边缘人工智能是什么(新手必看)
毫无疑问,边缘人工智能(Edge AI)是边缘设备和人工智能的结合。
边缘设备是在数字世界和物理世界之间提供链接的嵌入式系统。它们通常配备传感器,通过传感器获取附近环境的信息。
数据是现代经济的命脉,贯穿于我们的基础设施中,使组织能够正常运作。但所有的数据都是不一样的,从传感器获得的数据体量很大,但信息含量相对较低。
想象一下我们刚才描述的基于加速度计的腕带传感器。加速度计每秒能够采集数百次数据。每一次采集的数据都只能反映很少有关当前正在发生的活动的信息,只有综合成千上万次采集的数据,才能开始理解正在发生什么。
通常,物联网设备被视为简单的节点,从传感器收集数据,然后将数据传输到中央服务器。这种方法的问题在于,发送如此大量的低价值信息的成本非常高。不仅传输成本高昂,而且传输数据需要消耗大量能量,这对以电池供电的物联网设备来说是一个大问题。
由于这个问题,物联网传感器收集的绝大多数数据通常都会被丢弃。我们正在收集大量的传感器数据,但我们无法用它们来做任何事情。
边缘人工智能是这个问题的解决方案。无须将数据发送到中央服务器进行处理,直接在生成数据的设备上进行处理即可。如果仍然想向上游服务器或云报告信息,那么我们可以只传输重要的信息,而不必发送每一个传感器读数。这将节省大量的成本和能量。
有许多不同的方法可以将智能部署到边缘。下图展示了从云人工智能到完全设备智能的连续过程。

图 1 云人工智能和完全设备智能之间的连续过程
边缘人工智能可以分布在整个分布式计算架构中,包括边缘的一些节点,以及本地网关或云中的其他节点。
正如我们所看到的,人工智能可以意味着许多不同的东西。它可以超级简单:将人类的洞察力编码在一个简单的条件逻辑中;它也可以超级复杂:基于深度学习的最新发展。
边缘人工智能也是如此,最基本的边缘人工智能是在靠近数据产生处的网络边缘做出一些决策,但它也可以利用一些非常酷的东西,比如嵌入式机器学习和微型机器学习。
嵌入式机器学习是在嵌入式系统上运行机器学习模型的艺术和科学。微型机器学习(TinyML)是指在现有的、最受限制的嵌入式硬件上运行机器学习模型,比如微控制器、数字信号处理器和小型现场可编程门阵列(FPGA)。
边缘设备是在数字世界和物理世界之间提供链接的嵌入式系统。它们通常配备传感器,通过传感器获取附近环境的信息。
数据是现代经济的命脉,贯穿于我们的基础设施中,使组织能够正常运作。但所有的数据都是不一样的,从传感器获得的数据体量很大,但信息含量相对较低。
想象一下我们刚才描述的基于加速度计的腕带传感器。加速度计每秒能够采集数百次数据。每一次采集的数据都只能反映很少有关当前正在发生的活动的信息,只有综合成千上万次采集的数据,才能开始理解正在发生什么。
通常,物联网设备被视为简单的节点,从传感器收集数据,然后将数据传输到中央服务器。这种方法的问题在于,发送如此大量的低价值信息的成本非常高。不仅传输成本高昂,而且传输数据需要消耗大量能量,这对以电池供电的物联网设备来说是一个大问题。
由于这个问题,物联网传感器收集的绝大多数数据通常都会被丢弃。我们正在收集大量的传感器数据,但我们无法用它们来做任何事情。
边缘人工智能是这个问题的解决方案。无须将数据发送到中央服务器进行处理,直接在生成数据的设备上进行处理即可。如果仍然想向上游服务器或云报告信息,那么我们可以只传输重要的信息,而不必发送每一个传感器读数。这将节省大量的成本和能量。
有许多不同的方法可以将智能部署到边缘。下图展示了从云人工智能到完全设备智能的连续过程。

图 1 云人工智能和完全设备智能之间的连续过程
边缘人工智能可以分布在整个分布式计算架构中,包括边缘的一些节点,以及本地网关或云中的其他节点。
正如我们所看到的,人工智能可以意味着许多不同的东西。它可以超级简单:将人类的洞察力编码在一个简单的条件逻辑中;它也可以超级复杂:基于深度学习的最新发展。
边缘人工智能也是如此,最基本的边缘人工智能是在靠近数据产生处的网络边缘做出一些决策,但它也可以利用一些非常酷的东西,比如嵌入式机器学习和微型机器学习。
嵌入式机器学习是在嵌入式系统上运行机器学习模型的艺术和科学。微型机器学习(TinyML)是指在现有的、最受限制的嵌入式硬件上运行机器学习模型,比如微控制器、数字信号处理器和小型现场可编程门阵列(FPGA)。