مع الذكاء الاصطناعي (AI)، وتعمل على التكنولوجيا المتطورة (حافة علوم الحاسب) في السنوات الأخيرة، والتطور السريع لمجموعة متنوعة من الالكترونيات الاستهلاكية والأجهزة المنزلية مفهوم المنزل الذكي شملت والتغييرات الثورية ستتم تدريجيا. وفي نهاية المطاف، فإن مختلف شبكة الذكاء الاصطناعي تتألف من الأجهزة المنزلية، من المحتمل أن يكون لك وأنا لا أستطيع رؤية أفراد الأسرة الآخرين. مفهوم السحابة المحلية والمعدات ذات الصلة، ستكون عناصر شبكة الذكاء الاصطناعي للمنزل لا غنى عنه.
سوف تصبح ذكية المتحدث / الرصد اثنين من المغازل الرئيسية لمنظمة العفو الدولية المستهلك
شركة أبحاث البيضة مسؤولة عن تتبع تطور الباحث التقنيات الاستهلاكية رونان دي Renesse (الشكل 1) أن تطبيق AI في مجال الالكترونيات الاستهلاكية، ما يقرب من عامين غالبا ما تصبح محط اهتمام وسائل الإعلام، ولكن الالكترونيات الاستهلاكية ومنظمة العفو الدولية جنبا إلى جنب مع هذا الاتجاه، الآن فقط مجرد بداية لتطوير في 3-5 سنوات القادمة، وسيتم تجهيز العديد من المنتجات الالكترونيات الاستهلاكية مع وظائف منظمة العفو الدولية، وسيتم ربط بعضها البعض، وهي عائلة من الذكاء الاصطناعي في الشبكة.
الشكل 1 رونان دي Renesse ، باحث في التكنولوجيا الاستهلاكية في Ovum ، ويعتقد أن الأجهزة الإلكترونية المختلفة في الأسرة في المستقبل سوف تصبح عضوا في الأسرة غير مرئية.
لسلسلة الأجهزة، على الرغم من أن هذا الاتجاه سوف يجلب العديد من فرص العمل الجديدة، ولكن إذا من وجهة نظر مستوى أعلى من رأي، وهذا دخلت بهدوء شبكة الذكاء الاصطناعي في المنزل، وسوف يكون لا أرى آخر "الأسرة أعضاء ".
من ناحية الأجهزة ، فإن المتكلمين الأذكياء الذين هم مألوفون لدى الجميع هم في الأساس منتجات ناضجة نسبياً ، على الرغم من أنه سيكون هناك نمو كبير في المبيعات في السنوات الخمس القادمة ، إلا أن النمو سيتباطأ تدريجياً ، وتشير التقديرات إلى أنه بحلول عام 2022 ، سيكون المتكلمين الأذكياء العالميين سيكون مبلغ المبيعات قريباً من 9.5 مليار دولار أمريكي ، وفي الواقع ، يعتقد Renesse أن Amazon و Google قد لا يكونان قادرين على إطلاق العلامة التجارية الخاصة بهم من مكبرات الصوت الذكية في المستقبل ، لأن هذا النوع من المنتج نفسه ليس لديه مجال كبير للربح. بالنسبة إلى عمالقة الشبكة المنزلية ، طالما أن موردي الأجهزة يستخدمون خدمات النظام الأساسي الخاصة بهم ، فيمكنهم جمع بيانات المستخدم التي يحتاجونها.
وفي الفترة نفسها ، ستكون التغييرات في منتجات مثل أنظمة المراقبة الذكية للمنزل أكثر وضوحًا من أجهزة السماعات الذكية ، وفي الوقت الحالي ، فإن منتجات المراقبة الذكية في المنازل لا تحتوي في الواقع على مكونات ذكاء اصطناعي ، وإنما كاميرات وإنذارات وأقفال للباب وأجهزة استشعار وأجهزة أخرى. تتصل المنتجات ببعضها البعض لتشكيل نظام أمان يدعم مشغل الأحداث ، ومع ذلك ، مع ازدياد نضج تكنولوجيا البرامج والأجهزة ذات الصلة ، ستزداد نسبة كاميرات المراقبة المنزلية التي تحمل الذكاء الاصطناعي ، وفي نفس الوقت ستتمكن من تحقيق المزيد. توفر التطبيقات ، مثل استخدام المساعدين الصوتيين ، العديد من المستخدمين بخدمات أكثر دقة في بيئة متعددة المستخدمين.
حماية خصوصية المستهلك لتطبيقات AI
ومع ذلك ، بالنسبة إلى صناعة الأجهزة ، ما هو جدير بالملاحظة هو أن مفهوم السحابة المحلية ومنتجات التطبيقات ذات الصلة سيتم انتقاؤها حيث أن الأجهزة في المنزل تدعم بشكل عام منظمة العفو الدولية ، وأشار Renesse إلى أن المنتجات الإلكترونية المجهزة بوظيفة الذكاء الاصطناعي أنتج كمية كبيرة من بيانات المستخدم ، والعديد منها عبارة عن بيانات متعلقة بالخصوصية الشخصية ، لذلك إذا كانت هذه المنتجات الإلكترونية المنزلية المجهزة بالذكاء الاصطناعي تعتمد بشكل كامل على السحابة الخارجية للعمل ، فمن الواضح أنها ستسبب مخاوف الخصوصية.
من ناحية أخرى، العديد من الميزات نسبيا الأجهزة الأشياء الاستهلاكية بسيطة، من خلال الطاقة الكهربائية والقدرة الحاسوبية، وتكلفة الإنتاج وغيرها من الشروط، قد لا تكون قادرة على دعم الراقية جدا خوارزميات منظمة العفو الدولية. في هذا الوقت، سيقوم الجهاز سحابة المحلي لعب دور الدماغ، طلب هذه الأجهزة بشكل منتظم.
ومع ذلك ، اعترف Renesse أيضا أنه لا يزال من الصعب تأكيد الجهاز الذي سوف يلعب مركز سحابة المحلية.قد يكون من المتكلمين الذكية من الدرجة العالية ، قد يكون التلفزيون الذكية أو غيرها من المنتجات.
مدير الذراع كبار التسويق إيان سميث (الشكل 2) يعتقد أيضا أنه سيكون هناك المزيد والمزيد نعتقد أن مستقبل الحوسبة والاستدلال (استدلال) المحرك لتحريك المحطة. وأدى ذلك إلى نقل كبير القوة الدافعة، فمن لحماية خصوصية المستخدم . عن طريق تجهيز نهاية وعمل تحليل البيانات يمكن بسهولة مجهولة المصدر، وضمان أنه لن يتم الإفصاح عن البيانات الحساسة من خلال الشبكة. تطبيق الأسرة، على سبيل المثال، والمستهلكين لا يريدون تعلمه شخص من الشبكة أن عائلته لم يفعل ذلك وقت الناس ، ومن ثم بسهولة لسرقة في المنزل.
الشكل 2 قال إيان سميث ، مدير التسويق في شركة Arm ، إن تطبيقات حماية الذكاء الاصطناعي للمستهلكين ، وما إذا كانت آلية حماية الخصوصية موثوقة ، ستكون المفتاح إلى ما إذا كان يمكن تعميم التطبيق.
بالنسبة للتطبيقات المرئية ، يعتقد سميث أن الكاميرات التي تدعم التعرف البصري تعتبر بشكل أساسي قضايا خصوصية مهمة ، ومن الواضح أنه يجب تصميم هذه الأجهزة بحيث يمكن حمايتها عند تخزينها محليًا أو نقلها إلى السحابة. الخصوصية والمعلومات الحساسة. ومنذ انتقال عادة يتم توصيلها لاسلكيا، يجب أن تولي اهتماما كبيرا للأمن البث اللاسلكي. تصميم مهندسي الجهاز يجب التأكد من أن جهاز اتصال الشبكة لن يكون اخترق، ومشاهدة.
يظل عمر البطارية هو التحدي الفني الرئيسي
ومع ذلك ، من أجل دفع الذكاء الاصطناعي إلى العقدة الحافة ، لا يزال أكبر تحد تقني في الوقت الحالي هو استهلاك الطاقة في النظام ، فمن خلال استخدام كاميرات مراقبة المستهلكين كمثال ، قد يتوقع المستهلكون أن تكون هذه المنتجات لاسلكية بالكامل ، ومن الأفضل عدم توصيل كابلات الطاقة. وهذا يعني أن هذه المنتجات يجب أن تكون مدعومة بالبطارية وأن تدعم الشبكات اللاسلكية ، بالإضافة إلى ذلك ، يجب أن تكون قادرة على تحديد كل العناصر وتحتاج إلى مساحة تخزين غير محدودة.
تمثل المتطلبات المذكورة أعلاه تحديًا كبيرًا لتصميم النظام ، الأمر الذي يتطلب القدرة على تشغيل أشهر من البطاريات غير المنقطعة لتشغيل قدرات التعلم الآلي (ML) ، والقدرة على تحميل الملفات بشكل مستمر إلى السحابة للتخزين ، وهذه السيناريوهات المتطرفة مصممة لتصميم الشرائح ومكونات النظام. المتطلبات شديدة الصعوبة ، والأهم من ذلك أنها أتقنت عندما تسمح بتنسيق هذه الوظائف لإطالة عمر البطارية.
في حالة كاميرات المراقبة المنزلية ، لا تحتاج الكاميرا إلى نقل الفيديو في الغرفة لمدة 24 ساعة ، فمن المعقول فقط تحميل جزء من الصورة عندما يكون هناك شخص غير مؤكد ، بالطريقة نفسها ، إذا ظل المشهد مثل الشاغر بدون تغيير. ليس من المنطقي تمكين خوارزمية ML ، فترتب بدقة أين ومتى يتم تمكين هذه الميزات بحيث يمكن لجهاز المستهلك العمل في الوضع المتوقع مع بطاريات 2 AA فقط ويمكن استخدامه لفترة طويلة من الزمن.
ولكن أيضا بسبب استهلاك الطاقة هي واحدة من العقبات الرئيسية لمنظمة العفو الدولية المتمركزة في الجهاز الطرفي، وهناك اكتشفوا الفرصة لإطلاق الطاقة المنخفضة الشبكة العصبية (NN) مسرع السيليكون الملكية الفكرية (IP) في السوق، وذلك لمساعدة رقاقة العديد من الشركات الناشئة المنزل مع تقليل استهلاك الطاقة ، يمكن للمطورين تلبية الأداء المطلوب من خلال الاستنتاج الخوارزمي ، حيث أصدرت Kneron رسميًا سلسلة NPU الخاصة بها ، وهو معالج ذكاء اصطناعي مخصص مصمم للأجهزة الطرفية. IP تشمل هذه السلسلة ثلاثة منتجات ، وهي النسخة فائقة الطاقة المنخفضة KDP 300 والإصدار القياسي KDP 500 والإصدار العالي الأداء KDP 700 ، الذي يمكن أن يلبي احتياجات الهواتف الذكية والبيوت الذكية والأمن الذكي ومجموعة متنوعة من أجهزة IoT. تتمتع المجموعة الكاملة من المنتجات باستهلاك منخفض للطاقة ، وصغر حجمها ، وتوفر إمكانات حوسبة قوية ، وهي تختلف عن استهلاك الطاقة للمعالج من أجل الذكاء الاصطناعي في السوق ، وتستهلك Kneron NPU IP 100 ملي واط. (mW) ، بالنسبة لـ KDP 300 المخصص للتعرف على الوجه للهواتف الذكية ، يستهلك أقل من 5 ملي واط.
تطبيقات يمكن أن تكون مقاومة مدير تسويق المنتجات نائب الرئيس شييا لون (الشكل 3 يسار) يشير، إلى أن يقوم على عملية الذكاء الاصطناعي الجهاز الطرفي، في حين تلبية الطلب على الطاقة والأداء هو الاعتبار الأول. ولذلك، فإن إدخال الحلول الأمثل للتطبيقات الفردية، أمر بالغ الأهمية في الوقت الحاضر ، يمكن تقسيم تطبيق الذكاء الاصطناعي على نطاق واسع إلى فئتين رئيسيتين: الصوت والفيديو ، وتختلف بنية الشبكة العصبية المستخدمة ، ويكون تركيز تطبيقات الكلام هو تحليل اللغة الطبيعية ، حيث إن بنية الشبكة السائدة هي الشبكة العصبية المتكررة (RNN). هيكل الشبكة الرئيسي المستخدم لتحليل الصور هو الشبكة العصبية التلافيفية (CNN) ، ومن أجل تحسين الهياكل الشبكية المختلفة ، يختلف الحل الذي توفره القدرة.
شين مينغ فنغ (الشكل 3 يمين) الدببة يمكن أن تكمل برنامج إدارة التصميم، وعلى الرغم من انخفاض الطلب على اللغة الطبيعية أداء الحوسبة تحليل رقاقة، ولكن بسبب لهجة اللغة، والعادات خطاب لها قدر كبير من التفاوت، وبالتالي تتطلب أن مجموعة بيانات التدريب نموذج على الجانب الآخر ، أكثر من التعرف على الفيديو ، لأن المستهلكين اعتادوا بالفعل على استخدام مساعدين صوتيين مستندين إلى السحابة مثل Apple Siri و Google Assistant ، فإن تطبيقات التحليل الدلالي دون اتصال هي التي يفضلها المستهلكون. الشرط المسبق هو أنه يجب علينا توفير تجربة استهلاكية مماثلة في ظل موارد حوسبة محدودة ، وهذا يمثل تحديًا لباعة الشرائح ومطوري الأنظمة.
يمكن 3 الدببة تنطبق مدير التسويق والمنتج شييا لون (يسار) ويعتقد أن صوت مع التعرف على الصور هي مختلفة جدا في الطبيعة، والحاجة إلى الاعتماد على حلول مختلفة لتلبية. شين مينغ فنغ هو البرنامج المناسب يمكن أن تكون مقاومة مدير التصميم.
في الواقع ، فإن الغالبية العظمى من المتكلمين الذكية لا تزال ليست منتجات الحوسبة حافة وأشار ألين هارون إلى أنه سواء كان صدى الأمازون ، و Apple's Homepod أو بايدو ، على بابا منصة مكبرات الصوت الذكية ، لا يزال يتعين يتم إرسال البيانات مرة أخرى إلى السحابة من أجل المعالجة والتحليل الدلالي ، من أجل الاستجابة للمستخدمين ، فالعمليات الصوتية التي يمكن إجراؤها مباشرة على المنتج النهائي تعتمد في الغالب على القاعدة وليس الفهم الدلالي الطبيعي القائم على الماكينة.
منذ 2016 الدببة يمكن إطلاق الشركة أول محطة بالجهاز AI معالج NPU IP، واصلت لتحسين تصميمها ومواصفاتها، والأمثل للتطبيقات الصناعية المختلفة. والمتاحة حاليا للعملاء في بداية IP، الحزب الديمقراطي الكردستاني 500 عميل المصنع باستخدام نظام كان وسوف يكون في الإنتاج الضخم في تصنيع الربع الثاني (قناع الشريط المغادرة). التعرف على الكلام التعاون كلاب البحث مع حقق إعراب حاليا الدلالي، وذلك حتى إذا لم يتم توصيل الجهاز الطرفي إلى الشبكة، ولكن أيضا يمكن أن نفهم تعليمات صوت المستخدم.
Kneron NPU IP مخصص معالج الذكاء الاصطناعي للجهاز المحطة صممت بحيث الجهاز الطرفي في بيئة حاليا، يمكنك تشغيل ResNet، YOLO غيرها من شبكة التعلم العميق. Kneron NPU هو استكمال حلول الأجهزة نهاية AI، بما في ذلك الأجهزة IP، المترجم (مترجم)، ونموذج ضغط (نموذج الضغط) ثلاثة أجزاء، ويمكن دعم مجموعة متنوعة من تعميم نماذج الشبكة العصبية، مثل Resnet 18، Resnet-34، Vgg16، GoogleNet، وLenet، فضلا عن دعم التيار التعلم العميق تأطير، بما في ذلك كافيه، Keras وTensorFlow.
Kneron NPU IP استهلاك الطاقة هو مستوى 100 ميغاواط، الإصدار فائقة منخفضة الطاقة من الحزب الديمقراطي الكردستاني 300 أو حتى أقل من 5 ميغاواط، ومجموعة كاملة من المنتجات في الأداء لكل واط 1.5 TOPS / W أو أكثر، واستخدام عدد من التقنيات الحصرية، فإنه يمكن لقاء مقدمي رقاقة، ومشغلي النظام بحاجة للطاقة منخفضة، قوة الحوسبة عالية.
العناصر الأساسية للقفل لسنا خائفين من تكنولوجيا الأجهزة مسرع التكرار
علاج الدائرة (ماثلة) لتحسين كفاءة مهام الحوسبة معينة، والحد من استهلاك الطاقة، وتصميم رقاقة لالأعمار، ولكن على حساب انخفاض مرونة الطلب، تغير كبير في حالة الطلب في السوق لوظائف رقاقة أو خوارزميات البرمجيات المعدلة بشكل ملحوظ، يكون مصممي رقاقة لإعادة تطوير شريحة جديدة.
في حالة دالة الطلب على رقاقة تمت تسويتها في الأساس، وهذا التصميم ليست مشكلة، ولكن في التكنولوجيات الناشئة تقنيات تكرارية سريعة، واتخاذ هذا النهج تصميم، سيكون هناك خطر كبير نسبيا في مجال الأعمال التجارية الذكاء الاصطناعي هو التكرار المهرة سريع جدا، كل عام تقريبا وأشار خوارزمية جديدة مع نموذج المتاحة. شركة أبحاث المفتوحة AI أيضا إلى أنه على مدى السنوات الست الماضية، نموذج التدريب AI لحساب الطلب على الطاقة سيزداد كل 3.43 في الشهر مرات.
في هذا الصدد ، أشار شين Mingfeng إلى أن المسرعات الأجهزة ليست بالضرورة غير مرنة.أخذ منتجات التحمل كمثال.من ناحية تصميم الهندسة المعمارية ، تستخدم الشركة تقنية تحلل نواة تحريف (تصفية التحلل) لتلوين حبات التواء كبيرة. تنقسم كتلة التشغيل إلى مجموعة من وحدات تشغيل التواء صغيرة يتم تشغيلها على التوالي ، ثم يتم دمجها مع تقنية تسريع التواء (تقنية إعادة تسريع تبعية) القابلة لإعادة التشكيل ، حيث يتم دمج نتائج عمليات تكتلات عمليات الالتواء الصغيرة لتسريع العملية بالكامل. الكفاءة التشغيلية.
باستخدام استعارة سهلة الفهم نسبياً ، يبدو الأمر كما لو أن طوب LEGO يمكن تجميعه في أنواع مختلفة من الكائنات ، لكن الكائن بأكمله نفسه لا يزال عبارة عن كومة من بضعة كتل أساسية ، ولا يمكن الاستغناء عن برنامج التحمل لخوارزميات الذكاء الاصطناعي. يتم تسريع العناصر الأساسية لتحسين أداء تنفيذ الخوارزمية بأكملها ، لذلك ، حتى إذا تم تحديث خوارزمية الذكاء الاصطناعي بسرعة عالية جدًا ، فلا يزال بإمكان الحل القائم على الأداء التأثير على التسارع.
بالإضافة إلى التصميم الخاص بمسارع التسارع الذي يركز على العناصر الأساسية ، بدلاً من تسريع الخوارزمية المحددة ككل ، توفر Terrain أيضًا تقنيات أخرى لتسريع أو نشر تطبيقات AI ، على سبيل المثال ، تقوم تقنية ضغط النموذج الخاصة بها بضغط النماذج غير المثلى. العشرات من المرات ؛ يمكن أن يقلل التخزين المؤقت متعدد المستويات من استخدام وحدة المعالجة المركزية ونقل البيانات ، مما يعمل على تحسين الكفاءة التشغيلية بشكل عام بالإضافة إلى ذلك ، يمكن دمج Kneron NPU IP مع برنامج Kneron للتعرف على الصور لتقديم تحليل للتعرف على الوقت الحقيقي. إن الاستجابة ليست أكثر استقرارًا فحسب ، ولكنها تفي أيضًا بمتطلبات الأمان والخصوصية ، نظرًا لأن الأجهزة والبرمجيات يمكن دمجها بإحكام ، فإن الحل الشامل هو أصغر واستهلاك الطاقة أقل للمساعدة في التطوير السريع للمنتجات.
تحديد الهوية AI هو أكثر إلحاحا نحو الحافة
على وجه العموم ، فإن الطلب الحالي على السوق للتعرف على الصور أمر أكثر إلحاحًا ، فعلى الرغم من وجود سوق ضخمة محتملة للمتحدثين الأذكياء في التحليل الدلالي غير المتصل بالإنترنت ، فهناك موارد أقل لصناعة المراهنة ، والسبب الرئيسي لهذه الظاهرة هو سيشغل ناقل الحركة كمية كبيرة من عرض النطاق الترددي ، مما يؤدي بدوره إلى زيادة تكلفة الملكية الإجمالية للنظام ، ولا توجد مشكلة في الصوت.
أوضح لين تشيمينغ ، المدير العام لشركة Jingxin Technology (الشكل 4) أن دمج الذكاء الاصطناعي وإنترنت الأشياء سيقود أيضًا إلى إدخال تقنية الحوسبة المتقدمة ، وسيتم تطبيق تقنية الحوسبة الحافة على مجموعة متنوعة من التطبيقات الناشئة. ومن بين هذا الاتجاه ، تعد المرونة والسرعة أكبر المزايا للمصنعين التايوانيين ، فبالنسبة لمعظم الشركات التايوانية وشركات تصميم الدوائر المتكاملة ، من الأسهل اقتلاع سوق الذكاء الاصطناعي من الحافة.
الشكل 4: يقدر Zhixin Lin ، المدير العام لشركة Jingxin Technology أن IP Cam سيكون أحد التطبيقات الرئيسية لأداء استنتاج AI على الأجهزة الحافة.
في نفس الوقت ، بسبب إدخال تقنية الحوسبة ، فإن متطلبات الأجهزة مثل الذاكرة و الإرسال ستزداد أيضا ، مما سيزيد من تكاليف التصنيع بشكل كبير ، حيث أن النظام المرتبط بالصور (SoC) أصلا أكثر تعقيدا من التطبيقات الأخرى ، كما أن تحمل التكلفة كبير أيضًا ، لذا من المتوقع أن تكون تقنية الحوسبة هي الأولى التي تستوردها التطبيقات ذات الصلة بالصور مثل IP Cam.
يمكن تقسيم تطبيقات الذكاء الاصطناعي إلى التدريب والتعرف ، وفي عملية الحوسبة الضخمة للتعلم العميق ، لا يزال يتم إجراء الحوسبة السحابية في فترة قصيرة من الزمن ، والمهمة التي تقع على عاتق الحوسبة المسؤولة هي القيام بالمعلومات التي يتم جمعها أولاً. تقوم المعالجة الأولية ، بعد تصفية المعلومات غير المهمة ، بتحميل البيانات إلى السحابة لتوفير تكلفة الإرسال ، ومن ناحية أخرى ، فإن التعلم العميق الذي أنجزته السحابة يمكن أيضًا أن يجعل وظيفة تحديد هوية المحطة أكثر ذكاءً. على سبيل المثال ، يمكن إكمال عملية التعلم العميق للصور بواسطة الحوسبة السحابية أولاً ، بعد أن يتعرف المتعلم الاحتياطي على المشاة ، فإن كاميرا IP على الحافة يمكنها فقط تنفيذ عملية تحديد الهوية.
من ناحية أخرى ، نظرًا لاستخدام IP Cam على نطاق واسع في أعمال الصيانة الأمنية وأمن المجتمع ، فإن الحكومة والشركات على استعداد نسبيًا لدعم الاستثمار ، والذي سيكون أيضًا سببًا للتطور السريع لـ IP Cam.
وشارك لين زيمينج أن العديد من الشركات المصنعة تستكشف الآن كيفية استيراد الذكاء الاصطناعي إلى شرائح وأنظمة خاصة بهم ، والوضع الحالي مشابه لبداية إنترنت الأشياء ، وما زال الجميع يحاولون معرفة كيفية استخدام هذه التكنولوجيا ، ويقدر أن الشركات المصنعة ستكون في حدود عام 2020. سوف تطلق المزيد من المنتجات الفعلية.
يجب أن تستخدم تطبيقات الوقت الفعلي بنية حوسبة حافة
يعتبر الذكاء الاصطناعي موضوعا ساخنا في الوقت الحاضر ، فالتحول التدريجي من بنية الحوسبة السحابية إلى معمارية الحوسبة سيكون له تأثير كبير على باعة سلسلة التوريد ، على الرغم من أن تطوير الذكاء الاصطناعي في المدى القصير سيظل يهيمن عليه الحوسبة السحابية ، ومع ذلك ، فإن العديد من وظائف الذكاء الاصطناعي فيما يتعلق بتطبيقات الرؤية ستبدأ في استيراد الحواف.
يشير دايل ك. هيت ، مدير تطوير السوق لإستراتيجية الذكاء البصري لـ Xilinx (الشكل 5) ، إلى أنه في المستقبل المنظور ، قد تستمر مكونات التدريب في تطوير الذكاء الاصطناعي في السيطرة على الحوسبة السحابية ، ومع ذلك ، فقد بدأت مكونات الاستنتاج / النشر. استخدم عمليات الحافة لدعم التطبيقات التي تتطلب وقت استجابة منخفض وكفاءة شبكة.
الرقم 5 Dale K. Hitt ، مدير تطوير السوق لاستراتيجية Xilinx للذكاء البصري ، يعتقد أنه بالنسبة للتطبيقات التي تتطلب وقت استجابة منخفض جدًا ، ستكون عمليات الحافة هي الحل الأفضل.
سيكون التعلم الآلي للتطبيقات ذات الصلة بالرؤية أحد الاتجاهات الرئيسية والبعيدة المدى للتطبيقات التي تعمل على الحافة ، كما أنه سيكون قويًا في رؤية الآلات الصناعية والمدن الذكية والتحليل البصري وسوق القيادة الذاتية. إمكانات النمو: فيما يتعلق بالرؤية الصناعية والتطبيقات الاستهلاكية ، ولأن الحساب الحسي يجب أن ينفذ خوارزميات تعلم الآلة ، فإن متطلبات الأداء أعلى أيضًا من حلول الجيل السابق ، وبالإضافة إلى ذلك ، كانت خوارزميات / وظائف تعلم الماكينة سريعة التطور. يحتاج إلى أجهزة ذاتية التكيف من أجل تحسين البنى المستقبلية لتعلم التعلم الآلي.
Hitt القيادة الذاتية، على سبيل المثال، كل سيارة لها خوارزميات متطورة وراء دعم أجهزة الاستشعار، هي المسؤولة عن تفسير النتائج من إخراج بيانات الاستشعار إدراك الاتجاه الأخير هو استخدام خوارزميات التعلم العميق لإخراج هذه التصورات تفسير النتائج، ومع ذلك، يجب تدريب خوارزميات التعلم العميق من خلال عدد كبير من الحالات المحتملة لتعلم كيفية قراءة كل بيانات المستشعر الممكنة.
بعد التدريب، وخوارزميات التعلم عميقة تتطلب الحوسبة عالية الأداء مع فائقة الكمون المنخفض، من أجل السيطرة على السيارة بأمان. بالنسبة للسيارات الكهربائية، يجب عليك استخدام الطاقة المنخفضة للتعامل مع الحد درجة حرارة التشغيل وإطالة فترة تشغيل البطارية أشباه الموصلات قوة العمل الهدف هو توفير حلول عالية الكفاءة ، منخفضة الطاقة ، قابلة للتكيف لتلبية الاحتياجات المختلفة من AI الحافة ذاتية القيادة.
في تعمل هذه العملية على حافة التنمية، والتحدي الأكبر هو الاحتياجات المتغيرة للسوق بسرعة كبيرة، ويمكن أن تتغير لمجموعة متنوعة من التكيف السريع للتكنولوجيا مهم جدا من أجل السماح للشركات لتظل قادرة على المنافسة.
مزيد من توضيح Hitt عمق خوارزميات التعلم بمعدل سريع للتقدم المستمر، فإن العديد من الحلول الرائدة في عام 2017 واجه حتى الآن زوال مماثل. على الرغم من العديد من الآخرين لديها الآن قدرة أعلى، جنبا إلى جنب مع ارتفاع الحوسبة الطلب، الأجهزة لا تزال يجب تحديث الأجهزة بمعدل أسرع لتجنب الإزالة ، وقد تحتاج بعض الأجهزة إلى تحديثها أثناء الإنتاج ، كما يجب استرجاع العديد من التقنيات البديلة لتحديث الشريحة.
Hitt ملحق، FPGA المزايا الفريدة التي تشمل الحوسبة والهندسة المعمارية الذاكرة، وروابط لجوانب أخرى من عمق الأجهزة يمكن أن يكون الأمثل وحدة المعالجة المركزية وGPU مقارنة الأمثل لتحقيق أعلى أداء في انخفاض استهلاك الطاقة، في حين أن اثنين من السابق لا يمكن تحسين هندسة الأجهزة بسرعة للاحتياجات الجديدة المشتقة.
عملية الحافة ساحقة
تطبيقات AI تعتمد على عمليات مركز البيانات سحابة، وإن كانت هناك عالية جدا الحوسبة دعم السلطة، فمن عادة أعلى من حافة صحة الجهاز تحديد وفقا للنموذج مبسط من المنطق، ولكن بعد الأخذ بعين المخاوف المتعلقة بالخصوصية حساب، والاستجابة في الوقت الحقيقي على الانترنت والتكاليف والعوامل الأخرى استنتاجات مباشرة على حافة الجهاز، لا يزال خيارا جذابا للغاية. من ناحية أخرى، فإن البيانات سحابة حجم سوق مركز كبير من الجهاز الطرفي، هناك حافز اقتصادي قوي. وهذا هو أيضا العام الماضي AIoT يهتفون بشعارات صدمة السعر مرتفع جداً ، وشركات أشباه الموصلات الرئيسية تنتشر بشكل نشط.
وبالنظر إلى المستقبل، والتطبيقات AI التي يدعمها السحابة لا تزال موجودة في السوق، ولكن لا بد نسبة للحد من سنة بعد سنة، وسوف يحل محله سحابة الهجين الهندسة المعمارية وحافة الحوسبة الجديدة.، السحابة لا يمكن استبدال تطبيقات المطورين AI القيمة تكمن في نموذج القطار، بدلا من أداء الاستدلال. أيضا لهذا السبب، مطوري التطبيقات، ومقدمي الحلول يمكن تحقيق اندماج بين "سحابة" و "نهاية" سيكون مطوري التطبيقات أهم الاعتبارات عند تقييم الموردين.