我们将解释边缘AI的概述,与云AI的区别,实际使用场景,优缺点。
1、现在备受关注的边缘AI是什么?
1-1. 什么是云AI?
2.边缘AI使用场景
2-1. 自动运行
2-2. 也安装在智能手机中
2-3. 人类行为分析服务
2-4. 拥塞状态分配系统
2-5. 工厂检查
三、边缘AI的优缺点
3-1. 边缘人工智能的好处
3-2. Edge AI 的缺点
4. Qumico 和边缘人工智能
5. 总结
近年来,随着深度学习的进步,AI(人工智能)技术也取得了显着进步。在这种情况下,Edge AI 备受关注。Edge AI 是最适合于实时性很重要的场景的技术,据说对于未来自动驾驶汽车和第四次工业革命的工厂自动化必不可少。此外,由于它与物联网兼容,边缘人工智能的重要性将随着物联网技术的发展和扩展而增加。
在本文中,我们将解释边缘AI的概述,与云AI的区别,实际使用场景,优缺点。
Edge AI “edge”的意思是“端”,是指作为端的终端设备和无线基站。换言之,边缘人工智能是一种将人工智能直接安装在包括智能手机在内的物联网连接的每个电器上,并直接进行信息处理的技术。
到目前为止,如果有您想使用的软件,主流是使用云上的服务。但近年来,物联网需求不断增加,通信费用大幅增加,信息大数据,功能先进,云无法应对的情况很多。特别是在实时性能很重要的场景中,很小的通信延迟可能是致命的,因此不适合使用云。
Edge AI 就是在这种情况下诞生的。通过在边缘侧进行之前在云端进行的信息处理,无通信延迟的实时处理成为可能。
根据富士经济集团的一项调查,边缘人工智能的市场规模预计将从 2018 年的 110 亿日元增长到 2030 年的 664 亿日元。因此,未来有可能在每个场景中引入边缘AI。
Cloud AI 是一个与边缘 AI 配对的词。云AI是将大量数据发送到数据中心等,利用数据中心的CPU和GPU进行高速学习,将AI安装在云端。
通过云AI,不仅可以积累大量数据,还可以高速处理它们以创建学习模型。比如GAFA(谷歌、亚马逊、Facebook、苹果)等提供的一些云服务可以搭载AI,基于这些可以提供“云AI”。
但是,云AI也有缺点,据说随着数据量的增加和处理是通过互联网进行的,通信费用会增加,因此很难进行高速处理。并且由于所有数据都收集在云端,因此安全和隐私风险不为零。
边缘人工智能 | 云端人工智能 | |
人工智能功能 | 边缘(终端) | 云 |
特征 | ● 隐私受到保护 ● 可实时处理 ● 低成本 | ● 可以进行复杂的处理 ● 可以快速处理大规模数据 |
那么,边缘AI是在什么样的情况下使用的呢?从这里开始,我们将看一下活跃在各种场景中的边缘 AI 的使用示例。
边缘人工智能对于汽车的自动驾驶技术来说是必不可少的,因为它可以实时处理信息。在自动驾驶中,需要对摄像头、LiDAR(骑手=一种光学传感器)等传感器获取的数据进行分析,在判断情况的同时控制车辆。到时候,哪怕是几秒的延时,都可能酿成大祸,云AI也无法处理。
特别是在传感器分析方面,由于需要集成摄像头、激光雷达、毫米波雷达等各个传感器数据的高技术,对边缘人工智能开发的需求正在迅速增加。
智能手机公司也在关注边缘人工智能的发展,例如,最新的机型都配备了神经引擎。该神经引擎通过机器学习和分析从摄像头和麦克风获取的各种数据,增强了摄像头的判别功能和自然语言分析。
Edge AI 还用于附着在头部、手腕和脚踝等身体部位的可穿戴设备,并用于医疗和工业领域。可穿戴设备在边缘侧进行人脸识别图像处理,并与云端的数据一起进行分析。这使得预测和跟踪从相机图像中提取的人的移动成为可能,用于零售店等的购买行为分析。
Edge AI 还用于解决方案中,允许您在网络上检查餐厅和其他地方的空位信息。安装在摄像头中的边缘AI自动屏蔽客户的隐私区域,从而在保护客户隐私的同时可以在Web上查看实时拥堵状态。
还有Edge AI,可以对工厂等使用的相机拍摄的图像进行图像识别。只要您使用专用工具创建识别模型,就会创建边缘 AI,并且可以将迄今为止由人类完成的检查工作自动化。
从这里开始,我们将在与云AI进行比较的同时,以通俗易懂的方式解释边缘AI的优缺点。
Edge AI 已经经历了各种演示实验,但有三大优点。
・ 降低安全风险
在云AI的情况下,信息处理是在云端进行的,所以所有的数据都必须在云端发送。当然,采取了各种安全措施来防止重要信息的泄露,但是如果安全被破坏,可能会蔓延到全世界,所以存在安全问题。就是现在的情况。
而Edge AI则是在终端进行信息处理,不需要将重要信息发送到云端。因此,可以降低信息泄露的风险。
・ 耐损伤性
云人工智能面临的挑战之一是失败的风险。失败的原因有很多种,但原因往往是软件故障和管理员操作/设置错误,据说硬件故障在10%左右。如果发生故障,信息处理将无法进行,并且可能对云用户的业务造成严重影响。
另一方面,Edge AI 不使用云,因此如果发生故障,则是硬件问题。另外,在那种情况下,相应的终端也不能使用,所以在大多数情况下不会导致严重的问题。换句话说,边缘人工智能具有很强的抗故障能力。
・降低成本(通信成本等)
Edge AI具有成本低的优势,可以说是Edge AI普及的一大因素。
迄今为止,由于高昂的考试开发成本,人工智能的开发往往在考试阶段就结束了。换句话说,它只能在具有昂贵设备的环境中开发。
然而,现在人工智能开发的学习框架和开发环境得到了增强,可以使用边缘人工智能的设备类型也增加了,现在可以根据应用、目的、价格和性能来选择平台。 . 这使得许多工程师可以廉价或免费开发边缘 AI。
另外,在Edge AI的情况下,当终端采集的数据发送到云端时,信息会进行排序,因此可以减少发送的数据量,节省通信成本。
那么,边缘人工智能有什么缺点吗?边缘人工智能有两个主要缺点。让我们按顺序看看它们。
・规模化加工困难
与云相比,可以在边缘侧使用的 CPU 等资源是有限的。因此,不适合使用大量资源的处理。
一个例子是处理大量数据。在边缘AI的情况下,如果你尝试在资源有限的情况下处理大规模数据,会非常缓慢或不可能,但在云AI的情况下,资源丰富的情况下是可以处理的。
・整个系统变得复杂
相比仅在边缘侧采集和传输数据的云AI,边缘AI在现场进行AI处理,将部分数据传输到云端进行处理,系统复杂,预计会变成这样。
因此,在云AI的情况下,设计、管理、维护和运营简单地专注于云侧就足够了,但在边缘AI的情况下,则需要考虑到边缘侧。
正如边缘AI的优点中所介绍的,最近人工智能的开发环境得到了增强,边缘人工智能的框架已经诞生。其中,“Qumico”备受关注。
Qumico 是最初由 Pasona Tech 开发的框架。由于它专注于边缘人工智能,因此它兼容物联网,您可以轻松地将深度学习与机器人和人工智能家电等边缘设备结合使用。
Qumico 的主要特点如下。
<Qumico的主要特点>
・ 行业标准框架可用于深度学习学习
・ 学习成果可以在嵌入式设备上快速实现。
・ 即使在行业标准框架不支持的板上,也可以进行边缘 AI 操作。
Qumico 的一大吸引力在于它可以将用编程语言“Python”创建的经过训练的神经网络自动转换为“C 语言”。这使得基于 C 语言的各种优化成为可能。
由于C语言比Python更主流的嵌入式设备通常称为IoT/edge,因此可以用C语言编写的Qumico与edge有很好的兼容性。
另外,Qumico 的程序源码已经发布在 GitHub 上,有兴趣的可以去看看。