, manakala 4G hanya boleh menghantar data pada 1Gbps. 5G juga menyokong sambungan serentak (1,000,000 setiap kilometer persegi) yang menyokong kelajuan kependaman yang lebih baik (1ms hingga 10ms). Kelebihan ini berbanding 4G adalah penting kerana apabila Internet of Things berkembang, jumlah data akan berkembang dan kelajuan penghantaran akan terjejas. 5G membolehkan lebih banyak interaksi antara rangkaian peranti yang lebih luas, kebanyakannya boleh dilengkapi dengan kecerdasan pengkomputeran tepi.

Gunakan Kes untuk Edge AI

Kes penggunaan untuk Edge AI termasuk hampir semua situasi di mana pemprosesan data boleh dilakukan dengan lebih cekap pada peranti tempatan berbanding melalui awan. Walau bagaimanapun, beberapa kes penggunaan yang paling biasa untuk edge AI termasuk kereta pandu sendiri, dron autonomi, pengecaman muka dan pembantu digital.

Kereta pandu sendiri adalah salah satu kes penggunaan yang paling relevan untuk kecerdasan buatan tepi. Kereta pandu sendiri mesti sentiasa mengimbas persekitaran mereka dan menilai keadaan, membuat pembetulan pada trajektori mereka berdasarkan peristiwa berdekatan. Pemprosesan data masa nyata adalah penting untuk situasi ini, jadi sistem kecerdasan buatan tepi atasnya bertanggungjawab untuk penyimpanan, operasi dan analisis data. Sistem AI Edge diperlukan untuk membawa kenderaan Tahap 3 dan 4 (autonomi sepenuhnya) ke pasaran.

Memandangkan dron autonomi tidak diterbangkan oleh pengendali manusia, keperluan mereka untuk kereta pandu sendiri adalah sangat serupa. Jika dron hilang kawalan atau tidak berfungsi semasa penerbangan, ia boleh terhempas dan menyebabkan kerosakan kepada harta benda atau nyawa. Dron mungkin terbang melepasi julat titik akses internet, dan ia mesti mempunyai keupayaan AI yang canggih. Untuk perkhidmatan seperti Amazon Prime Air, yang bertujuan untuk menyampaikan pakej melalui dron, sistem AI tepi akan menjadi penting.

Satu lagi kes penggunaan untuk edge AI ialah sistem pengecaman muka. Sistem pengecaman muka bergantung pada algoritma penglihatan komputer untuk menganalisis data yang dikumpul oleh kamera. Aplikasi pengecaman muka yang digunakan untuk tugas seperti keselamatan perlu berjalan dengan pasti walaupun tidak disambungkan ke awan.

Pembantu digital ialah satu lagi kes penggunaan biasa untuk AI tepi. Pembantu digital seperti Google Assistant, Alexa dan Siri mesti boleh berjalan pada telefon pintar dan peranti digital lain walaupun tidak disambungkan ke Internet. Apabila data diproses pada peranti, ia tidak perlu dihantar ke awan, yang membantu mengurangkan trafik dan memastikan privasi.

Atas ialah kandungan terperinci Apakah kecerdasan buatan tepi dan pengkomputeran tepi?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

See all articles