Будущее искусственного интеллекта находится на грани

Интернет вещей (IoT) подобен сети постоянно воспроизводящихся объектов, генерирующих беспрецедентный и постоянно увеличивающийся объем данных. По оценкам, к 2025 году в мире будет 75,44 миллиарда подключенных устройств.

Хотя объяснить эти цифры сложно, одно можно сказать наверняка: наш мир становится все более связанным, контекстуальным и отзывчивым. Данные, которые мы получим от этих устройств, будут использоваться для создания интеллектуальных приложений нового поколения, но это также представляет собой проблему: как лучше всего нам их обрабатывать, чтобы создать ценность для хранителей этих данных?

Именно здесь на помощь приходят периферийные вычисления. Граничные вычисления — это парадигма распределенных вычислений, которая приближает вычислительные ресурсы к источнику данных, другими словами, к активам, процессам и субъектам, которые генерируют события, результатом которых являются данные.

Несмотря на то, что вокруг графической обработки возникло много ажиотажа (цена акций NVIDIA составляет всего лишь один прокси), преимущество является решающим рубежом для дифференциации и получения конкурентного преимущества в ситуациях, когда время и сложность, необходимые для принятия решения или запуска события, невелики. ставки на стол.

Периферийные вычисления обеспечивают обработку данных в реальном времени и обратную связь с низкой задержкой, что крайне важно для приложений AIoT. AIoT, или искусственный интеллект вещей, — это применение моделей машинного обучения на базе периферийных вычислительных устройств для получения значимой информации практически в реальном времени.

Эти устройства заменяют датчики, которые обрабатывают и усваивают данные, такие как счетчики энергии, датчики температуры и средства отслеживания активов, и, что более важно, шлюзовые устройства, которые коллективно потребляют и обрабатывают эти данные.

Statista прогнозирует, что к 2025 году мировой рынок периферийных вычислений достигнет 257,3 миллиарда долларов, а согласно статье Национального научного фонда, средняя задержка для периферийных вычислений составляет десять миллисекунд по сравнению со ста миллисекундами для облачных вычислений.

По данным GlobalData, периферийные вычисления могут снизить стоимость обработки данных до 70 процентов за счет наличия мэйнфреймов с низкой задержкой и перегруженности, облачных баз данных и сред обработки, что дает дополнительные преимущества для ИИ.

Традиционно BI и расширенная аналитика использовались для анализа исторических данных с целью выявления тенденций и закономерностей. Однако благодаря периферийным вычислениям теперь можно вычислять и генерировать значимые и меняющие правила игры результаты на основе данных в режиме реального времени. Это позволяет предприятиям принимать решения в режиме реального времени, что может привести к значительному повышению эффективности и производительности.

Например, на объекте «умной сотовой связи» датчики используются для сбора данных обо всем: от температуры окружающей среды и оборудования до энергопотребления и мощности, размещенных на объекте. Эти данные можно использовать для повышения эффективности, предотвращения простоев и оптимизации производства – в этом смысле, для высококачественной и последовательной передачи сигналов.

Однако если данные передаются и обрабатываются централизованно, могут возникнуть дорогостоящие задержки, когда доля секунды плохого предоставления услуг влияет на удовлетворенность клиентов и готовность персонала обслуживать и работать.

Это может привести к таким проблемам, как перегрев оборудования, его повреждение вне контролируемых обстоятельств или выполнение операций, не отвечающих требованиям по количеству или качеству. Та же концепция может быть применена к горнодобывающему оборудованию, умным зданиям, фабрикам, медицинским учреждениям и многому другому.

При периферийных вычислениях данные обрабатываются локально, что устраняет эти задержки. Это позволяет ускорить принятие решений и повысить производительность. Кроме того, периферийные вычисления могут помочь повысить безопасность, сохраняя данные локальными, где они менее уязвимы для кибератак.

Чтобы обеспечить AIoT на периферии, необходимо принять во внимание и учесть десять элементов. Это показывает, насколько многогранен AIoT, а также уровни, необходимые для реализации различных функций и возможностей.

Создание мощной инфраструктуры периферийных вычислений имеет решающее значение. Это включает в себя развертывание периферийных устройств и шлюзов, которые могут обрабатывать и анализировать данные локально.