隨著人工智能的發(fā)展，不是把數(shù)據(jù)交給算法，而是算法去處理數(shù)據(jù)，從而實(shí)現(xiàn)一個全新的洞察力水平。

如今，人工智能 (AI) 無處不在，使組織能夠預(yù)測系統(tǒng)中斷的可能性，推動自動駕駛汽車，并為聊天機(jī)器人或虛擬助手提供語言功能。 這些類型的人工智能用例主要依賴于集中式、基于云的人工智能，其中存儲著大量的訓(xùn)練數(shù)據(jù)集。 然而，人們越來越傾向于讓人工智能更接近源頭或更接近邊緣。 邊緣計(jì)算在世界范圍內(nèi)部署了一系列網(wǎng)絡(luò)和設(shè)備，并且數(shù)據(jù)在更接近數(shù)據(jù)生成的地方進(jìn)行處理，在人工智能的支持下變得可操作。

由于物聯(lián)網(wǎng) (IoT) 積累的海量數(shù)據(jù)，從源頭就非常需要這種類型的智能。 物聯(lián)網(wǎng)設(shè)備(例如傳感器、設(shè)備或可穿戴設(shè)備)通過互聯(lián)網(wǎng)收集和交換數(shù)據(jù)，并且通常嵌入到其他物聯(lián)網(wǎng)設(shè)備中以提供通信網(wǎng)絡(luò)。 例如，倉庫員工佩戴的物聯(lián)網(wǎng)設(shè)備可以在跌倒時通知管理層，并向 911 發(fā)出警報(bào)。冰箱上的物聯(lián)網(wǎng)設(shè)備可以在牛奶不足時提醒房主，或者在攪拌器需要維護(hù)時向生物技術(shù)科學(xué)家發(fā)出信號。

在這些和其他場景中，邊緣人工智能在利用所有數(shù)據(jù)來開發(fā)可行的見解、采取糾正措施或提供安全方面發(fā)揮著重要作用。 邊緣人工智能允許在靠近實(shí)際收集數(shù)據(jù)的地方進(jìn)行計(jì)算，而不是在集中式云計(jì)算設(shè)施或異地?cái)?shù)據(jù)中心進(jìn)行計(jì)算。 當(dāng)緊迫性和時機(jī)至關(guān)重要時，邊緣人工智能會挑戰(zhàn)云的能力。 例如，在自動駕駛汽車中，數(shù)據(jù)是實(shí)時捕獲的，但汽車卻以每小時 65 英里的速度行駛。 沒有時間將數(shù)據(jù)發(fā)送到云端然后返回決策。 必須立即做出決定。

邊緣優(yōu)勢比比皆是

考慮以下一些主要好處：

實(shí)時決策：邊緣人工智能可以幫助設(shè)備做出關(guān)鍵決策，而不會產(chǎn)生與基于云的處理相關(guān)的延遲。 例如，自動駕駛汽車可以對不斷變化的路況做出快速反應(yīng)，確保乘客安全。

隱私和安全：邊緣計(jì)算還提供安全優(yōu)勢。 從位置傳輸?shù)皆频臄?shù)據(jù)可以在位置之間被黑客攻擊，但是當(dāng)數(shù)據(jù)在邊緣本地處理時，數(shù)據(jù)不需要通過網(wǎng)絡(luò)移動。 這在視頻監(jiān)控?cái)z像頭等用戶隱私至關(guān)重要的應(yīng)用中尤其重要。

有限連接：在偏遠(yuǎn)地區(qū)或互聯(lián)網(wǎng)連接不可靠的地方，邊緣人工智能可以獨(dú)立運(yùn)行，提供不間斷的服務(wù)。 這對于農(nóng)業(yè)地區(qū)是有益的，配備邊緣人工智能的無人機(jī)可以監(jiān)控連接有限的地區(qū)的農(nóng)作物和牲畜。

降低成本：邊緣人工智能減少了對大規(guī)模且昂貴的云基礎(chǔ)設(shè)施的需求。 企業(yè)可以節(jié)省數(shù)據(jù)傳輸成本并立即訪問數(shù)據(jù)，從而提高效率。

可擴(kuò)展性：邊緣人工智能具有高度可擴(kuò)展性，允許將其他設(shè)備輕松添加到邊緣計(jì)算網(wǎng)絡(luò)，而不會導(dǎo)致中央云服務(wù)器過載。

可靠性：通過將人工智能分布在多個設(shè)備或節(jié)點(diǎn)上，邊緣人工智能更具彈性。 即使一臺設(shè)備發(fā)生故障，其他設(shè)備也可以繼續(xù)獨(dú)立運(yùn)行，從而降低系統(tǒng)范圍內(nèi)發(fā)生故障的風(fēng)險(xiǎn)。

安全性：除了上述可穿戴物聯(lián)網(wǎng)設(shè)備的安全優(yōu)勢之外，邊緣人工智能還避免了分析師手動收集數(shù)據(jù)的人身安全隱患。 例如，有人被派去分析受自然災(zāi)害影響的建筑物的結(jié)構(gòu)完整性。 當(dāng)檢查過程自主完成時，他們能夠在世界另一端辦公室的安全范圍內(nèi)實(shí)時分析數(shù)據(jù)。

生活在邊緣的挑戰(zhàn)

盡管將人工智能擴(kuò)展到邊緣有很多好處，但它也并非沒有局限性。 其中一項(xiàng)挑戰(zhàn)是其有限的計(jì)算資源。 與數(shù)據(jù)中心相比，邊緣設(shè)備的計(jì)算能力有限。 這可能會對需要在其上運(yùn)行的人工智能模型的復(fù)雜性造成限制。

此外，邊緣設(shè)備通常由電池供電，而人工智能模型通常需要大量電量，并且會很快耗盡電池壽命。 然而，研究人員正在開發(fā)針對邊緣設(shè)備優(yōu)化的輕量級人工智能模型和算法。 這些模型在準(zhǔn)確性和資源消耗之間取得了平衡，使邊緣人工智能更加可行。

另一個挑戰(zhàn)是，雖然邊緣人工智能降低了數(shù)據(jù)泄露的風(fēng)險(xiǎn)，但它可能會引起本地層面的數(shù)據(jù)隱私問題，并被視為侵入性的。

盡管面臨挑戰(zhàn)，邊緣人工智能仍有望實(shí)現(xiàn)顯著增長和創(chuàng)新。 事實(shí)上，根據(jù) Future Market Insights (FMI) 的數(shù)據(jù)，邊緣人工智能市場預(yù)計(jì)在 2022 年至 2023 年期間將以 20.8% 的復(fù)合年增長率擴(kuò)張。

最新一代無線網(wǎng)絡(luò)連接 5G 網(wǎng)絡(luò)的推出將有助于邊緣人工智能的興起，為邊緣設(shè)備提供更快、更可靠的連接。 此類用例之一是倉庫或工業(yè)環(huán)境，這些環(huán)境通常依賴 Wi-Fi。他們現(xiàn)在能夠建立一個專用的本地5G網(wǎng)絡(luò)，連接分布在整個站點(diǎn)的許多設(shè)備和物聯(lián)網(wǎng)傳感器。

邊緣人工智能為數(shù)據(jù)收集和分析方式提供了另一種選擇。 其減少的延遲、數(shù)據(jù)隱私和成本效率使許多行業(yè)的智能達(dá)到了新的水平。 不是把數(shù)據(jù)交給算法，而是算法去處理數(shù)據(jù)，從而實(shí)現(xiàn)一個全新的洞察力。