Основные тенденции в периферийном ИИ, за которыми стоит следить в 2022 году

С тех пор как в 1956 году в университеты была добавлена ​​одна из областей обучения, Искусственный интеллект пережил в равной мере периоды оптимизма и пессимизма. Нет сомнений в том, что сегодня мы являемся свидетелями великого оптимизма.

Наука о данных — третья по популярности должность в мире. На самом деле, согласно нашему недавнему исследованию состояния периферийных вычислений в Испании, специалист по данным является самым востребованным специалистом среди испанских компаний на рынке, который переживает экспоненциальный рост и, как ожидается, к 2025 году достигнет 190 миллиардов долларов.

Выдающееся положение ИИ в рыночной отрасли настолько велико, что больше не имеет смысла говорить о нем как об одной технологии, а о множестве ответвлений, которые служат различным целям в разных отраслях.

Среди тенденций, определенных как наиболее зрелые и близкие к стадии производства, есть те, которые мы можем идентифицировать в нашей повседневной жизни. Например, обработка простого языка, которую мы используем, когда разговариваем с чат-ботами, все более похожими на человека, машинное изображение, позволяющее автоматизировать обработку видео в реальном времени, и семантический поиск, который приводит к более качественным результатам поиска.

С другой стороны, есть более футуристические, которые появятся не раньше, чем через 10 лет. Интересными примерами являются AI TRISM (управление доверием, рисками и безопасностью). технологии, которые позволяют регулировать модели ИИ, делая их более устойчивыми к атакам на безопасность и конфиденциальность, и преобразователи, которые позволяют адаптировать модели ИИ в соответствии с контекстом и окажут большое влияние на улучшение таких приложений, как переводчики, автоматические документы создание или анализ биологических последовательностей.

Между этими двумя крайностями находятся другие поддерживающие технологии, которым потребуется от двух до пяти лет от развертывания до выхода на рынок, что можно назвать «Ближайшим будущим ИИ». Среди них ИИ, ориентированный на человека, генеративный ИИ, оркестровка и автоматизация ИИ, а также опережающий все остальные по кривой зрелости ИИ на периферии, также известный как «пограничный ИИ». В 2021 году Edge AI стал технологией, которая будет развиваться в ближайшем будущем.

Пограничный ИИ и революция распределенного интеллекта в промышленном мире

Пограничный ИИ или ИИ на периферии можно охарактеризовать как способность выполнять алгоритмы искусственного интеллекта на устройствах (устройствах IoT, периферийных устройствах), которые находятся очень близко к источнику данных.

Эта технология развивается экспоненциально, что подтверждается пугающей статистикой:более 60 % промышленных организаций не имеют облачной инфраструктуры, которая помогает им эффективно внедрять инновации.

Итак, если мы посмотрим на проекты Edge AI через увеличительное стекло, какие самые революционные тенденции мы увидим в 2022 и 2023 годах?

Ниже приведен краткий обзор нашей пятерки лучших:

1. Критически важные отрасли станут основными движущими силами:от SCADA до Edge AI

В Barbara IoT мы находим повторяющиеся закономерности в отраслях, которые находятся на переднем крае периферийного ИИ: все они обрабатывают множество критически важных распределенных активов. Другими словами, это отрасли, которые сталкиваются с серьезными проблемами, связанными с технологической фрагментацией, масштабируемостью и кибербезопасностью. Их можно свести к минимуму, выполняя алгоритмы ИИ на периферии. Мы можем прогнозировать, что в этих отраслях будут развиваться очень амбициозные и преобразующие варианты использования.

Системы SCADA, используемые с 80-х годов, имеют схожие цели с точки зрения сбора и обработки данных. Однако системы SCADA должны быть дополнены более современными технологиями, чтобы они могли отвечать все более жестким требованиям к функциональной совместимости, открытости и безопасности. . Вот где Edge AI может помочь:увеличить ценность этих систем.

2. Тонкий край дополнит толстый край

Существуют разные интерпретации значения того, что такое «преимущество», когда мы говорим о Edge AI. Традиционно периферия определяется как ближайшая к пользователю инфраструктура сетевого оператора. Например, когда мы говорим о сетях 5G, мы имеем в виду операторов, которые развертывают множество узлов, называемых «пограничными вычислениями с множественным доступом», которые используются для точной обработки данных. Эти узлы устанавливаются на серверах, очень похожих на те, которые можно найти в центре обработки данных, предназначенном для размещения облачных сервисов, и они обладают высоким потенциалом и способностью обрабатывать сложные алгоритмы искусственного интеллекта. Это то, что некоторые аналитики называют «толстым» краем.

Однако недавно пограничные узлы начинают разрабатываться устройства другого типа:устройства, напрямую связанные с датчиками и переключателями, которые при установке на маломощные устройства, такие как шлюзы или концентраторы, служат для запуска более простых алгоритмов ИИ с более коротким временем отклика, которые ближе к реальному времени. Этот новый тип Edge, называемый «тонким» Edge, позволит быстро и гибко решать крупномасштабные проекты, которые включают удаленные местоположения или требования к высокой безопасности и изоляции данных.

3. Edge Mesh как новая парадигма для реализации распределенного искусственного интеллекта

Пограничный ИИ традиционно основан на моделях принятия решений, которые обучаются с использованием больших данных. Модель, состоящая из набора математических формул, устанавливается на граничных узлах. Оттуда каждый узел может принимать собственные решения в зависимости от полученных им данных и установленной модели.

Новая парадигма, известная как Edge Mesh, позволяет узлу обусловливать решение другого узла, как если бы это была решетчатая сеть. Одним из хороших примеров для понимания возможностей этой новой архитектуры является система интеллектуального трафика.

Узел Edge может принимать решения о времени светофора с помощью алгоритмов ИИ, которые учитывают количество автомобилей и людей, обнаруженных датчиками. Однако это решение может прекрасно дополняться решениями, принимаемыми другими узлами на близлежащих улицах.

Целью Edge Mesh является распределение интеллектуальных данных между различными узлами, чтобы обеспечить более высокую производительность, время отклика и отказоустойчивость по сравнению с более традиционными архитектурами.

4. Управление жизненным циклом с помощью MLOps становится все более важным 

По мере того, как отрасль движется к развертыванию Edge AI с более распределенными узлами и более сложными алгоритмами обучения, способность поддерживать жизненный цикл этих обученных моделей и устройств, которые их выполняют, будет иметь ключевое значение для будущего этой технологии.

В этом смысле проекты и компании, которые применяют философию DevOps для разработки, развертывания и обслуживания алгоритмов ИИ, будут улучшены.

Этот способ работы называется MLOps и представляет собой комбинацию машинного обучения и DevOps.

Но что именно? По сути, он направлен на сокращение времени разработки, тестирования и внедрения ИИ на моделях Edge за счет постоянной интеграции оборудования и сред разработки, тестирования и эксплуатации.

 5. Edge AI обеспечивает суверенный обмен данными

Нет сомнений в том, что обмен данными будет иметь первостепенное значение для улучшения процессов в отраслевых секторах со многими заинтересованными сторонами в цепочке создания стоимости.

Давайте посмотрим на модель электросети ближайшего будущего:Smart Grid. Чтобы иметь возможность получать или предлагать более качественные услуги, поставщикам важно иметь возможность анализировать и обрабатывать информацию от ряда заинтересованных сторон, таких как производители, операторы, дистрибьюторы и агрегаторы. Без прозрачного и гибкого обмена данными к 2050 году будет невозможно достичь требуемой оптимизации сети.

С Edge AI возможна централизованная обработка данных ON, которая поможет преодолеть некоторые препятствия, с которыми в настоящее время сталкивается отрасль, такие как безопасность данных, конфиденциальность и суверенитет.