边缘人工智能的优势有哪些?(新手必看)
在沙漠或者荒野中,你可以一边跑步一边听音乐,音乐通过不间断的蜂窝网络源源不断地传输到你的手机上。在深山中一个特别美丽的地方,你拍了一张照片发给你的伴侣,几分钟后你收到了回复。
在一个即使是最偏远的地方也有某种形式的数据连接的世界里,我们为什么需要边缘人工智能?如果互联网强大的服务器与我们只相隔一道无线电脉冲,那么这些可以自己做决定的微型设备还有什么意义呢?所有这些额外的复杂性,难道不是让我们的生活更困难吗?
你可能已经猜到了,答案是否定的!边缘人工智能解决了一些非常现实的问题,否则这些问题会阻碍我们的技术更好地为人类服务。边缘人工智能的好处可以解释为 BLERP。
有了 BLERP,任何人都可以很容易地记住和解释边缘人工智能的好处。它还可以作为一个过滤器,帮助决定边缘人工智能是否适合特定应用。
下面是对这 5 个单词的具体描述。
例如,一个智能传感器可以监测一台工业机器的振动,以确定它是否正常运行。它可能会使用一个简单的阈值算法来了解机器何时振动过大或过小,然后通过低带宽的无线电连接来传达这一信息。
这听起来已经很有用了。但是,如果能从数据中识别一些模式,从而得出机器可能即将发生故障的线索呢?如果有足够的带宽,那么便可以将传感器数据发送到云端进行分析,从而判断是否即将发生故障。
然而,在许多情况下,并没有足够的带宽或能量向云端发送持续的数据流。这意味着大部分传感器数据将被迫放弃,即使它们包含有用的信号。
带宽限制非常普遍。这不仅与可用的连接有关,还与功率有关。网络通信通常是嵌入式系统可以执行的最耗能的任务,这意味着电池寿命往往是功能的极限。一些机器学习模型可能有相当密集的计算,但它们往往比传输信号消耗更少的能量。
这就是边缘人工智能的用武之地。如果可以在物联网设备上进行数据分析,而无须上传数据呢?在这种情况下,如果分析显示机器即将故障,那么可以使用有限的带宽发送通知,这比尝试发送所有数据要可行得多。
当然,设备根本没有网络连接也是很常见的!在这种情况下,边缘人工智能可以实现一大堆以前不可能实现的用例。稍后将介绍更多有关这方面的信息。
有些应用程序需要快速响应。例如,移动的车辆由远程服务器控制是不切实际的,在一个环境中控制车辆行驶需要在转向调整和车辆位置之间不断反馈。在具有明显的延迟时,转向成为一个主要的挑战!
边缘人工智能通过完全消除数据传输的时间来解决这个问题,自动驾驶汽车就是一个很好的例子。汽车的人工智能系统在车载计算机上运行,这使得它能够对不断变化的情况——例如前面的司机猛踩刹车——做出近乎即时的反应。
边缘人工智能作为对抗延迟的武器,最引人注目的例子之一是机器人空间探索。火星离地球如此遥远,以至于无线电传输以光速到达火星需要几分钟。更糟糕的是,由于行星的排列,直接通信往往是不可能的。这使得控制火星探测器非常困难,NASA 通过使用边缘人工智能解决了这个问题——他们的探测车使用复杂的人工智能系统来规划任务、导航环境和寻找生命。如果你有一些空闲时间,你甚至可以通过标记数据来帮助未来的火星探测器导航改进算法。
通过在设备上处理数据,边缘人工智能系统减少或避免了通过网络传输数据和在云端处理数据的成本。这可以解锁许多以前无法实现的用例。
在某些情况下,只能通过派人手动执行一些任务。例如,对于动物保护研究人员来说,使用相机陷阱来监控偏远地区的野生动物是很常见的。这些设备在检测到运动时就会拍照,并将照片存储到 SD 卡中。通过卫星互联网上传每一张照片的成本太高,因此研究人员不得不前往他们的相机陷阱处收集图像并清理存储空间。
由于传统的相机陷阱是运动激活的,因此它们会拍摄很多不必要的照片,这些照片可能会被风中移动的树枝、走过的徒步旅行者和研究人员不感兴趣的生物触发。但一些团队现在使用边缘人工智能只识别他们关心的动物,这样就可以丢弃其他图像。这意味着他们不必经常飞到一个偏僻的地方去换 SD 卡。
在其他情况下,成本可能不是问题。但是对于依赖服务器端人工智能的产品,维护服务器端基础设施的成本可能会使业务模型复杂化。例如,针对一组需要“打电话回家”才能做决定的设备,可能不得不采用订阅模式,还必须长期维护服务器,如果不再维护服务器,客户可能会有设备无法使用的风险。
不要低估经济的影响。通过降低长期支持的成本,边缘人工智能实现了大量之前不可行的用例。
对于某些应用程序,这可能是可以容忍的。例如当用户的家庭网络连接中断时,可以响应语音命令的智能音箱会停止识别用户的命令,这种情况用户可能会理解,但这仍然是一个令人沮丧的经历。
但在其他情况下,安全是最重要的。例如一个监控工业机器的人工智能系统,用于确保机器在安全参数范围内运行,如果它在互联网连接中断时停止工作,可能会危及人类生命。如果人工智能完全基于设备,那么会更安全,因为在出现网络连接问题时仍然可以运行。
可靠性通常是一种折中,所需的可靠性级别取决于用例。边缘人工智能可以成为提高产品可靠性的有力工具。虽然人工智能本身就很复杂,但它代表了与全局连接不同的复杂类型,其风险在许多情况下更容易管理。
这对于某些应用来说可能很好,例如,用户可能不担心物联网恒温器将温度数据报告给远程服务器。但对于其他应用程序,隐私是一个巨大的问题。例如,许多人会犹豫是否要在家里安装联网的安全摄像头。这可能会提供一些安全保障,但将他们最私密空间的实时视频和音频传输到互联网上,这样做的代价似乎并不值得。即使摄像头的制造商是完全值得信赖的,也总有可能通过安全漏洞暴露数据。
边缘人工智能提供了另一种选择。安全摄像头无须将实时视频和音频传输到远程服务器上,而是可以利用一些部署在自身的智能应用,在主人外出工作时识别出入侵者,然后以适当的方式提醒主人。当数据在嵌入式系统上处理并且从不传输到云端时,用户隐私受到保护,数据泄露和滥用的机会也更少。
边缘人工智能保护隐私的能力解锁了大量令人兴奋的用例。对于安全、工业、儿童保育、教育和医疗保健等领域的应用程序来说,这是一个特别重要的因素。事实上,由于一些领域涉及关于数据安全的严格法规(或客户期望),因此隐私性最好的产品是完全避免收集数据的产品。
下面是几个让人感到兴奋的例子:
边缘人工智能的特性使其特别适合应用于全球性问题。由于可靠的网络连接价格昂贵,而且并非普遍可用,因此许多智能技术只能使生活在工业化、富裕和网络连接良好的地区的人们受益。通过消除对可靠互联网连接的需求,边缘人工智能降低了享受造福人类和地球的技术的门槛。
当涉及机器学习时,边缘人工智能一般使用小型模型,小型模型训练起来速度快、成本低。由于不需要维护昂贵的后端服务器等基础设施,因此边缘人工智能使资源有限的开发人员能够为他们更了解的本地市场构建尖端的解决方案。
正如前文提到的,边缘人工智能也为用户创造了提高隐私性的机会。在网络世界里,许多公司将用户数据视为一种可以提取和挖掘的宝贵资源。为了使用人工智能产品,消费者和企业主经常被要求牺牲自己的隐私,将他们的数据置于未知的第三方手中。
使用边缘人工智能,数据不需要离开设备,用户拥有自己的数据,这使得用户对产品更加信任。这对于为弱势群体设计的产品尤其重要,他们可能会对那些似乎在收集他们数据的服务持怀疑态度。
在一个即使是最偏远的地方也有某种形式的数据连接的世界里,我们为什么需要边缘人工智能?如果互联网强大的服务器与我们只相隔一道无线电脉冲,那么这些可以自己做决定的微型设备还有什么意义呢?所有这些额外的复杂性,难道不是让我们的生活更困难吗?
你可能已经猜到了,答案是否定的!边缘人工智能解决了一些非常现实的问题,否则这些问题会阻碍我们的技术更好地为人类服务。边缘人工智能的好处可以解释为 BLERP。
边缘人工智能的好处(BLERP)
BLERP 是什么?边缘人工智能与视觉联盟的创始人 Jeff Bier 创建了这个优秀的工具来表达边缘人工智能的好处。它由五个单词组成:- 带宽(Bandwidth);
- 延迟(Latency);
- 经济性(Economics);
- 可靠性(Reliability);
- 隐私性(Privacy)。
有了 BLERP,任何人都可以很容易地记住和解释边缘人工智能的好处。它还可以作为一个过滤器,帮助决定边缘人工智能是否适合特定应用。
下面是对这 5 个单词的具体描述。
1) 带宽
物联网设备捕获的数据往往会超过它们的传输带宽,这意味着它们捕获的绝大多数传感器数据甚至没有被使用,而是被扔掉了!例如,一个智能传感器可以监测一台工业机器的振动,以确定它是否正常运行。它可能会使用一个简单的阈值算法来了解机器何时振动过大或过小,然后通过低带宽的无线电连接来传达这一信息。
这听起来已经很有用了。但是,如果能从数据中识别一些模式,从而得出机器可能即将发生故障的线索呢?如果有足够的带宽,那么便可以将传感器数据发送到云端进行分析,从而判断是否即将发生故障。
然而,在许多情况下,并没有足够的带宽或能量向云端发送持续的数据流。这意味着大部分传感器数据将被迫放弃,即使它们包含有用的信号。
带宽限制非常普遍。这不仅与可用的连接有关,还与功率有关。网络通信通常是嵌入式系统可以执行的最耗能的任务,这意味着电池寿命往往是功能的极限。一些机器学习模型可能有相当密集的计算,但它们往往比传输信号消耗更少的能量。
这就是边缘人工智能的用武之地。如果可以在物联网设备上进行数据分析,而无须上传数据呢?在这种情况下,如果分析显示机器即将故障,那么可以使用有限的带宽发送通知,这比尝试发送所有数据要可行得多。
当然,设备根本没有网络连接也是很常见的!在这种情况下,边缘人工智能可以实现一大堆以前不可能实现的用例。稍后将介绍更多有关这方面的信息。
2) 延迟
传输数据需要时间。即使你有很大的可用带宽,从设备到互联网服务器的往返也需要几十或几百毫秒。在某些情况下,延迟可以用分钟、小时或天来衡量,比如卫星通信或存储转发消息。有些应用程序需要快速响应。例如,移动的车辆由远程服务器控制是不切实际的,在一个环境中控制车辆行驶需要在转向调整和车辆位置之间不断反馈。在具有明显的延迟时,转向成为一个主要的挑战!
边缘人工智能通过完全消除数据传输的时间来解决这个问题,自动驾驶汽车就是一个很好的例子。汽车的人工智能系统在车载计算机上运行,这使得它能够对不断变化的情况——例如前面的司机猛踩刹车——做出近乎即时的反应。
边缘人工智能作为对抗延迟的武器,最引人注目的例子之一是机器人空间探索。火星离地球如此遥远,以至于无线电传输以光速到达火星需要几分钟。更糟糕的是,由于行星的排列,直接通信往往是不可能的。这使得控制火星探测器非常困难,NASA 通过使用边缘人工智能解决了这个问题——他们的探测车使用复杂的人工智能系统来规划任务、导航环境和寻找生命。如果你有一些空闲时间,你甚至可以通过标记数据来帮助未来的火星探测器导航改进算法。
3) 经济性
网络连接要花很多钱。联网产品的使用成本更高,它们所依赖的基础设施也要花费制造商的钱。带宽需求越大,成本就越高。对于部署在需要通过卫星进行远程连接的偏远地区的设备来说,成本更高。通过在设备上处理数据,边缘人工智能系统减少或避免了通过网络传输数据和在云端处理数据的成本。这可以解锁许多以前无法实现的用例。
在某些情况下,只能通过派人手动执行一些任务。例如,对于动物保护研究人员来说,使用相机陷阱来监控偏远地区的野生动物是很常见的。这些设备在检测到运动时就会拍照,并将照片存储到 SD 卡中。通过卫星互联网上传每一张照片的成本太高,因此研究人员不得不前往他们的相机陷阱处收集图像并清理存储空间。
由于传统的相机陷阱是运动激活的,因此它们会拍摄很多不必要的照片,这些照片可能会被风中移动的树枝、走过的徒步旅行者和研究人员不感兴趣的生物触发。但一些团队现在使用边缘人工智能只识别他们关心的动物,这样就可以丢弃其他图像。这意味着他们不必经常飞到一个偏僻的地方去换 SD 卡。
在其他情况下,成本可能不是问题。但是对于依赖服务器端人工智能的产品,维护服务器端基础设施的成本可能会使业务模型复杂化。例如,针对一组需要“打电话回家”才能做决定的设备,可能不得不采用订阅模式,还必须长期维护服务器,如果不再维护服务器,客户可能会有设备无法使用的风险。
不要低估经济的影响。通过降低长期支持的成本,边缘人工智能实现了大量之前不可行的用例。
4) 可靠性
由设备上的人工智能控制的系统可能比依赖云连接的系统更可靠。向设备添加无线连接时,你是在添加一个庞大而复杂的从链路层的通信技术到运行应用程序的互联网服务器的依赖网络。这其中许多部分是无法控制的,所以即使做出了所有正确的决策,也仍然会面临与组成分布式计算栈的技术相关的可靠性风险。对于某些应用程序,这可能是可以容忍的。例如当用户的家庭网络连接中断时,可以响应语音命令的智能音箱会停止识别用户的命令,这种情况用户可能会理解,但这仍然是一个令人沮丧的经历。
但在其他情况下,安全是最重要的。例如一个监控工业机器的人工智能系统,用于确保机器在安全参数范围内运行,如果它在互联网连接中断时停止工作,可能会危及人类生命。如果人工智能完全基于设备,那么会更安全,因为在出现网络连接问题时仍然可以运行。
可靠性通常是一种折中,所需的可靠性级别取决于用例。边缘人工智能可以成为提高产品可靠性的有力工具。虽然人工智能本身就很复杂,但它代表了与全局连接不同的复杂类型,其风险在许多情况下更容易管理。
5) 隐私性
在过去的几年里,许多人都不情愿地在便利性和隐私性之间进行权衡。理论上,如果我们希望自己的技术产品更智能、更有用,就必须放弃我们的数据。传统上智能产品是在远程服务器上做出决策的,因此它们通常会将传感器数据流发送到云端。这对于某些应用来说可能很好,例如,用户可能不担心物联网恒温器将温度数据报告给远程服务器。但对于其他应用程序,隐私是一个巨大的问题。例如,许多人会犹豫是否要在家里安装联网的安全摄像头。这可能会提供一些安全保障,但将他们最私密空间的实时视频和音频传输到互联网上,这样做的代价似乎并不值得。即使摄像头的制造商是完全值得信赖的,也总有可能通过安全漏洞暴露数据。
边缘人工智能提供了另一种选择。安全摄像头无须将实时视频和音频传输到远程服务器上,而是可以利用一些部署在自身的智能应用,在主人外出工作时识别出入侵者,然后以适当的方式提醒主人。当数据在嵌入式系统上处理并且从不传输到云端时,用户隐私受到保护,数据泄露和滥用的机会也更少。
边缘人工智能保护隐私的能力解锁了大量令人兴奋的用例。对于安全、工业、儿童保育、教育和医疗保健等领域的应用程序来说,这是一个特别重要的因素。事实上,由于一些领域涉及关于数据安全的严格法规(或客户期望),因此隐私性最好的产品是完全避免收集数据的产品。
边缘人工智能的作用
边缘人工智能的独特优势提供了一套新的工具,可以应用到世界上的一些重大问题中。动植物保护、医疗保健和教育等领域的技术人员已经使用边缘人工智能产生了重大影响。下面是几个让人感到兴奋的例子:
- 智能公园正在使用运行机器学习模型的项圈来更好地了解世界各地野生动物园的大象行为;
- Izoelektro 公司推出的 RAM-1 利用嵌入式机器学习技术检测电力传输硬件即将发生的故障,用于防止引起森林火灾;
- 沙特阿拉伯哈立德国王大学的 Mohammed Zubair Shamim 博士等研究人员正在训练模型,这些模型可以部署在低成本设备上,用于筛查威胁生命的疾病,如口腔癌;
- 世界各地的学生都在为他们当地的行业开发解决方案。来自巴西 UNIFEI 的 João Vitor Yukio Bordin Yamashita 使用嵌入式硬件创建了一个用于识别可影响咖啡植物的疾病的系统。
边缘人工智能的特性使其特别适合应用于全球性问题。由于可靠的网络连接价格昂贵,而且并非普遍可用,因此许多智能技术只能使生活在工业化、富裕和网络连接良好的地区的人们受益。通过消除对可靠互联网连接的需求,边缘人工智能降低了享受造福人类和地球的技术的门槛。
当涉及机器学习时,边缘人工智能一般使用小型模型,小型模型训练起来速度快、成本低。由于不需要维护昂贵的后端服务器等基础设施,因此边缘人工智能使资源有限的开发人员能够为他们更了解的本地市场构建尖端的解决方案。
正如前文提到的,边缘人工智能也为用户创造了提高隐私性的机会。在网络世界里,许多公司将用户数据视为一种可以提取和挖掘的宝贵资源。为了使用人工智能产品,消费者和企业主经常被要求牺牲自己的隐私,将他们的数据置于未知的第三方手中。
使用边缘人工智能,数据不需要离开设备,用户拥有自己的数据,这使得用户对产品更加信任。这对于为弱势群体设计的产品尤其重要,他们可能会对那些似乎在收集他们数据的服务持怀疑态度。