返回栏目
首页人工智能 • 正文

数据分析技术:边缘人工智能的应用

发布时间:  来源:河洛网

当我们被拉进科幻世界时,人工智能和机器学习( AI/ML )的概念让人联想到Neo、Trinity和Morpheus在黑客帝国电影中与机器战斗的场景。

数据分析技术:边缘人工智能的应用

但是,在现实生活中,AI/ML帮助开发者创建更好、更低成本的物联网终端节点,从而使他们的产品所在的生态系统受益。 AI/ML的好处不仅仅是在终端节点上做出更好的决策。 一些优化将为所有利益相关者(包括消费者、开发者和运营商)带来有价值的好处。

虽然AI和MLAI/ML不是新概念,但过去它们能耗高,在昂贵的平台(许多用户一次共享)上使用。 集中化的数据中心越来越依赖于数据存储和计算功能的建立和使用,因此可以应对有限的CapEx和OpEx成本的上升。 这是因为数据中心的现象允许技术部门共享服务器、公用事业、冷却、房地产和安全。 它还提供了根据需要扩展和减少资源的功能,包括所需的计算和存储。 由于成本的共性,AI/ML等新技术可以更快地实现。

为了避免不必要的数据移动,AI向边缘设备返回了计算能力,影响了开发者利用人工智能和数据分析技术。 全球分散的数据中心互联互通为技术行业提供了利用当地设施的能力。 总部设在美国的物联网公司可以在不造成大西洋彼岸延误的情况下为欧洲消费者提供服务。 数据在大陆之间传输和路由,与当地隐私和数据保护法律的细微差异相抵触。 如果您认为在灯光亮起之前延迟2秒的照明开关不符合消费者的期望,并且业务很难成功,则这些要求很重要。

数据中心和云带来了新的国内和国际商机。 开发者建立了新的机制来节约消费者和企业实体的资金。

酒店的制冰机可能需要修理,但运营商不需要推着修理车营业,运营商只需要送一辆修理车。 因为他们知道需要修理,所以可以节约公司运营费数万美元。

如果在设备发生故障之前使用AI/ML显示这些小特征码,则不必要的非关键数据移动可能会变得复杂。 相关的特征码可能很微小,因此很微妙。 这些变化可能是泵马达的振动,也可能是换热器或冷凝器的轻微温度变化。 有些人无法识别,或者看不见。 在线制冰机的例子似乎不能让很多开发者理解为问题的数量,但是它是考虑这些问题,或者应用于仓库和酒店照明的商业模式。 仓库里可能有成千上万的灯泡。 每个灯泡都放在架子和机器上,需要移动才能更换灯泡。 这还意味着在最关键的时期可能会停止生产线。

预测性维护和云分析已成为一项巨大的业务,AI/ML提供了自动评估生成数据的简单方法。 尽管如此,这些新的商业模式确实产生了大量的数据。 这反过来带来了新的有趣的技术挑战,开发者和运营商现在需要应对这些挑战。

这些问题似乎是表面上的扩展问题— — 添加更多的服务器、更多的存储和其他基于数据中心的消耗品,但解决这些问题并不能解决数据管道另一端形成的越来越多的问题。

在大多数APP中,数据由某种形式的传感器生成,需要电力和带宽。 带宽是根据设施的互联网上行链路和无线电频谱消耗的。 “ 不变” 大量的数据很贵。无线电会消耗大量的电力,在繁忙的无线电频谱中,传输重试会消耗更多的能量。 更多的传感器使得射频环境更加繁忙,需要更多的电池维护。 除了电池寿命和本地带宽问题之外,某些APP还可能受到由此引起的安全问题的影响。 大量的数据有可能形成模式,一旦被拦截,恶意的人就有可能利用。

边缘计算阻碍这些问题的趋势是,让大量决策返回终端节点,只将放射性决定为更重要的数据。 这样可以减少功耗、带宽和数字签名。 将决定返回到结束节点的警告可能意味着结束节点的处理、存储和功耗的增加。 物联网似乎陷入了限制其可达性和市场增长的恶性循环。

人工智能领域的创新使得更小的微控制器(如ARMCortex-M )的使用成为可能,从而为flash和RAM调用更小的内存资源。 在执行复杂的算法时,系统中用于执行AI的代码大小也比传统的编码小得多,从而解决了现实生活的角落情况。 这样可以减小固件更新,加快开发,更容易分散到大型传感器组。

许多开发人员在末端节点传感器产品中利用AI加强设计以改善消费者和运营商的体验。 AI技术的例子可以通过开发工具包迅速原型化。

套件可用于演示泵监控系统。 缩小无线传感器的大小,延长寿命,加强安全性。 所有这些都不会破坏有干扰的本地无线电频带。 也就是说,为了提高工作效率和舒适性,可以引入更多有用的传感器。 日常产品,如墙壁开关、环境传感器、路边垃圾传感器等,可以在生态系统的自动化和监控中包含诱人的成本和性能点。

【编辑推荐】

    相关文章Related

    返回栏目>>

    河洛网首页

    Copyright © 2019 河洛网 版权所有 dahuimr@163.com