हाल के वर्षों में कृत्रिम बुद्धि (एआई) और एज कंप्यूटिंग (एज कंप्यूटिंग) जैसी प्रौद्योगिकियों के तेज़ी से विकास के साथ, स्मार्ट घर की अवधारणा में शामिल विभिन्न उपभोक्ता इलेक्ट्रॉनिक्स और घरेलू उपकरणों में क्रांतिकारी परिवर्तन होगा। आखिरकार, घरेलू उपकरणों से बना एक कृत्रिम बुद्धिमान नेटवर्क एक और परिवार का सदस्य बन सकता है जिसे आप नहीं देख सकते हैं। स्थानीय क्लाउड और उसके संबंधित उपकरण की अवधारणा घर कृत्रिम बुद्धिमान नेटवर्क को लागू करने में एक अनिवार्य तत्व होगी।
स्मार्ट स्पीकर / निगरानी उपभोक्ता एआई के दो प्रमुख स्पिंडल बन जाएगी
रिसर्च फर्म डिंब उपभोक्ता प्रौद्योगिकी शोधकर्ता रोनन डी Renesse के विकास पर नज़र रखने के लिए जिम्मेदार (चित्रा 1) है कि उपभोक्ता इलेक्ट्रॉनिक्स क्षेत्र में ऐ के आवेदन, लगभग दो साल अक्सर मीडिया का ध्यान का ध्यान केंद्रित हो गया है, लेकिन उपभोक्ता इलेक्ट्रॉनिक्स और ऐ प्रवृत्ति के साथ संयुक्त, यह अभी विकसित हो रहा है। अगले तीन से पांच वर्षों में, कई उपभोक्ता इलेक्ट्रॉनिक्स उत्पादों में एआई कार्यक्षमता होगी और घर में कृत्रिम खुफिया नेटवर्क बनाने के लिए एक दूसरे के साथ जुड़ जाएगा।
चित्रा 1 ओवन में उपभोक्ता प्रौद्योगिकी के शोधकर्ता रोनान डी रेनेसे का मानना है कि भविष्य के परिवार में विभिन्न इलेक्ट्रॉनिक उपकरण अदृश्य परिवार के सदस्य बन जाएंगे।
हार्डवेयर उद्योग श्रृंखला के लिए, यह प्रवृत्ति निश्चित रूप से कई नए व्यावसायिक अवसर लाएगी। हालांकि, उच्च स्तर पर, कृत्रिम बुद्धिमान नेटवर्क जो चुपचाप घर में टैप हो गया है वह एक और "परिवार" बन जाएगा जिसे आप नहीं देख सकते हैं। सदस्य हैं। "
हार्डवेयर पक्ष पर, स्मार्ट वक्ताओं जो हर किसी से परिचित हैं मूल रूप से अपेक्षाकृत परिपक्व उत्पाद हैं। हालांकि अगले पांच वर्षों में बिक्री में उल्लेखनीय वृद्धि होगी, लेकिन विकास धीरे-धीरे धीमा हो जाएगा। अनुमान है कि 2022 तक वैश्विक स्मार्ट स्पीकर्स बिक्री की राशि 9.5 अरब अमेरिकी डॉलर के करीब होगी। असल में, रेनेसे का मानना है कि अमेज़ॅन और Google भविष्य में अपने स्मार्ट वक्ताओं का ब्रांड लॉन्च नहीं कर पाएंगे, क्योंकि इस प्रकार के उत्पाद में लाभ के लिए बहुत कम जगह है। घरेलू नेटवर्क दिग्गजों के लिए, जब तक हार्डवेयर विक्रेता अपनी प्लेटफॉर्म सेवाओं का उपयोग करते हैं, वे उपयोगकर्ता डेटा को एकत्रित कर सकते हैं।
इसी अवधि में, घरेलू बुद्धिमान निगरानी प्रणालियों जैसे उत्पादों में परिवर्तन स्मार्ट वक्ताओं की तुलना में अधिक स्पष्ट होंगे। वर्तमान में, तथाकथित घर बुद्धिमान निगरानी उत्पादों में वास्तव में कृत्रिम बुद्धिमान घटक नहीं होते हैं, बल्कि कैमरे, अलार्म, दरवाजे के ताले, सेंसर और अन्य हार्डवेयर होते हैं। उत्पाद एक दूसरे से जुड़े होते हैं जो इवेंट ट्रिगर का समर्थन करने वाली सुरक्षा प्रणाली बनाने के लिए जुड़े होते हैं। हालांकि, संबंधित सॉफ़्टवेयर और हार्डवेयर तकनीकें अधिक परिपक्व हो जाती हैं, इसलिए कृत्रिम बुद्धि ले जाने वाले गृह निगरानी कैमरों का अनुपात बढ़ जाएगा, और साथ ही यह और अधिक हासिल करने में सक्षम होगा। अनुप्रयोग, जैसे वॉयस सहायकों के उपयोग, बहु-उपयोगकर्ता वातावरण में अधिक सटीक सेवाओं के साथ कई उपयोगकर्ताओं को प्रदान करते हैं।
एआई ऐप्स के लिए उपभोक्ता गोपनीयता सुरक्षा
हालांकि, हार्डवेयर उद्योग के लिए, सबसे उल्लेखनीय बात यह है कि स्थानीय क्लाउड और संबंधित अनुप्रयोग उत्पादों की अवधारणा को उठाया जाएगा क्योंकि घर में डिवाइस आम तौर पर एआई का समर्थन करते हैं। रेनेसे ने इंगित किया कि एआई समारोह से सुसज्जित इलेक्ट्रॉनिक उत्पाद उपयोगकर्ता डेटा की एक बड़ी मात्रा का उत्पादन करें, और उनमें से कई व्यक्तिगत गोपनीयता से संबंधित डेटा हैं। इसलिए, यदि कृत्रिम बुद्धि से लैस इन घरेलू इलेक्ट्रॉनिक उत्पादों को पूरी तरह से बाहरी बादल पर भरोसा करने के लिए भरोसा है, तो यह स्पष्ट रूप से गोपनीयता चिंताओं का कारण बन जाएगा।
दूसरी ओर, कई सुविधाओं के अपेक्षाकृत सरल बातें उपभोक्ता उपकरणों, बिजली, कंप्यूटिंग शक्ति द्वारा, उत्पादन और अन्य शर्तों की लागत, नहीं बहुत उच्च अंत ऐ एल्गोरिदम समर्थन करने में सक्षम हो सकता है। इस समय, स्थानीय क्लाउड उपकरण मस्तिष्क के भूमिका निभाएगा, इन उपकरणों को समान रूप से ऑर्डर करें।
हालांकि, रेनेसे ने यह भी स्वीकार किया कि यह भी कहना मुश्किल है कि कौन सा डिवाइस स्थानीय क्लाउड सेंटर खेलेंगे। यह उच्च ऑर्डर स्मार्ट स्पीकर हो सकता है, यह स्मार्ट टीवी या अन्य उत्पाद हो सकता है।
आर्म स्मेथ, आर्म के वरिष्ठ विपणन निदेशक (चित्रा 2) का यह भी मानना है कि भविष्य में टर्मिनल में अधिक से अधिक कंप्यूटिंग और अनुमान इंजन आगे बढ़ेगा। इस स्थानांतरण के लिए मुख्य ड्राइविंग बल उपयोगकर्ता की गोपनीयता की रक्षा करना है। । अंत प्रसंस्करण और विश्लेषण काम से, डेटा आसानी से गुमनाम हो सकता है और यह सुनिश्चित करें कि संवेदनशील डाटा नेटवर्क के माध्यम से खुलासा नहीं किया जाएगा। परिवार आवेदन, उदाहरण के लिए, उपभोक्ताओं को नहीं चाहिए नेटवर्क से किसी को पता चला कि उसके परिवार को नहीं था लोगों का समय, और फिर आसानी से घर पर चोरी करना।
आर्म के सीनियर मार्केटिंग डायरेक्टर चित्रा 2 इयान स्माइथ ने कहा कि उपभोक्ता एआई अनुप्रयोगों के लिए, क्या गोपनीयता संरक्षण तंत्र विश्वसनीय है या नहीं, यह एप्लिकेशन महत्वपूर्ण हो सकता है कि एप्लिकेशन को लोकप्रिय किया जा सकता है या नहीं।
दृष्टि अनुप्रयोगों के लिए, Smythe का मानना है कि दृश्य मान्यता समर्थन कैमरा कार्यों में कुछ महत्वपूर्ण गोपनीयता के मुद्दों प्रकृति में। जाहिर है, इन उपकरणों ताकि कोई फर्क नहीं पड़ता जब इकाई संग्रहीत या क्लाउड पर प्रसारित किया जाता है, की रक्षा कर सकते तैयार किया जाना चाहिए पर विचार करने के गोपनीयता और संवेदनशील जानकारी। चूंकि प्रसारण आमतौर पर वायरलेस रूप से जुड़ा हुआ है, तो आप बेतार संचरण सुरक्षा करने के लिए सावधान ध्यान देना चाहिए। इस उपकरण के इंजीनियरों डिजाइन सुनिश्चित करना चाहिए कि नेटवर्क कनेक्शन डिवाइस को हैक कर लिया नहीं किया जाएगा, देख रहे हैं।
बैटरी जीवन मुख्य तकनीकी चुनौती बनी हुई है
हालांकि, ऐ नोड्स के कगार पर, सबसे बड़ी तकनीकी चुनौती अभी भी प्रणाली की बिजली की खपत है। उपभोक्ता निगरानी कैमरों के लिए, उदाहरण के लिए, उपभोक्ताओं को इन उत्पादों को पूरी तरह से वायरलेस हैं अपेक्षा कर सकते हैं, यह सबसे अच्छा करने के लिए भी बिजली की तारों नहीं है इसका मतलब है कि इस प्रकार का उत्पाद बैटरी संचालित होना चाहिए और वायरलेस नेटवर्क का भी समर्थन करना चाहिए। इसके अतिरिक्त, यह सभी वस्तुओं की पहचान करने में सक्षम होना चाहिए और असीमित संग्रहण स्थान की आवश्यकता होनी चाहिए।
ऊपर सिस्टम डिजाइन के लिए चुनौतियों के एक महान सौदा की मांग है, यह सीखने (एमएल) मशीन के लगातार चार्ज बैटरी क्षमता, और चिप डिजाइन और प्रणाली घटकों के इन गंभीर मामलों बादल भंडारण के लिए फ़ाइलों को अपलोड करने के लिए जारी रखा क्षमता को चलाने के लिए कई महीनों की आवश्यकता होती है सकते हैं आवश्यकताओं की काफी मांग है, और सबसे महत्वपूर्ण बात यह है कि उन्होंने बैटरी जीवन को बढ़ाने के लिए इन कार्यों के ऑर्केस्ट्रेशन को सक्षम करने के लिए महारत हासिल की है।
घर निगरानी कैमरे के साथ, एक वीडियो कैमरा 24 घंटे के हस्तांतरण खाली कमरे की जरूरत नहीं है, बस भाग की छवि अपलोड ऐसे ही दृश्य की उपलब्धता के रूप में जब वहाँ मामले में वहाँ लोगों की अपुष्ट पहचान कर रहे हैं। इसी तरह, केवल उचित है एमएल एल्गोरिथ्म मतलब नहीं है, उपभोक्ता उपकरणों आपरेशन के मोड में होने की उम्मीद करने के लिए सक्षम। सावधान व्यवस्था कहां, कब इन सुविधाओं को सक्षम करने के लिए, क्रम में केवल दो ए.ए. बैटरी लंबी अवधि के सामान्य उपयोग कर सकते हैं।
बल्कि इसलिए भी कि बिजली की खपत ऐ के लिए मुख्य बाधाओं टर्मिनल उपकरण में तैनात में से एक है, वहाँ कई घर स्टार्टअप आदेश चिप की सहायता के लिए में, बाजार पर कम बिजली तंत्रिका नेटवर्क (एनएन) त्वरक सिलिकॉन बौद्धिक संपदा (आईपी) लॉन्च करने के लिए अवसर देखा है कर रहे हैं डेवलपर्स, जबकि बिजली की खपत को कम करने, लेकिन यह भी प्रदर्शन के लिए आवश्यक निष्कर्ष एल्गोरिथ्म प्रतिरोध होशियारी (Kneron) को पूरा करने के आधिकारिक तौर पर अपने तंत्रिका नेटवर्क प्रोसेसर (NPU) श्रृंखला जारी की है, कृत्रिम टर्मिनल डिवाइस तैयार किया गया खुफिया के लिए एक समर्पित प्रोसेसर है आईपी। परिवार तीन उत्पादों, अर्थात् KDP 300 की अल्ट्रा कम शक्ति संस्करण के होते हैं, मानक संस्करण KDP 500, साथ ही KDP 700 के उच्च प्रदर्शन संस्करण, स्मार्ट फोन, स्मार्ट घर, बुद्धिमान सुरक्षा के आवेदन, साथ ही बातों उपकरणों की एक किस्म को पूरा करने के कम बिजली की खपत, छोटे आकार विशेषताओं के साथ उत्पादों की पूरी श्रृंखला है, और एक शक्तिशाली कंप्यूटिंग क्षमता प्रदान करता है। ऐ प्रोसेसर वाट बंद के दसियों के लिए बाजार में उपलब्ध बिजली के विपरीत, Kneron NPU आईपी बिजली की खपत 100 मेगावाट है (मेगावाट) स्मार्ट फोन के लिए स्तर समर्पित KDP 300 मान्यता, या सत्ता के milliwatts भी 5 से भी कम समय का सामना।
आवेदन प्रतिरोधी उत्पाद विपणन प्रबंधक सह Shiya लुन (चित्रा 3 बाएं) बताते हैं, टर्मिनल डिवाइस कृत्रिम बुद्धि आपरेशन पर प्रदर्शन किया जाएगा, जबकि शक्ति और प्रदर्शन के लिए मांग को पूरा करने के लिए एक प्राथमिक विचार है हो सकता है। इसलिए, अलग-अलग अनुप्रयोगों के लिए अनुकूलित समाधान का परिचय, महत्वपूर्ण है .. कृत्रिम बुद्धि के वर्तमान आवेदन मोटे तौर पर वीडियो, वे प्राकृतिक भाषा विश्लेषण में एक अलग जोर आवाज अनुप्रयोगों का उपयोग तंत्रिका नेटवर्क वास्तुकला के साथ आवाज के दो प्रमुख श्रेणियों में बांटा जा सकता है, मुख्यधारा नेटवर्क वास्तुकला आवर्तक तंत्रिका नेटवर्क (RNN) है; मुख्य धारा नेटवर्क संरचना छवि विश्लेषण convolutional तंत्रिका नेटवर्क (सीएनएन)। विभिन्न नेटवर्क संरचनाओं के लिए अनुकूलित प्रयोग किया जाता है, समाधान प्रतिरोध प्रदान कर सकते हैं ही नहीं हैं।
शेन मिंग-फेंग (चित्रा 3 दाएं) भालू, सॉफ्टवेयर डिजाइन प्रबंधक के पूरक हो सकते हैं, हालांकि प्राकृतिक भाषा विश्लेषण चिप कंप्यूटिंग प्रदर्शन के लिए कम मांग है, लेकिन भाषा के स्वर की वजह से भाषण की आदतों के लिए एक महान विसंगति है, और इसलिए आवश्यक है कि मॉडल प्रशिक्षण डेटा सेट के रूप में उपभोक्ताओं को पहले से ही, क्लाउड-आधारित आवाज सहायक एप्पल (Apple) सिरी, गूगल सहायक का उपयोग आदि इसलिए, बंद लाइन अर्थगत विश्लेषण के आवेदन उपभोक्ताओं को पाने के लिए के आदी छवि मान्यता, विशाल से अधिक है। दूसरी ओर, शर्त यह है कि उपभोक्ता सीमित कंप्यूटिंग संसाधनों के साथ इसी तरह का अनुभव प्रदान करना चाहिए। प्रणाली डेवलपर्स के साथ इस चिप आपूर्तिकर्ता, चुनौती छोटे नहीं है।
3 भालू आवेदन कर सकते हैं विपणन और उत्पाद प्रबंधक Shiya लुन (बाएं) का मानना है कि छवि मान्यता के साथ आवाज प्रकृति में बहुत अलग हैं, अलग अलग समाधान पर निर्भर करने के लिए पूरा करने के लिए। शेन मिंग-फेंग सही सॉफ्टवेयर प्रतिरोधी डिजाइन प्रबंधक हो सकता है की जरूरत है।
वास्तव में, बुद्धिमान वक्ताओं के विशाल बहुमत, बढ़त कंप्यूटिंग उत्पादों के रूप में नहीं कर रहे हैं। Shiya लुन कि ने बताया इको, एप्पल के Homepod या स्मार्ट वक्ता Baidu, अलीबाबा मंच, के अमेज़न (अमेज़न) की परवाह किए बिना या करना चाहते हैं डेटा अर्थ पार्सिंग के साथ प्रसंस्करण के लिए बादल के लिए वापस, क्रम में उपयोगकर्ता के लिए प्रतिक्रिया करने। आवाज आपरेशन मूल रूप से नियमों का सबसे अपनाया मोड (नियम आधारित), और नहीं मशीन सीखने के प्राकृतिक अर्थ समझ के आधार पर, अंत उत्पाद पर सीधे किया जा सकता है।
के बाद से 2016 भालू कंपनी की पहली टर्मिनल उपकरण-विशिष्ट ऐ प्रोसेसर NPU आईपी शुरू कर सकते हैं, आईपी, KDP में शुरुआत ग्राहकों के लिए अपने डिजाइन और विनिर्देशों में सुधार जारी है, और विभिन्न औद्योगिक अनुप्रयोगों के लिए अनुकूलित। वर्तमान में उपलब्ध में 500 संयंत्र प्रणाली का उपयोग कर ग्राहकों को दिया गया है और दूसरी तिमाही विनिर्माण क्षेत्र में बड़े पैमाने पर उत्पादन में हो जाएगा (मास्क टेप-आउट)। खोज कुत्तों सहयोग से वाक् पहचान ऑफ़लाइन अर्थ पार्स हासिल की है, तो टर्मिनल उपकरण नेटवर्क से कनेक्ट नहीं कर रहा है, भले ही, लेकिन यह भी उपयोगकर्ता की आवाज आज्ञाओं को समझते हैं।
Kneron NPU आईपी टर्मिनल डिवाइस के लिए कृत्रिम बुद्धि प्रोसेसर समर्पित है ताकि एक ऑफ़लाइन वातावरण में टर्मिनल डिवाइस, आप ResNet चला सकते हैं डिज़ाइन किया गया है, YOLO अन्य गहरे सीखने नेटवर्क। Kneron NPU एक पूरा अंत ऐ हार्डवेयर समाधान है, हार्डवेयर सहित आईपी, संकलक (संकलक), और संपीड़न मॉडल (मॉडल संपीड़न) तीन भागों में, इस तरह के Resnet -18, Resnet -34, Vgg16, GoogleNet, और Lenet, साथ ही मुख्य धारा का समर्थन गहरी सीखने के रूप में मुख्यधारा के तंत्रिका नेटवर्क मॉडल, की एक किस्म का समर्थन कर सकते Caffe, Keras और TensorFlow सहित फ्रेम।
Kneron NPU आईपी बिजली की खपत 100 मेगावाट के स्तर, अल्ट्रा कम शक्ति या KDP 300 के संस्करण भी कम से कम 5 मेगावाट, प्रदर्शन प्रति वाट 1.5 टॉप / डब्ल्यू या अधिक, विशेष प्रौद्योगिकी के एक नंबर का उपयोग करते हैं, यह कर सकते हैं में उत्पादों की पूरी रेंज है बैठक चिप प्रदाताओं, सिस्टम ऑपरेटर कम बिजली, उच्च कंप्यूटिंग शक्ति के लिए की जरूरत है।
लॉक के मूल तत्वों प्रौद्योगिकी हार्डवेयर त्वरक यात्रा से डरते नहीं हैं
इलाज (Hardwired) सर्किट कुछ कंप्यूटिंग कार्यों की दक्षता में सुधार करने, बिजली की खपत, उम्र के लिए चिप डिजाइन को कम करने, लेकिन चिप कार्यों के लिए बाजार की मांग की स्थिति में कम आवेदन लचीलापन, महत्वपूर्ण परिवर्तन की कीमत पर या काफी संशोधित सॉफ्टवेयर एल्गोरिदम, चिप डिजाइनरों एक नई चिप फिर से विकसित करने के लिए है।
चिप समारोह के लिए मांग के मामले में मूल रूप से बसे गया है, और इस डिजाइन एक समस्या नहीं है, लेकिन तेजी से पुनरावृत्ति तकनीक की उभरती प्रौद्योगिकियों में, इस डिजाइन दृष्टिकोण अपनाते हैं, वहाँ व्यापार में एक अपेक्षाकृत बड़े जोखिम हो जाएगा कृत्रिम बुद्धि बहुत तेजी से कुशल यात्रा, लगभग हर साल मॉडल उपलब्ध। ओपन ऐ अनुसंधान फर्म के साथ एक नई एल्गोरिथ्म यह भी कहा कि पिछले छह वर्षों में, कंप्यूटिंग शक्ति की मांग के लिए ऐ प्रशिक्षण मॉडल एक महीने हर 3.43 वृद्धि होगी बार।
इस संबंध में, शेन मिंग-फेंग ने कहा, जरूरी नहीं कि एक हार्डवेयर त्वरक कोई लोचदार है ऊर्जा उत्पादों के लिए प्रतिरोधी है। उदाहरण के लिए, वास्तुशिल्प डिजाइन में, कंपनी घुमाव गिरी विभाजन (फ़िल्टर अपघटन) प्रौद्योगिकी, बड़े घुमाव गिरी घुमाव का उपयोग करता है एक घुमाव के गणना ब्लॉक में विभाजित छोटे खंडों की अधिकता अलग, तो संयुक्त reconfigurable हार्डवेयर त्वरण घुमाव (reconfigurable घुमाव के तेज) तकनीक, आपरेशन छोटे खंडों की अधिकता समग्र तेजी लाने के लिए जुड़े हुए हैं के घुमाव के आपरेशन परिणाम की गणना कंप्यूटिंग प्रदर्शन।
दृष्टान्त समझने में अधिक आसान है, जैसे लेगो ईंटों एक वस्तु का निर्माण करने के पैटर्न की एक किस्म में जोड़ा जा सकता है, लेकिन वस्तु ही अभी भी कुछ बुनियादी बॉक्स के एक पूरे के ढेर है। प्रतिरोध ऊर्जा कार्यक्रम ऐ एल्गोरिदम के लिए अपरिहार्य है बुनियादी तत्वों, जिससे एल्गोरिथ्म के प्रदर्शन में सुधार है, और इसलिए, भले ही तेजी से अद्यतन ऐ एल्गोरिदम, समाधान प्रतिरोध अभी भी प्रभाव में तेजी लाने के लिए उपयोगी हो सकता त्वरित।
त्वरक के अलावा खुद उसके मॉडल संपीड़न मॉडल के रूप में, बुनियादी तत्वों के लिए बनाया गया एक विशेष एल्गोरिथ्म, समग्र बाहरी प्रतिरोध में तेजी लाने के भी त्वरण तकनीक और ऐ के अनुप्रयोगों प्रदान कर सकते हैं के बजाय या तैनात किया जाता है (मॉडल संपीड़न) संपीड़न प्रौद्योगिकी unoptimized डाल समय की संख्या; श्रेणीबद्ध स्मृति भंडारण प्रौद्योगिकी (मल्टी लेवल कैशिंग) सीपीयू भार को कम करने और डेटा प्रसारण की मात्रा को कम, आगे इसके अलावा समग्र संचालन क्षमता को बढ़ाने के लिए कर सकते हैं, Kneron NPU आईपी जोड़ा जा सकता है Kneron छवि मान्यता सॉफ्टवेयर, वास्तविक समय पहचान विश्लेषण, और तेजी से प्रदान करता है। जवाब में, न केवल अधिक स्थिर, लेकिन यह भी हार्डवेयर और सॉफ्टवेयर की वजह से गोपनीयता की सुरक्षा जरूरतों को पूरा करने कसकर, एकीकृत किया जा सकता है, ताकि समग्र कार्यक्रम छोटे, कम बिजली खपत, तेजी से उत्पाद विकास में सहायता करते हैं।
ऐ छवि मान्यता एक अधिक जरूरी के कगार पर
कुल मिलाकर, छवि मान्यता के लिए वर्तमान बाजार की मांग हालांकि वहां बुद्धिमान वक्ता इस विशाल क्षमता बाजार अनुप्रयोगों, लेकिन इस शर्त लेकिन कम उद्योग संसाधन हैं, अधिक जरूरी, ऑफ़लाइन अर्थ विश्लेषण है। इस घटना के लिए प्रमुख कारण छवि है कि है संचरण, बैंडविड्थ का एक बहुत ऊपर ले इतनी के रूप में पूरे सिस्टम के आयोजन की लागत उठाने के लिए होगा, आवाज समस्या नहीं है।
जिंगक्सिन टेक्नोलॉजी (चित्रा 4) के महाप्रबंधक लिन झिमिंग ने समझाया कि कृत्रिम बुद्धि और चीजों के इंटरनेट का एकीकरण एज कंप्यूटिंग तकनीक की शुरूआत भी करेगा। एज कंप्यूटिंग तकनीक विभिन्न उभरते अनुप्रयोगों पर लागू होगी। इस प्रवृत्ति के बीच, ताइवान के निर्माताओं के लिए लचीलापन और गति सबसे बड़ा फायदे हैं। अधिकांश ताइवान कंपनियों और आईसी डिजाइन कंपनियों के लिए, किनारे से कृत्रिम खुफिया बाजार में कटौती करना आसान है।
चित्रा 4: जिंगक्सिन टेक्नोलॉजी के महाप्रबंधक झिक्सिन लिन का अनुमान है कि आईपी कैम एज उपकरणों पर एआई अनुमान लगाने के लिए मुख्य अनुप्रयोगों में से एक होगा।
साथ ही, एज कंप्यूटिंग तकनीक के परिचय के कारण, मेमोरी और ट्रांसमिशन जैसी हार्डवेयर आवश्यकताएं भी बढ़ेगी, जिससे विनिर्माण लागत में काफी वृद्धि होगी। चूंकि छवि से संबंधित सिस्टम-ऑन-चिप (एसओसी) मूल रूप से अन्य अनुप्रयोगों की तुलना में अधिक जटिल है, लागत सहिष्णुता भी बड़ी है, इसलिए एज कंप्यूटिंग तकनीक को आईपी कैम जैसे छवि-संबंधित अनुप्रयोगों द्वारा आयात किया जाने वाला पहला होने की उम्मीद है।
कृत्रिम खुफिया अनुप्रयोगों को प्रशिक्षण और पहचान में विभाजित किया जा सकता है। गहरी शिक्षा की विशाल कंप्यूटिंग प्रक्रिया में, क्लाउड कंप्यूटिंग अभी भी थोड़े समय में की जाती है। कार्य जो एज कंप्यूटिंग के लिए ज़िम्मेदार है, वह पहले एकत्र की गई जानकारी को करना है। प्रारंभिक सूचना को फ़िल्टर करने के बाद प्रारंभिक प्रसंस्करण, प्रसारण लागत को बचाने के लिए डेटा को क्लाउड पर अपलोड करता है। दूसरी तरफ, क्लाउड द्वारा गहरी सीखने से टर्मिनल की पहचान कार्य अधिक बुद्धिमान हो सकती है। उदाहरण के लिए, छवि गहरी शिक्षा का काम क्लाउड कंप्यूटिंग द्वारा पहले पूरा किया जा सकता है। स्टैंडबाय शिक्षार्थी पैदल यात्री को पहचानने के बाद, किनारे पर आईपी कैम केवल पहचान कार्य कर सकता है।
दूसरी ओर, क्योंकि सुरक्षा रखरखाव और सामुदायिक सुरक्षा में आईपी कैम का व्यापक रूप से उपयोग किया जाता है, इसलिए सरकार और उद्यम निवेश का समर्थन करने के लिए अपेक्षाकृत इच्छुक हैं, जो आईपी कैम के तेज़ी से विकास का कारण भी होगा।
लिन Zhiming शेयर, कई निर्माताओं को अपने स्वयं के सिस्टम में कृत्रिम बुद्धि चिप आयात करने का तरीका तलाशने कर रहे हैं। वर्तमान स्थिति है जब चीजें सिर्फ पनपने, हम अभी भी तलाश रहे हैं कैसे कटौती, चारों ओर 2020 निर्माताओं का अनुमान लागू करने के लिए शुरू किया के समान है अधिक वास्तविक उत्पादों को लॉन्च करेगा।
रीयल-टाइम अनुप्रयोगों को एज कंप्यूटिंग आर्किटेक्चर का उपयोग करना चाहिए
आर्टिफिशियल इंटेलिजेंस एक गर्म विषय आजकल है, जो धीरे-धीरे बढ़त कंप्यूटिंग वास्तुकला के लिए क्लाउड कंप्यूटिंग संरचना से स्थानांतरित है, आपूर्ति श्रृंखला निर्माताओं पर कोई छोटी प्रभाव लाएगा। समय की छोटी अवधि के बावजूद कृत्रिम बुद्धि आधारित क्लाउड कंप्यूटिंग विकसित करने के लिए जारी रहेगा, हालांकि, दृष्टि अनुप्रयोगों के संबंध में कई कृत्रिम खुफिया कार्य किनारों को आयात करना शुरू कर देंगे।
Xilinx विकास निदेशक (Xilinx) दृश्य खुफिया रणनीति बाजार डेल लालकृष्ण Hitt (चित्रा 5) ने बताया कि निकट भविष्य में, ऐ विकास प्रशिक्षण घटक अभी भी क्लाउड कंप्यूटिंग का बोलबाला हो सकता है। हालांकि, अनुमान / घटकों तैनात शुरू हो गया है कम विलंबता और नेटवर्क दक्षता की आवश्यकता वाले अनुप्रयोगों का समर्थन करने के लिए किनारे संचालन का उपयोग करें।
चित्रा 5 Xilinx विजुअल इंटेलिजेंस रणनीति के बाजार विकास के निदेशक डेल के। हिट का मानना है कि उन अनुप्रयोगों के लिए जिनके लिए बहुत कम विलंबता की आवश्यकता होती है, किनारे के संचालन सबसे अच्छे समाधान होंगे।
मशीन दृष्टि सीखने से संबंधित अनुप्रयोगों के लिए बढ़त संकार्य तत्व के लिए, महत्वपूर्ण और दूरगामी प्रवृत्ति में से एक हो जाएगा। और, औद्योगिक मशीन दृष्टि में, स्मार्ट शहरों, दृश्य विश्लेषण और आत्म-ड्राइव बाजार एक मजबूत है विकास क्षमता। औद्योगिक दृष्टि और उपभोक्ता अनुप्रयोगों, गणित बढ़त मशीन सीखने एल्गोरिदम के कारण के मामले में, निष्पादित किया जाना है तो प्रदर्शन के लिए आवश्यकताओं को पिछली पीढ़ियों में कई कार्यक्रमों की तुलना में भी अधिक है। इसके अलावा, धार मशीन सीखने एल्गोरिथ्म / समारोह भी तेजी से किया गया है में विकसित हो रहा है, और इसलिए जीवन के सभी क्षेत्रों भावी मशीन लर्निंग अनुमान आर्किटेक्चर के लिए अनुकूलित करने के लिए स्वयं अनुकूली हार्डवेयर की आवश्यकता है।
Hitt स्वयं ड्राइविंग, उदाहरण के लिए, प्रत्येक कार सेंसर समर्थन के पीछे परिष्कृत एल्गोरिदम है, धारणा सेंसर डाटा के उत्पादन से परिणाम की व्याख्या के लिए जिम्मेदार है। नवीनतम प्रवृत्ति परिणामों की इन धारणाओं व्याख्या उत्पादन के लिए गहरी सीखने एल्गोरिदम का उपयोग करने के लिए तथापि, सभी संभावित सेंसर डेटा को पढ़ने के तरीके सीखने के लिए गहरी सीखने वाले एल्गोरिदम को संभावित स्थितियों की एक बड़ी संख्या के माध्यम से प्रशिक्षित किया जाना चाहिए।
प्रशिक्षण के बाद, गहरी सीखने वाले एल्गोरिदम, अल्ट्रा कम विलंबता के साथ उच्च कंप्यूटिंग प्रदर्शन की आवश्यकता है। आदेश सुरक्षित रूप से वाहन को नियंत्रित करने में बिजली के वाहनों के लिए, आप ऑपरेटिंग तापमान सीमा से निपटने और बैटरी पावर अर्धचालक व्यापार का विस्तार करने के कम बिजली का उपयोग करना चाहिए लक्ष्य स्व-ड्राइविंग एज एआई की विभिन्न आवश्यकताओं को पूरा करने के लिए उच्च दक्षता, कम-शक्ति, अनुकूलनीय समाधान प्रदान करना है।
एज कंप्यूटिंग के विकास में, सबसे बड़ी चुनौती यह है कि बाजार की मांग बहुत तेजी से बदलती है। इसलिए, प्रौद्योगिकियां जो विभिन्न परिवर्तनों के लिए जल्दी से अनुकूल हो सकती हैं, कंपनियों को उनकी प्रतिस्पर्धात्मकता बनाए रखने में सक्षम बनाने के लिए अत्यंत महत्वपूर्ण हैं।
Hitt आगे एक ऐसी ही निधन निरंतर प्रगति की एक तेजी से दर से सीखने वाले एल्गोरिदम की गहराई वर्णन करते हैं, 2017 में अग्रणी समाधान के कई अब तक का सामना किया है। हालांकि दूसरों से कई अब एक उच्च क्षमता, बढ़ती मांग कंप्यूटिंग, हार्डवेयर के साथ अभी भी ऑप्टिमाइज़ करें। हार्डवेयर को समाप्त होने से बचने के लिए एक तेज दर से अपडेट किया जाना चाहिए। कुछ हार्डवेयर को उत्पादन के दौरान भी अपडेट करने की आवश्यकता हो सकती है। चिप को अद्यतन करने के लिए कई वैकल्पिक तकनीकों को भी याद किया जाना चाहिए।
Hitt पूरक, FPGA अद्वितीय लाभ है कि कंप्यूटिंग, स्मृति वास्तुकला, और हार्डवेयर की गहराई के अन्य पहलुओं के लिंक शामिल अनुकूलित किया जा सकता है और सीपीयू और GPU अनुकूलित करने के लिए कम बिजली खपत पर उच्च प्रदर्शन प्राप्त की तुलना में, जबकि पूर्व दो हार्डवेयर व्युत्पन्न को नई व्युत्पन्न आवश्यकताओं के लिए त्वरित रूप से अनुकूलित नहीं किया जा सकता है।
एज ऑपरेशन भारी है
ऐ ऐप्लिकेशन, क्लाउड डेटा सेंटर के संचालन पर भरोसा करते हैं, हालांकि बहुत अधिक कंप्यूटिंग शक्ति समर्थन कर रहे हैं, यह आम तौर पर तर्क की सरलीकृत मॉडल के अनुसार पहचान डिवाइस की शुद्धता के किनारे से अधिक है, लेकिन खाते गोपनीयता की चिंताओं, ऑनलाइन वास्तविक समय प्रतिक्रिया और लागत और अन्य कारकों को ध्यान में लेने के बाद यह अभी भी एज उपकरणों पर सीधे सम्मेलन बनाने का एक आकर्षक विकल्प है। दूसरी तरफ, टर्मिनल उपकरणों का बाजार आकार क्लाउड डेटा केंद्रों की तुलना में काफी बड़ा है, और मजबूत आर्थिक प्रोत्साहन भी हैं। यह पिछले वर्ष एआईओटी चिल्लाने का भी नारा है। मूल्य बजी, अर्धचालक उद्योग सक्रिय रूप से लेआउट के लिए के प्रमुख कारणों में।
भविष्य के लिए देख रहे हैं, कि बादल द्वारा समर्थित हैं ऐ अनुप्रयोगों अभी भी बाजार पर मौजूद हैं, लेकिन अनुपात साल वर्ष कम करने के लिए बाध्य है, यह एक नई संकर बादल वास्तुकला और बढ़त कंप्यूटिंग से बदल दिया जाएगा। ऐ डेवलपर्स के अनुप्रयोगों, बादल बदला नहीं जा सकता मूल्य इस कारण के लिए नहीं बल्कि अनुमान प्रदर्शन की तुलना में, मॉडल ट्रेन में निहित है। भी, एप्लिकेशन डेवलपर, समाधान प्रदाताओं "बादल" के बीच एक सहज एकीकरण को प्राप्त करने और "अंत" एप्लिकेशन डेवलपर हो जाएगा कर सकते हैं आपूर्तिकर्ता, सबसे महत्वपूर्ण विचार का आकलन करने में।