下一代Edge AI的应用初探 译文 精选

下一代Edge AI的应用初探译文精选

如您所见，AI已不再只是科幻电影的经典主题，它正在以惊人的速度被应用到我们日常生活中的方方面面，并从个人关系到工作项目上，逐渐改变着我们的想法或行为。

其中，一个最为典型的领域当属NextGEN Edge AI（下一代边缘人工智能）应用。它能够通过诸如：排名、分类、以及设计等多种应用模式，提供身临其境、直观且有趣的使用体验，而且能够节省时间和资金。

什么是NextGEN Edge AI?

NextGEN Edge AI也称为边缘智能（Edge Intelligence）或下一代人工智能（next-gen AI）。它能够综合运用边缘计算和人工智能，来跟踪和执行机器学习。

Edge AI的工作流往往使用来自集中化的数据中心（如云或设备）上的数据、以及来自边缘资源的数据。其中，云端AI更为常见，它完全依靠云端算力，来实现开发和执行。而Edge AI则包括远程设备、物联网设备、以及专用的边缘服务器等组件。据此，Edge AI方便了数据的存储和计算，也让用户更容易访问。

由于Edge AI会将AI算法与本地设备上的边缘计算能力相结合，因此，它可以在不需要保持连接和集成的情况下，处理和分析数据，进而允许用户访问不同来源的数据。可见，Edge AI通过整合边缘计算和AI过程，减少了系统的停机时间或延迟。

此外，NextGEN Edge AI已成功将AI过程集成为一个基本组件，在无需与物理位置进行交互的前提下，省时省力地支持了用户需求，并便捷地构建了用户数据。

Edge AI如何工作？

说到AI，我们自然会想到让机器模拟人类在视觉、说话、行走、检测物体、驾驶汽车、以及理解语言等方面的智能化技能。为此，AI需要使用一套名为深度神经网络（Deep Neural Network，DNN）的系统。当它们在接受各项训练任务时，这些DNN会产生许多特定类型的问题、以及与之相应的正确答案示例。

由于深度学习是一个需要在数据中心或云端运行的训练过程，因此为了训练出准确的模型，数据科学家往往需要通过大量的数据与通力合作，才可能配置出适当的模型。而在经过了训练之后，模型就可以通过“推理引擎”去回答现实世界中的问题了。

通常，在部署Edge AI时，推理引擎会运行在诸如：工厂、医院、汽车、卫星或家庭的远程计算机与设备上。而在部署了Edge AI模型之后，它们就会继续获得相关信息。因此，那些繁琐的数据集通常被边缘设备采集并发送到云端，以进行更多的训练。而一旦AI遇到问题，则会替换边缘的推理引擎。该反馈回路大幅提高了它们的性能。

Edge AI的基本组件

以下两个智能组件通常是Edge AI领域的研究重点：

边缘计算

根据定义，由于边缘计算是在收集数据的节点处，进行本地计算和存储数据的过程。因此它往往涉及到分布在网络边缘处，用于收集、分析和处理数据的多个进程。

AI

AI能够将增强的分析能力与自动化相结合，让机器能够模仿人类的认知水平，去理解语言和解决问题，甚至能够创造出更职能的边缘设备。

Edge AI跨不同行业的应用

近年来，Edge AI应用的使用已为各个行业带来了新的商机和创新。包括制造业、医疗保健和能源在内的许多行业，都正在使用Edge AI应用的核心功能。下面，让我们来讨论两个典型的行业应用：

智能能源：智能预测

能源行业往往具有高需求和不稳定的特点。它不但会对其他行业造成直接或间接的影响，而且由其造成的潜在供应威胁也会扰动整个人类的健康和福利。

而Edge AI可以根据历史数据、天气特征等信息生成复杂的模型，通过智能化的预测，来协调能源的生成、分配、管理和监测。

医疗保健领域的Edge AI：支持AI的解决方案

现代化医疗机构和医学专业人员可以通过使用Edge AI提高患者预期寿命和生活水平，实现这一医疗保健行业的终极目标。同时，通过使用具有AI加持的边缘设备，医疗专业人员还可以执行远程手术，以及监控患者的日常生理活动。

Edge AI的优势

与我们常见的基于云端的AI相比，Edge AI具有如下优势：

更高的速度/更低的延迟

由于各项训练和计算是在本地执行，因此无需耗费过多的、与云端通信的响应等待。

更低的带宽要求和成本

通过Edge AI，语音、视频和高保真传感器数据，都可以通过蜂窝网络，以更少的带宽和相关成本被发送。

增强的数据安全

本地化处理方式降低了敏感数据在传输过程中被拦截或存储在云端的风险。

改进的可靠性/自主技术

即使网络或云服务出现故障，AI也能够在本地运行。这在自动驾驶和工业机器人等应用场景中优势明显。

功率降低

多数情况下，在设备上执行AI任务的能耗，可能会低于将数据发送到云端的能耗，当然也就延长了电池的寿命。

边缘技术的未来

如今，几乎所有Edge AI应用都可以在智能手机、可穿戴设备、以及智能家电等消费类设备上运行。Edge AI已成为一个正在经历快速增长的新兴领域。根据LF Edge预测：到2028年，边缘设备的复合增长率将达到40%。同时，随着无现金结账、智能化医院、城市、以及供应链的扩展，处于企业边缘处的AI预计也会在未来几年间增速加快。

如今，大多数Edge AI算法都可以直接对通过设备查看到的数据进行局部推理。通过使用设备附近传感器集合的数据，未来我们将可以开发出更复杂的推断工具，并不断改进相应的Edge AI编排。

此外，与之相关的联合深度学习也是一项富有前景的技术。它既可以通过将原始数据的对应子集上传到云端，来改进训练的过程，又能够在边缘设备的本地更新AI训练。注意，这并非是通过手动去更新模型，而是将更新上传到云端，提高Edge AI的隐私和安全性。