Edge AI是邊緣人工智能的縮寫，它是物聯網系統的下一個發展前沿，那么，什么是邊緣人工智能?如何實現邊緣人工智能?

什么是Edge AI

簡單來說，Edge AI是指以直接在邊緣設備上運行的ML算法形式使用的AI。ML是一個廣泛的領域，近年來取得了巨大的進步。它所基于的原則是，計算機可以通過從數據中學習來自主提高自己在給定任務上的性能，有時甚至超出了人類的能力。

如今，ML可以執行許多高級任務，包括但不限于：

計算機視覺：圖像分類、目標檢測、語義分割。

語音識別、自然語言處理、聊天機器人、翻譯。

天氣和股票市場預測、推薦系統。

異常檢測、預測性維護。

那么ML已經存在這么久了，是什么讓Edge AI突然變得如此特別?為了更好地解釋這一點，讓我們先看看Edge AI中的邊緣到底是什么意思。

邊緣計算與云計算

從本質上講，邊緣計算和云計算都是為了做同樣的事情，也就是處理數據、運行算法等等。然而，邊緣計算和云計算的根本區別在于計算實際發生的地方。

在邊緣計算中，信息處理發生在現場和主動部署或邊緣的分布式物聯網設備上。邊緣設備的一些示例，比如智能手機，以及各種微控制器。然而，在云計算中，同樣的信息處理發生在集中位置，比如數據中心。

傳統上，云計算主導了物聯網領域。由于它由自然具有更大計算能力的數據中心提供支持，邊緣的物聯網設備可以簡單地傳輸本地數據，并保持其低功耗和可承受性的關鍵特征。雖然云計算仍然是物聯網非常重要和強大的工具，但邊緣計算最近受到越來越多的關注，這是因為兩個重要原因導致。

邊緣設備上的硬件變得更強大，同時保持成本競爭力。

軟件正日益為邊緣設備優化。

這一趨勢正在取得巨大的進展，現在可以在邊緣計算設備上運行ML，而長期以來，由于高計算要求，ML長期以來一直被保留用于云計算!于是，Edge AI誕生了。

Edge AI：將云帶到邊緣以發展物聯網

有了Edge AI，物聯網設備變得越來越智能。通過ML，尖端設備現在能夠做出決定，可以進行預測、處理復雜的數據，并管理解決方案。

例如，邊緣物聯網設備可以處理操作條件，預測機器是否會故障，這使得公司能夠執行預測性維護，避免在完全故障的情況下產生更大的損失和成本。

另一方面，配備Edge AI的安全攝像頭不再只捕捉視頻，將能夠識別人類和計算人流量。或者，通過面部識別，甚至可以準確地識別出誰通過了某個區域以及何時通過。

隨著ML的發展，許多令人興奮的可能性現在也將擴展到邊緣設備。但這種模式轉變的關鍵是顯而易見的，為什么云計算能力比以往任何時候都更加被邊緣化，這都是有原因的。

Edge AI的好處

1、減少延遲

在邊緣處理信息最直接的好處是，不再需要在云端之間傳輸數據。因此，可以大大減少數據處理中的延遲。

在之前的預防性維護例子中，支持Edge AI的設備將能夠立即響應，例如關閉受損的機器。如果我們使用云計算來執行ML算法，我們將在數據與云的傳輸過程中損失至少一秒鐘的時間。雖然這聽起來可能不重要，但當涉及到操作關鍵設備時，每一個可以實現的安全邊際都是值得追求的!

2、降低帶寬需求和成本

在邊緣物聯網設備之間傳輸的數據越少，網絡帶寬的要求也會降低，因此成本也會降低。

以圖像分類任務為例。由于依賴云計算，必須將整個圖像發送到在線處理。但如果用邊緣計算代替，就不再需要發送該數據了。相反，我們可以簡單地發送處理后的結果，它通常比原始圖像小幾個數量級。如果我們將這種效應乘以網絡中物聯網設備的數量，可能多達數千個或更多。

3、提高數據安全性

減少到外部位置的數據傳輸也意味著更少的開放連接和更少的網絡攻擊機會。這使得邊緣設備安全運行，避免了潛在的攔截或數據泄露。此外，由于數據不再存儲在集中式云中，因此單個違規的后果會大大減輕。

4、提高可靠性

由于Edge AI和邊緣計算的分布式特性，操作風險也可以分布在整個網絡中。從本質上講，即使集中式云計算機或集群出現故障，各個邊緣設備也能夠維持其功能，因為計算過程現在獨立于云端!這對于關鍵的物聯網應用尤其重要，例如醫療保健。

為什么邊緣AI很重要

雖然Edge AI的實際好處顯而易見，但其內在影響可能更難以捉摸。

Edge AI改變我們的生活方式

Edge AI代表了將AI真正融入日常生活的第一波浪潮。雖然AI和ML研究已經存在了幾十年，但我們現在才剛剛開始看到它們在消費產品中的實際應用。例如，自動駕駛汽車就是Edge AI進步的產物。Edge AI正在以多種方式緩慢但堅定地改變我們與環境的互動方式。

邊緣人工智使AI價格親民

AI的使用和發展不再是研究機構和大企業的專屬。由于Edge AI被設計為在相對負擔得起的邊緣設備上運行，因此任何人都比以往任何時候都更容易了解AI的工作原理，并開發出適合自己使用的AI。

更重要的是，Edge AI使世界各地的教育工作者能夠以有形的方式將AI和ML帶入課堂學習。例如，通過為學生提供使用邊緣設備的實踐經驗。

Edge AI挑戰我們的思維方式

人們常說，AI和ML的潛力只受到人類創造力和想象力的限制，可隨著ML變得越來越先進，許多曾經只有人類才能完成的任務將變得自動化，我們對生產力和目的的內在概念將受到嚴重挑戰。

雖然不能確定未來會發生什么，但我對Edge AI帶來的東西普遍持樂觀態度，因為我相信它會推動我們找到更有創造性和更有成就感的工作。比如嵌入AI的邊緣設備能夠實時監控PPE，包括工作環境中安全帽合規性，并向任何違反PPE行為的人員發出安全和維護信號。計算機視覺與ML相結合，可以實現PPE合規性監控過程的自動化。

再比如AI集成攝像頭可以緩解城市中經常阻礙交通的瓶頸和阻塞點。交通擁堵的發生主要是由于忽略了某些因素，如兩輛行駛車輛之間的距離、交通燈、路牌、十字路口的行人等。智能交通系統是計算機視覺的主要應用領域，包括車輛分類、交通違章檢測、交通流分析、停車場檢測、車牌識別、行人檢測、交通標志檢測、防撞、路況監測等，以及車內駕駛員注意力檢測。

通過本文，我相信大家已經懂了什么是Edge AI，以及它對物聯網乃至人類的未來意味著什么。希望綜上所述能給予各位一定的幫助。