边缘人工智能(Edge AI)能为我们做些什么?
- 人工智能 (AI) 是一种分散式计算,它允许设备在与用户交互的最近点做出以数据为主导的决策。
- 这种技术的好处包括改善隐私和节省成本,但数据通常在处理后被丢弃。
- 即将到来的进步,包括 5G 技术和成本更低的处理芯片,将使边缘人工智能对某些应用越来越有用——从智能家居设备到医疗技术。
想象一下,您希望您的新智能恒温器能够快速调高温度,以便在异常寒冷的一天下班回家后,您的房子会变得温暖。您从智能手机连接并要求它采取行动。您不会知道,但该操作可能需要几秒钟,因为它将您的请求发送到云并接收返回的指令。
现在再想象一下,你乘坐的自动驾驶汽车突然感觉到一条狗跑到了你面前的道路上。汽车需要在几毫秒内做出反应才能避免灾难。这种反应需要边缘人工智能(AI)——这种技术可以在与用户互动的最近点做出决定,在这种情况下,汽车的传感器至关重要。这就是瞬间决定的定义。
动态数据
借助当今的物联网(IoT),数据始终处于动态之中。它从遗留系统流向云,一直流向边缘设备,并超越组织的系统流向合作伙伴和客户。答案需要实时传递,因此当可以通过边缘设备处理数据时,使用集中式计算能力并不总是有效的。当自动驾驶汽车只有几毫秒钟的反应时间时,它没有时间等待云端做出决定。
无论设备位于何处,都可以将大量数据输入到边缘的 AI 算法中,而且好处很多。动态数据可以将重要的患者信息传递给医生,缩短游乐园的排队时间,提醒电力公司注意潜在的停电情况,并使自动驾驶汽车及时做出反应以防止悲剧发生。
边缘 AI 允许设备在设备级别自行做出这些决定。它不一定必须连接到互联网来处理数据。考虑一款可以监控您的睡眠模式的手表,但它不是将数据推送到云端进行存储和处理,而是将数据记录在手表本身上进行处理。
支持边缘的人工智能设备还包括视频游戏、智能扬声器、无人机和机器人。安全摄像头也可以启用边缘功能——工厂车间的摄像头在制造过程中寻找产品缺陷,可以快速识别哪些产品需要立即拉出。当速度可以挽救生命时,边缘AI
还可用于分析紧急医疗护理的图像。处理能力越接近,响应时间越快。
尽管边缘技术不会取代云,但仅属于您的用户数据(例如您的睡眠模式或游戏数据)可以在支持边缘的设备中进行处理。这种数据的去中心化解决了隐私问题,这是物联网市场的一个重要问题。边缘
AI 可以在不损害隐私的情况下提供便利。而且,在某些情况下,它可能更便宜——一家公司目前正在开发声控家用电器,例如洗衣机和洗碗机,使用每个售价几美元的微型微处理器。
“当谈到我家里那些的小玩意儿,我其实更希望它们不那么智能”——克莱夫·汤普森,《连线》
例如,咖啡机的语音识别 AI 只需要识别大约 200 个单词,所有单词都与煮咖啡的任务有关。想一想,《连线》记者克莱夫·汤普森说:“我不需要讲坏笑话或实现自我意识的电灯开关。他们只需要识别“开”和“关”,也许还有“暗”。当谈到与我共享房子的小工具时,我实际上更希望它们不那么智能。”
除了更快、更便宜的处理之外,边缘人工智能不需要不断扩展的互联网。随着物联网的快速发展,现在有大量数据在边缘被感知和产生——Statista估计到 2025 年这个数字将达到近 80 Z字节。
这是如此的巨大,以至于使用当今互联网的带宽将所有这些数据从边缘设备传输到云服务器进行存储和处理在技术上是不可行的。即使带宽可用,也需要有足够的数据中心资源来处理所有数据。更少的带宽需求转化为成本节约。大约 10% 的企业生成数据是在传统的集中式数据中心或云之外创建和处理的。Gartner预测,到 2025 年,这一数字将达到 75%。
平衡风险和回报
物联网世界中最令人烦恼的问题之一是,大量买不起设备或生活在没有本地网络的农村地区的人可能无法参与对我们日常生活的改造。网络容量有限的历史可能会成为恶性循环。边缘网络构建起来并不简单,而且可能很昂贵。发展中国家通过需要更新的边缘设备处理数据的能力可能会进一步落后。因此,边缘计算的增长是结构性不平等可能增加的另一种方式,特别是因为它与改变生活的人工智能和物联网设备的可访问性有关。
边缘人工智能的另一个风险是,数据在处理后可能会被丢弃——就其“在边缘”的本质而言,这意味着它可能无法进入云端进行存储。可以指示设备丢弃信息以节省成本。虽然中央处理和存储肯定有缺点,但优点是数据在需要时就在那里。
人工智能、机器学习、技术
世界经济论坛如何确保人工智能的发展使所有利益相关者受益?
人工智能 (AI) 正在影响社会的方方面面——家庭、企业、学校甚至公共场所。但随着技术的快速发展,需要多方利益相关者合作来优化问责制、透明度、隐私和公正性。
世界经济论坛塑造技术治理未来的平台:人工智能和机器学习正在汇集不同的观点,以推动创新和建立信任。
- 能够充分利用人工智能的工作领域之一是人力资源——包括招聘、留住人才、培训、福利和员工满意度。该论坛创建了一个以人为本的人力资源人工智能工具包,以促进组织、工人和社会对人工智能的积极和合乎道德的以人为本的使用。
- 今天的儿童和年轻人成长在一个日益数字化的时代,技术渗透到他们生活的方方面面。从机器人玩具和社交媒体到教室和家庭,人工智能是生活的一部分。通过为儿童制定人工智能标准,论坛正在与一系列利益相关者合作,制定可行的指导方针,以在人工智能时代教育、赋权和保护儿童和青少年。
- 人工智能的潜在危险也可能影响更广泛的社会。为了降低风险,论坛将全球人工智能行动联盟中的 100 多家公司、政府、民间社会组织和学术机构聚集在一起,以加速采用负责任的人工智能,以符合全球公共利益。
- 人工智能是商业最重要的技术之一。为确保 C-Suite 高管了解其可能性和风险,论坛创建了Empowering AI Leadership: AI C-Suite Toolkit,提供实用工具帮助他们理解 AI 对其角色的影响,并就 AI 战略、项目和实施做出明智的决策.
- 塑造人工智能融入公共部门采购流程的方式将有助于确定可在整个私营部门应用的最佳实践。论坛制定了一套旨在鼓励广泛采用的建议,这些建议将随着一系列试验的见解而发展。
如果只有你和你的自动驾驶汽车在空旷的道路上行驶,那么大量的数据可能看起来并不重要,但请再仔细想想。从这条空旷道路的数据中可以了解到很多信息,包括路况信息,以及车辆和其他类似车辆在这些条件下的行为。最后,当涉及到边缘计算时,必须仔细审查一个清晰的业务案例,以确保网络的成本与所创造的价值相平衡。
尽管如此,尽管存在不平等或数据丢失,而且随着5G技术的进步和成本更低的处理芯片,很容易看到“在边缘”会如何留在这里——无论是你的自动驾驶汽车还是你的咖啡机,让你为通勤做好准备。
以上是边缘人工智能(Edge AI)能为我们做些什么?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
