了解边缘人工智能及边缘计算

作者: W 2020-12-22 14:26:00

 边缘人工智能(EdgeAI),是人工智能领域引人注目的新领域之一。其目的是让用户运行人工智能流程而不必担心隐私或数据传输较慢带来的影响……而想要真正理解边缘人工智能,首先就得先了解边缘计算……


边缘人工智能及边缘计算

边缘人工智能(EdgeAI)是人工智能领域引人注目的新领域之一,其目的是让用户运行人工智能流程而不必担心隐私或数据传输较慢带来的影响。边缘人工智能可以使人工智能技术得到更广泛的应用,使智能设备在无需接入云平台的情况下对输入做出快速反应。虽然这是边缘人工智能的一个快速定义,但是需要更好地理解和探索边缘人工智能技术,并了解边缘人工智能的一些用例。

为了真正理解边缘人工智能,首先需要了解边缘计算,而理解边缘计算的最佳方法就是将其与云计算进行对比。云计算是通过公共互联网提供计算服务,相比之下,边缘计算系统并不连接到云计算平台,而是在内部部署设备上运行。这些设备可能是专用边缘计算服务器、内部部署设备或物联网(IoT)设备。使用边缘计算有许多优点。例如,基于互联网/云平台的计算处理会受到网络延迟和带宽的限制,而边缘计算则不受这些因素的限制。

在了解了什么是边缘计算之后,需要了解边缘人工智能。边缘人工智能将人工智能技术和边缘计算技术相结合,使人工智能算法运行在能够进行边缘计算的设备上。这样做的好处是可以实时处理数据,而不必连接到云平台。

大多数先进的人工智能流程都是在云中进行的,因为它们需要大量的计算能力。其结果是这些人工智能流程很容易受到网络延迟或停机的影响。因为边缘人工智能系统在边缘计算设备上运行,所以其必要的数据操作可以在本地进行,并通过公共互联网发送,这节省了大量时间。而深度学习算法可以在设备本身(数据的起点)上运行。

边缘人工智能变得越来越重要,这是因为越来越多的设备需要在无法访问云平台的情况下使用人工智能技术。在自动化机器人或配备计算机视觉算法的智能汽车的应用中,数据传输的滞后可能是灾难性的。自动驾驶汽车在检测道路的人员或障碍时不能受到延迟的影响,由于快速响应时间是如此重要,必须采用边缘人工智能系统,允许实时分析和分类图像,而不依赖云计算连接。

当边缘计算设备被赋予通常在云端进行的信息处理任务时,其结果是低延迟或实时进行处理。此外,通过传输最重要的信息,可以减少传输的数据量,并最大程度地减少通信中断。

边缘人工智能与物联网

边缘人工智能可以与5G和物联网(IoT)等其他数字技术相结合。物联网为边缘人工智能系统生成数据以供使用,而5G技术对于边缘人工智能和物联网的持续发展至关重要。

物联网是指通过公共互联网相互连接的各种智能设备。所有这些设备都会生成数据,这些数据可以输入到边缘人工智能设备中,这些设备也可以充当数据的临时存储单元。而数据处理方法具有更大的灵活性。

5G技术对于边缘人工智能和物联网的发展至关重要。5G能够以高达20Gbps的更高速度传输数据,而4G只能以1Gbps的速度传输数据。5G还比4G支持更多的并发连接和更短的延迟。与4G相比,这些优势非常重要,因为随着物联网的发展,数据量也将增长,并且传输速度也会受到影响。5G使更多设备之间可以进行更多交互,其中许多设备都可以采用边缘人工智能技术。

边缘人工智能用例

边缘人工智能的用例包括几乎所有在本地设备上进行数据处理比通过云平台更有效的实例。边缘人工智能的一些常见用例包括自动驾驶汽车、无人机、面部识别和数字助理。

自动驾驶汽车是边缘人工智能的典型用例之一。自动驾驶汽车必须不断地扫描周围的环境并评估行驶情况,根据突发事件对其行进轨迹进行校正。在这些情况下,实时数据处理至关重要,其车载的边缘人工智能系统将负责数据的存储、处理和分析。因此,边缘人工智能技术对于将三级和四级(完全自主)车辆推向市场是必不可少的技术。

由于无人机不是由无人控制或驾驶的,因此它们与自动驾驶汽车的要求非常相似。如果无人机在飞行中失去控制或发生故障,则可能坠毁并损坏公共财产或威胁人身安全。此外,无人机可能会飞出互联网络服务范围之外,并且它们必须具有边缘人工智能功能。边缘人工智能系统对于亚马逊PrimeAir等旨在通过无人机交付包裹的服务来说是不可或缺的。

边缘人工智能的另一个用例是面部识别系统。面部识别系统依靠计算机视觉算法来分析摄像头收集的数据。即使没有连接到云平台,为安全等任务而运行的面部识别应用程序也需要可靠地运行。

数字助理是边缘人工智能的另一个常见用例。GoogleAssistant、Alexa和Siri等数字助理必须能够在智能手机和其他数字设备上运行,即使它们没有连接到公共互联网也是如此。在数字设备上处理数据后,无需将其交付到云中,这有助于减少流量并确保隐私安全。

人工智能 边缘计算 物联网
上一篇:深度学习GPU最全对比,到底谁才是性价比之王? 下一篇:人工智能想变“聪明”亟待算力升级
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载