如您所見，AI已不再只是科幻電影的經(jīng)典主題，它正在以驚人的速度被應用到我們?nèi)粘Ｉ钪械姆椒矫婷?，并從個人關系到工作項目上，逐漸改變著我們的想法或行為。

其中，一個最為典型的領域當屬NextGEN Edge AI（下一代邊緣人工智能）應用。它能夠通過諸如：排名、分類、以及設計等多種應用模式，提供身臨其境、直觀且有趣的使用體驗，而且能夠節(jié)省時間和資金。

什么是NextGEN Edge AI?

NextGEN Edge AI也稱為邊緣智能（Edge Intelligence）或下一代人工智能（next-gen AI）。它能夠綜合運用邊緣計算和人工智能，來跟蹤和執(zhí)行機器學習。

Edge AI的工作流往往使用來自集中化的數(shù)據(jù)中心（如云或設備）上的數(shù)據(jù)、以及來自邊緣資源的數(shù)據(jù)。其中，云端AI更為常見，它完全依靠云端算力，來實現(xiàn)開發(fā)和執(zhí)行。而Edge AI則包括遠程設備、物聯(lián)網(wǎng)設備、以及專用的邊緣服務器等組件。據(jù)此，Edge AI方便了數(shù)據(jù)的存儲和計算，也讓用戶更容易訪問。

由于Edge AI會將AI算法與本地設備上的邊緣計算能力相結合，因此，它可以在不需要保持連接和集成的情況下，處理和分析數(shù)據(jù)，進而允許用戶訪問不同來源的數(shù)據(jù)?？梢?，Edge AI通過整合邊緣計算和AI過程，減少了系統(tǒng)的停機時間或延遲。

此外，NextGEN Edge AI已成功將AI過程集成為一個基本組件，在無需與物理位置進行交互的前提下，省時省力地支持了用戶需求，并便捷地構建了用戶數(shù)據(jù)。

Edge AI如何工作？

說到AI，我們自然會想到讓機器模擬人類在視覺、說話、行走、檢測物體、駕駛汽車、以及理解語言等方面的智能化技能。為此，AI需要使用一套名為深度神經(jīng)網(wǎng)絡（Deep Neural Network，DNN）的系統(tǒng)。當它們在接受各項訓練任務時，這些DNN會產(chǎn)生許多特定類型的問題、以及與之相應的正確答案示例。

由于深度學習是一個需要在數(shù)據(jù)中心或云端運行的訓練過程，因此為了訓練出準確的模型，數(shù)據(jù)科學家往往需要通過大量的數(shù)據(jù)與通力合作，才可能配置出適當?shù)哪Ｐ?。而在?jīng)過了訓練之后，模型就可以通過“推理引擎”去回答現(xiàn)實世界中的問題了。

通常，在部署Edge AI時，推理引擎會運行在諸如：工廠、醫(yī)院、汽車、衛(wèi)星或家庭的遠程計算機與設備上。而在部署了Edge AI模型之后，它們就會繼續(xù)獲得相關信息。因此，那些繁瑣的數(shù)據(jù)集通常被邊緣設備采集并發(fā)送到云端，以進行更多的訓練。而一旦AI遇到問題，則會替換邊緣的推理引擎。該反饋回路大幅提高了它們的性能。

Edge AI的基本組件

以下兩個智能組件通常是Edge AI領域的研究重點：

邊緣計算

根據(jù)定義，由于邊緣計算是在收集數(shù)據(jù)的節(jié)點處，進行本地計算和存儲數(shù)據(jù)的過程。因此它往往涉及到分布在網(wǎng)絡邊緣處，用于收集、分析和處理數(shù)據(jù)的多個進程。

AI

AI能夠將增強的分析能力與自動化相結合，讓機器能夠模仿人類的認知水平，去理解語言和解決問題，甚至能夠創(chuàng)造出更職能的邊緣設備。

Edge AI跨不同行業(yè)的應用

近年來，Edge AI應用的使用已為各個行業(yè)帶來了新的商機和創(chuàng)新。包括制造業(yè)、醫(yī)療保健和能源在內(nèi)的許多行業(yè)，都正在使用Edge AI應用的核心功能。下面，讓我們來討論兩個典型的行業(yè)應用：

智能能源：智能預測

能源行業(yè)往往具有高需求和不穩(wěn)定的特點。它不但會對其他行業(yè)造成直接或間接的影響，而且由其造成的潛在供應威脅也會擾動整個人類的健康和福利。

而Edge AI可以根據(jù)歷史數(shù)據(jù)、天氣特征等信息生成復雜的模型，通過智能化的預測，來協(xié)調(diào)能源的生成、分配、管理和監(jiān)測。

醫(yī)療保健領域的Edge AI：支持AI的解決方案

現(xiàn)代化醫(yī)療機構和醫(yī)學專業(yè)人員可以通過使用Edge AI提高患者預期壽命和生活水平，實現(xiàn)這一醫(yī)療保健行業(yè)的終極目標。同時，通過使用具有AI加持的邊緣設備，醫(yī)療專業(yè)人員還可以執(zhí)行遠程手術，以及監(jiān)控患者的日常生理活動。

Edge AI的優(yōu)勢

與我們常見的基于云端的AI相比，Edge AI具有如下優(yōu)勢：

更高的速度/更低的延遲

由于各項訓練和計算是在本地執(zhí)行，因此無需耗費過多的、與云端通信的響應等待。

更低的帶寬要求和成本

通過Edge AI，語音、視頻和高保真?zhèn)鞲衅鲾?shù)據(jù)，都可以通過蜂窩網(wǎng)絡，以更少的帶寬和相關成本被發(fā)送。

增強的數(shù)據(jù)安全

本地化處理方式降低了敏感數(shù)據(jù)在傳輸過程中被攔截或存儲在云端的風險。

改進的可靠性/自主技術

即使網(wǎng)絡或云服務出現(xiàn)故障，AI也能夠在本地運行。這在自動駕駛和工業(yè)機器人等應用場景中優(yōu)勢明顯。

功率降低

多數(shù)情況下，在設備上執(zhí)行AI任務的能耗，可能會低于將數(shù)據(jù)發(fā)送到云端的能耗，當然也就延長了電池的壽命。

邊緣技術的未來

如今，幾乎所有Edge AI應用都可以在智能手機、可穿戴設備、以及智能家電等消費類設備上運行。Edge AI已成為一個正在經(jīng)歷快速增長的新興領域。根據(jù)LF Edge預測：到2028年，邊緣設備的復合增長率將達到40%。同時，隨著無現(xiàn)金結賬、智能化醫(yī)院、城市、以及供應鏈的擴展，處于企業(yè)邊緣處的AI預計也會在未來幾年間增速加快。

如今，大多數(shù)Edge AI算法都可以直接對通過設備查看到的數(shù)據(jù)進行局部推理。通過使用設備附近傳感器集合的數(shù)據(jù)，未來我們將可以開發(fā)出更復雜的推斷工具，并不斷改進相應的Edge AI編排。

此外，與之相關的聯(lián)合深度學習也是一項富有前景的技術。它既可以通過將原始數(shù)據(jù)的對應子集上傳到云端，來改進訓練的過程，又能夠在邊緣設備的本地更新AI訓練。注意，這并非是通過手動去更新模型，而是將更新上傳到云端，提高Edge AI的隱私和安全性。

小結

綜上所述，作為將邊緣計算和AI結合的下一代Edge AI應用，無疑是物聯(lián)網(wǎng)設備獲取高質量、可操作傳感器數(shù)據(jù)，并節(jié)省時間和能源的一種有力的方式。通過持續(xù)改進，它在提高了設備效率和改善網(wǎng)絡帶寬的同時，也改善了數(shù)據(jù)隱私與安全性的態(tài)勢。因此，下一代Edge AI可以被廣泛地應用到多元化的行業(yè)中。

譯者介紹

陳峻（Julian Chen），51CTO社區(qū)編輯，具有十多年的IT項目實施經(jīng)驗，善于對內(nèi)外部資源與風險實施管控，專注傳播網(wǎng)絡與信息安全知識與經(jīng)驗。

原文標題：The Next-Generation AI Application: What Is It and How Does It Work?，作者：Bharat P

鏈接：https://dzone.com/articles/the-next-generation-ai-application-what-is-it-and。