江苏龙网

  1. 首页 > 资讯 > 科技 > >

人工智能@边缘AI能聪明到什么程度？( 三 )


Furtner认为这实际上提出了一个问题 ， “边缘AI会带来什么好处？」他说 ， 「边缘有一个极大的好处 ， 就是我们可以将它的局限性『弱点』变为优点 。 人们关心的易用性、功能性、隐私、安全、成本、气候或资源的可持续利用 ， 都是边缘AI能够带来的好处 。 我们相信 ， 在合适的地方应用AI能提高我们的生活质量 ， 现实生活中也有许多终端AI的应用场景 。 边缘AI可用于预测性维护、进一步自动化或机器人、家庭自动化或智能农业等 。 我们开发了采用AI的低功耗传感器 ， 直觉感测变得更加普及 ， 这催生了家庭或城市新应用 ， 让生活更轻松、更安全、更环保 。 云端的不可靠性促使工业或家庭采用全新的应用模型 ， 以满足隐私和安全要求 。 ”
此外 ， Furtner 说 ， 边缘AI能以一种更高效和可持续的方式利用海量IoT数据 ， 这在气候变化的情况下尤其重要 。
人工智能@边缘AI能聪明到什么程度？
本文插图

图6 边缘AI及视觉联盟的Jeff Bier认为5个关键的应用需求将推动边缘AI的发展 。
Bier说 ， 以下五个关键的应用需求将推动边缘AI的发展：
带宽：就算用5G ， 可能也没有足够的带宽将所有原始数据发送到云端 。
延迟：许多应用要求较快的响应时间 ， 比用户从云端接收到数据的时间还要短 。
经济性：某个应用如果使用云端 ， 即使能从技术上解决带宽和延迟问题 ， 但在边缘执行AI可能更划算 。
可靠性：某个应用如果使用云端 ， 即使能从技术上解决带宽和延迟问题 ， 但到云端的网络连接并非一直可靠 ， 而应用可能需要一直运作 。 在这种情况下 ， 就要使用边缘AI了 。 例如人脸辨识门锁 ， 如果网络连接断开 ， 你希望门锁仍然正常工作 。
隐私：某个应用如果使用云端 ， 即使能从技术上解决带宽、延迟、可靠性和经济性等问题 ， 可能仍有许多应用出于隐私考虑而需要进行本地处理 。 例如婴儿监控器或卧室安全监控摄影机 。
边缘AI的聪明程度取决于内存容量 这个问题看起来似乎显而易见 ， 但必须弄清楚 ， 每种应用都不同 。
“智能通常不是限制因素——内存容量才是 。 ”Levy认为 ， “实际上 ， 内存容量限制了可以使用的ML模型的大小 ， 特别是在MCU领域 。 例如 ， 一个视觉应用的ML模型就需要更多的处理能力和更大的内存容量 。 需要实时响应时 ， 处理能力更重要 。 ”
“以一台微波炉为例 ， 它内部有一个摄影机来判断放进去的食物种类 ， 1秒或2秒的响应时间就足够了 ， 因此可以使用恩智浦i.MX RT1050这样的处理器 。 内存容量决定了模型的大小 ， 进而决定微波炉可以辨识的食物种类 。 但是 ， 如果微波炉不能辨识放入的食物怎么办？可以将数据传送到网关或云端来判断是什么食物 ， 然后使用这些信息重新训练智能边缘设备 。 ”
Levy针对“边缘AI要有多智慧”这个问题的答案是 ， “简单地说就是性能、准确性、成本和能源的权衡 。 此外 ， 恩智浦正在开发一个应用 ， 它使用自动编码器来实现另一种形式的ML ， 即异常检测 。 简而言之 ， 自动编码器非常高效 ， 我们实现的一个例子仅用了3KB数据 ， 在45~50μs内完成了推理——让MCU比较容易处理 。 ”
Furtner也认可这种实用方法 。 边缘AI在能耗、空间和成本方面受到极大限制 。 在这种情况下 ， 问题不是“我们应该在边缘提供多少智慧」 ， 而是「我们有能力在边缘提供多少智慧？”接下来的问题是“可不可以对现有的某种AI技术进行简化 ， 使其足够『小』 ， 以适用于边缘？”功耗无疑限制了终端智慧化的程度 。 这些终端通常由小型电池供电 ， 有时甚至依赖能量收集 ， 数据传输也要消耗大量能源 。
Furtner补充 ， “来看一个智慧传感器 。 在这些条件下 ， 要使本地AI正常工作 ， 必须对传感器的某些属性和行为进行优化 。 另外 ， 一些新传感器只能透过嵌入式AI实现 ， 例如液体和气体环境传感器 。 需要终端AI的原因有很多 ， 智能化数据的使用和缩减 ， 或者快速的实时本地响应 ， 便是其中两个原因 。 数据隐私和安全也是两个原因 ， 海量传感器原始数据可以在产生的地方进行处理 ， 而密集的运算任务仍在云端执行 。 随着低功耗神经运算(例如边缘TPU和神经形态技术)的进步 ， 这一界限开始向边缘节点和终端转移 。 ”


推荐阅读


上一篇：#手机大魔王#小米：米10青春版用钻石排列，华为荣耀不如？还是玩的信息不对称

下一篇：【小米】上半年最佳选择，小米10 pro，换机党不用纠结