Suivez nous sur
Classe de maître IA :

AI 101

Qu’est-ce que l’Edge AI et l’Edge Computing ?

mm
Le kit de préparation mis à jour on

Edge AI est l'un des nouveaux secteurs les plus remarquables de l'intelligence artificielle, et il vise à permettre aux gens d'exécuter des processus d'IA sans avoir à se soucier de la confidentialité ou des ralentissements dus à la transmission de données. Edge AI permet une utilisation plus large et plus répandue de l'IA, permettant aux appareils intelligents de réagir rapidement aux entrées sans accès à un cloud. Bien qu'il s'agisse d'une définition rapide d'Edge AI, prenons un moment pour mieux comprendre Edge AI en explorant les technologies qui le rendent possible et en voyant quelques cas d'utilisation d'Edge AI.

Qu'est-ce que Edge Computing?

Afin de vraiment comprendre Edge AI, nous devons d'abord comprendre Edge computing et la meilleure façon de comprendre Edge computing est de l'opposer au cloud computing. Le cloud computing est la fourniture de services informatiques sur Internet. En revanche, les systèmes informatiques Edge ne sont pas connectés à un cloud, au lieu de fonctionner sur des appareils locaux. Ces appareils locaux peuvent être un serveur Edge Computing dédié, un appareil local, ou un Internet des objets (IoT). L'utilisation de l'Edge Computing présente de nombreux avantages. Par exemple, le calcul basé sur Internet/cloud est limité par la latence et la bande passante, tandis que l'informatique Edge n'est pas limitée par ces paramètres.

Qu'est-ce qu'Edge AI ?

Maintenant que nous comprenons l'Edge Computing, nous peut jeter un oeil à Edge AI. Edge AI combine l'intelligence artificielle et l'informatique de pointe. Les algorithmes d'IA sont exécutés sur des appareils capables d'informatique de pointe. L'avantage est que les données peuvent être traitées en temps réel, sans avoir à se connecter à un cloud.

La plupart des processus d'IA de pointe sont exécutés dans un cloud car ils nécessitent une grande quantité de puissance de calcul. Le résultat est que ces processus d'IA peuvent être vulnérables aux temps d'arrêt. Étant donné que les systèmes Edge AI fonctionnent sur un appareil informatique de pointe, les opérations de données nécessaires peuvent se produire localement, étant envoyées lorsqu'une connexion Internet est établie, ce qui permet de gagner du temps. Les algorithmes d'apprentissage en profondeur peuvent fonctionner sur l'appareil lui-même, le point d'origine des données.

Edge AI devient de plus en plus important en raison du fait que de plus en plus d’appareils doivent utiliser l’IA dans des situations où ils ne peuvent pas accéder au cloud. Considérez combien de robots d’usine ou combien de voitures sont aujourd’hui dotées d’algorithmes de vision par ordinateur. Un décalage dans la transmission des données dans ces situations pourrait être catastrophique. Les voitures autonomes ne peuvent pas souffrir de latence lors de la détection d’objets dans la rue. Puisqu'un temps de réponse rapide est si important, l'appareil lui-même doit disposer d'un système Edge AI qui lui permet d'analyser et de classer les images sans dépendre d'une connexion cloud.

Lorsque les ordinateurs périphériques sont chargés des tâches de traitement de l'information généralement effectuées sur le cloud, le résultat est un traitement en temps réel à faible latence et en temps réel. De plus, en limitant la transmission des données aux seules informations les plus vitales, le volume de données lui-même peut être réduit et les interruptions de communication peuvent être minimisées.

Edge AI et l'Internet des objets

Edge AI s'intègre à d'autres technologies numériques telles que la 5G et l'Internet des objets (IoT). L'IoT peut générer des données que les systèmes Edge AI peuvent utiliser, tandis que la technologie 5G est essentielle pour l'avancement continu de l'Edge AI et de l'IoT.

L'Internet des objets fait référence à une variété d'appareils intelligents connectés les uns aux autres via Internet. Tous ces appareils génèrent des données, qui peuvent être introduites dans l'appareil Edge AI, qui peut également servir d'unité de stockage temporaire pour les données jusqu'à ce qu'elles soient synchronisées avec le cloud. La méthode de traitement des données permet une plus grande flexibilité.

La cinquième génération du réseau mobile, 5G, est essentiel pour le développement à la fois de Edge AI et de l'Internet des objets. La 5G est capable de transférer des données à des vitesses beaucoup plus élevées, jusqu'à 20 Gbps, tandis que la 4G est capable de fournir des données à seulement 1 Gbps. La 5G prend également en charge beaucoup plus de connexions simultanées que la 4G (1,000,000 100,000 1 par kilomètre carré contre 10 4) et une meilleure vitesse de latence (5 ms contre XNUMX ms). Ces avantages par rapport à la XNUMXG sont importants car à mesure que l'IoT se développe, le volume de données augmente également et la vitesse de transfert est affectée. La XNUMXG permet davantage d'interactions entre un plus large éventail d'appareils, dont beaucoup peuvent être équipés d'Edge AI.

Cas d'utilisation pour Edge AI

Les cas d'utilisation d'Edge AI incluent à peu près toutes les instances où le traitement des données serait effectué plus efficacement sur un appareil local que lorsqu'il est effectué via un cloud. Cependant, certains des cas d'utilisation les plus courants pour Edge AI incluent voitures auto-conduite, drones autonomes, la reconnaissance facialeet assistants numériques.

Les voitures autonomes sont l'un des cas d'utilisation les plus pertinents pour Edge AI. Les voitures autonomes doivent constamment scruter l'environnement environnant et évaluer la situation, apporter des corrections à sa trajectoire en fonction des événements à proximité. Le traitement des données en temps réel est essentiel pour ces cas et, par conséquent, leurs systèmes Edge AI embarqués sont en charge du stockage, de la manipulation et de l'analyse des données. Les systèmes d'intelligence artificielle de pointe sont nécessaires pour mettre sur le marché des véhicules de niveau 3 et de niveau 4 (entièrement autonomes).

Parce que les drones autonomes ne sont pas pilotés par des opérateurs humains, ils ont des exigences très similaires pour les voitures autonomes. Si un drone perd le contrôle ou fonctionne mal pendant le vol, il peut s'écraser et endommager des biens ou des vies. Les drones peuvent voler loin d'un point d'accès Internet, et ils doivent avoir des capacités Edge AI. Les systèmes Edge AI seront indispensables pour des services comme Amazon Prime Air, qui vise à livrer des colis par drone.

Un autre cas d'utilisation d'Edge AI concerne les systèmes de reconnaissance faciale. Les systèmes de reconnaissance faciale reposent sur des algorithmes de vision par ordinateur, analysant les données collectées par la caméra. Les applications de reconnaissance faciale qui fonctionnent à des fins telles que la sécurité doivent fonctionner de manière fiable même si elles ne sont pas connectées à un cloud.

Les assistants numériques sont un autre cas d'utilisation courant pour Edge AI. Les assistants numériques tels que Google Assistant, Alexa et Siri doivent pouvoir fonctionner sur les smartphones et autres appareils numériques même lorsqu'ils ne sont pas connectés à Internet. Lorsque les données sont traitées sur l'appareil, il n'est pas nécessaire de les transférer dans le cloud, ce qui permet de réduire le trafic et de garantir la confidentialité.

Blogueur et programmeur spécialisé dans Machine Learning et L'apprentissage en profondeur les sujets. Daniel espère aider les autres à utiliser le pouvoir de l'IA pour le bien social.