邊緣計算和人工智能是如何協(xié)同工作的？為什么邊緣計算很適合人工智能？有哪些用例？IT主管應該知道這些內容。

幾十年來，人工智能（AI）一直活躍在數(shù)據(jù)中心，因為數(shù)據(jù)中心具有足夠的計算能力來執(zhí)行處理器要求的認知任務。隨著時間的推移，人工智能進入了軟件領域，其中的預測算法改變了這些系統(tǒng)支持企業(yè)業(yè)務發(fā)展的本質，如今人工智能已經(jīng)轉移到網(wǎng)絡的邊緣。

SAS公司物聯(lián)網(wǎng)副總裁Jason Mann解釋說：“當人工智能技術嵌入物聯(lián)網(wǎng)的端點、網(wǎng)關和其他設備時，邊緣人工智能就會出現(xiàn)?！?/p>

Red Hat公司首席技術策略師E.G.說：“換句話說，邊緣計算使數(shù)據(jù)和計算更加接近交互點?！边吘壢斯ぶ悄苁且环N非常真實（并且正在迅速擴展）的現(xiàn)象，為從智能手機、智能音箱到汽車傳感器和安全攝像頭等各種設備提供動力。

IDC公司專注于邊緣戰(zhàn)略的全球基礎設施業(yè)務研究總監(jiān)Dave McCarthy表示，“人工智能是邊緣計算中最常見的工作負載。隨著物聯(lián)網(wǎng)實現(xiàn)的成熟，人們對在生成時應用人工智能進行實時事件檢測越來越感興趣?！?/p>

調研機構德勤公司預測，全球在今年將出售超過7.5億個邊緣人工智能芯片（專門設計用于執(zhí)行或加速設備上的機器學習），在未來四年內，企業(yè)市場的增長速度超過其消費者市場，其復合年增長率為50%。

根據(jù)咨詢機構易觀梅森（Analysys Mason） 公司的一份調查報告，在未來三年中，企業(yè)將平均30%的IT預算用于邊緣計算。

當IT領導者考慮邊緣人工智能可能適合他們自己的企業(yè)技術路線圖時，企業(yè)將平均30%的IT預算用于邊緣計算。

1.從頭開始很重要

如果企業(yè)尚未實施邊緣解決方案，那么將無法直接應用邊緣人工智能。CompTIA技術分析高級總監(jiān)Seth Robinson說，“對于當今大多數(shù)IT領導者而言，第一步是構建一種利用邊緣計算和云計算后端的解決方案架構，集成人工智能將是管理邊緣解決方案規(guī)模和建立競爭優(yōu)勢的關鍵一步。”

2.邊緣人工智能可以解決基于云計算的人工智能的局限性

延遲、安全性、成本、帶寬和隱私是一些與機器或深度學習任務相關的問題，邊緣人工智能（更接近數(shù)據(jù)源）可以緩解這些任務。例如，每次人們向Siri或Alexa或Google提出問題時，其語音記錄就會發(fā)送到邊緣網(wǎng)絡，在該網(wǎng)絡中，谷歌、蘋果和亞馬遜等公司使用人工智能將語音轉換為文本，從而使命令處理器能夠生成答案。

如果沒有邊緣計算，等待響應的時間將會司空見慣。PubNub公司首席技術官兼聯(lián)合創(chuàng)始人Stephen Blum表示：“邊緣網(wǎng)絡允許在Doherty閾值（不到400毫秒）內獲得令人愉快的用戶體驗。谷歌、蘋果和亞馬遜在邊緣計算投入巨資，以使他們的人工智能技術能夠快速回答問題。為了與行業(yè)巨頭開展競爭，其他的企業(yè)需要投資開發(fā)邊緣人工智能。”

3.如今只有一部分人工智能工作流發(fā)生在邊緣

Omdia公司分析師在其主題為《邊緣設備人工智能》報告中解釋說，“如今的人工智能邊緣處理專注于將人工智能工作流的推理部分移到設備上?！?/p>

IDC公司McCarthy解釋說，通常會使用歷史數(shù)據(jù)集在中央數(shù)據(jù)中心或云計算基礎設施中對人工智能模型本身進行培訓。然后，可以將這些人工智能模型部署到邊緣以針對當前數(shù)據(jù)進行推斷。

SAS公司的Mann說：“實質上，企業(yè)可以在其中的一個環(huán)境中進行培訓，而在另一個環(huán)境中執(zhí)行。訓練機器學習所需的大量數(shù)據(jù)和計算能力非常適合云計算，而在新數(shù)據(jù)上推理或運行訓練后的模型則非常適合在邊緣執(zhí)行?！?/p>

Omdia指出，在新的數(shù)據(jù)上推斷或運行訓練過的模型非常適合在邊緣執(zhí)行。能夠將大型人工智能模型壓縮為小型硬件形式的模型壓縮技術可以隨著時間的推移將一些訓練推向邊緣。

4.在邊緣進行實時學習需要時間

PubNub公司的Blum說，“實時學習使人工智能在每次交互過程中都能不斷發(fā)展和完善。為了使人工智能能夠實時學習，矩陣（人工智能大腦）必須在接受培訓的同時還可以回答用戶的要求。這一挑戰(zhàn)使大多數(shù)網(wǎng)絡都排除了實時學習?！?/p>

但是，一旦克服了這些挑戰(zhàn)，這將為更高級的邊緣人工智能應用打開大門。

5. 邊緣人工智能需要大量數(shù)據(jù)

IDC公司的McCarthy說，“只有當有足夠的數(shù)據(jù)來建立統(tǒng)計上相關的模型時，整個過程才會起作用。無論是從歷史數(shù)據(jù)還是獲得預期結果的數(shù)據(jù)來看，許多企業(yè)都沒有達到最低要求?！?/p>

6. 從整理好數(shù)據(jù)庫開始

CompTIA公司Robinson表示，“大多數(shù)組織尚未建立全面的數(shù)據(jù)管理實踐，也沒有這些類型的數(shù)據(jù)集。此外，現(xiàn)代人工智能比以前的軟件程序更多地基于概率。錯誤或無意義的答案的風險更高，并且如果訓練數(shù)據(jù)不完整或有任何偏見，則該風險會增加。企業(yè)與其快速安裝人工智能組件并從中獲益，還不如從徹底檢查數(shù)據(jù)開始?！?/p>

同時，McCarthy表示，行業(yè)專家可以用業(yè)務邏輯代替基于數(shù)據(jù)的學習，這種學習可以實時用于多個數(shù)據(jù)流，直到企業(yè)積累了足夠良好的數(shù)據(jù)來充分利用人工智能。

7.云計算到邊緣架構應具有靈活性和前瞻性

SAS公司的Mann說：“在定義架構時，需要確保要針對企業(yè)規(guī)模進行設計。云計算到邊緣架構需要支持模型的部署、模型隨時間的變化，以及在安全環(huán)境中的數(shù)據(jù)傳輸?！?/p>

Mann建議實施與芯片組、操作系統(tǒng)和云計算提供商無關的架構，以提供最大的靈活性，以實現(xiàn)長期的持續(xù)價值。

Mann說，“盡管并非所有問題都適合邊緣人工智能，但隨著高級用例的發(fā)展，所有IT基礎設施和架構都應設計為適應邊緣分析。重要的是必須擁有一個環(huán)境，該環(huán)境可以支持將分析部署在實時或批處理所需的位置。”