為什麼邊緣計算和人工智慧策略必須互補

語言: CN / TW / HK

許多企業已經開始探索邊緣計算用例,因為可以將計算能力推向更靠近資料來源和更靠近終端使用者。同時,可能正在探索或實施人工智慧或機器學習,也已經認識到自動化的發現和獲得資料驅動的洞察力。但如果不積極地將邊緣戰略和人工智慧策略結合起來,那麼就會錯過變革的可能性。

人工智慧領域的涉足

有明顯的跡象表明,邊緣分析和資料分析正在融合。根據資料表明,到2025年,邊緣資料的建立將增加33%,佔資料的五分之一以上,到2023年,資料分析專業人士將把超過50%的精力放在建立和分析邊緣資料上。邊緣解決方案對實現企業的使命非常或極其重要。78%的領導者認為邊緣對AI和ML的影響最大。

傳統上,企業需要將遠端資料傳輸到資料中心或商業雲,以執行分析和提取價值。這在邊緣環境中可能具有挑戰性,因為資料量的增加、網路訪問受限或沒有網路訪問,以及對實時更快決策的需求不斷增加。

但今天,增強的小容量晶片組、高密度計算和儲存以及網狀網路技術的可用性,為企業部署人工智慧工作負載、更接近資料生產源奠定了基礎。

邊緣人工智慧入門

要啟用邊緣人工智慧用例,請確定近實時資料決策在哪些方面,可以顯著增強使用者體驗並實現任務目標。我們看到越來越多的邊緣用例集中在下一代飛行套件上,以支援執法、網路安全和健康調查。調查人員曾經收集資料用於後續處理,新的部署套件包括先進的工具,用於現場處理和探索資料。

接下來,確定傳輸大量邊緣資料的位置。如果可以在遠端位置處理資料,那麼只需要傳輸結果。通過只移動一小部分資料,您可以釋放頻寬,降低成本,並更快地做出決策。

利用鬆散耦合的邊緣元件來實現必要的計算能力。單個感測器無法執行處理。但是高速網狀網路允許連線節點,其中一些處理資料收集,以及其他處理等等。甚至可以在邊緣重新訓練ML模型,以確保持續的預測精度。

遠端人工智慧的基礎設施即程式碼

邊緣人工智慧的最佳實踐是基礎設施程式碼。基礎設施程式碼允許通過配置檔案,而不是通過物理硬體來管理網路和安全配置。使用基礎設施程式碼,配置檔案包括基礎結構規範,使更改和分發配置變得更容易,並確保一致地提供環境。

還可以考慮使用微服務,並在其中執行它們,並利用開發ops功能,如CI/CD管道、giitops等在邊緣上將ML模型的迭代部署自動化到生產環境中,並提供編寫一次程式碼在任何地方使用它的靈活性。

我們應該尋求在邊緣和核心使用一致的技術和工具。通過這種方式,可以不需要專門的專業知識,避免一次性的問題,並且可以更容易地擴充套件。

現實世界及其他中的邊緣人工智慧

從軍隊到執法部門,再到管理關鍵基礎設施的機構,都在邊緣執行人工智慧。例如國際空間站。

國際空間站包括一個進行研究和執行實驗的現場實驗室。在一個例子中,科學家們專注於在國際空間站上發現的微生物的DNA基因組測序。基因組測序產生了大量的資料,但科學家只需要分析其中的一部分。

在過去,國際空間站將所有資料傳輸到地面站進行集中處理,通常每個序列有許多tb的資料。在過渡傳輸速率下,資料可能需要數週才能到達地球上的科學家手中。但是利用邊緣和人工智慧的力量,研究是在國際空間站上直接完成的,只把結果傳送到地面。現在可以在同一天進行分析。

在空間和功率有限的環境中,該系統易於管理。軟體更新被推到必要的邊緣,並在現場進行ML模型訓練。而且該系統足夠靈活,可以在未來處理其他型別的基於ML的分析。

結合人工智慧和邊緣計算可以使企業在任何位置執行分析。通過從核心到邊緣的公共框架,可以在遠端位置擴充套件和擴充套件人工智慧。通過將分析放置在資料生成和使用者互動的位置附近,可以更快地做出決策,更快地提供服務,並將任務擴充套件到任何需要的地方。