人工智能:一个完美的解决方案,但代价是什么呢?

的进步人工智能(AI)一直是一个伟大的推动者物联网(物联网)。给自己思考的能力,摆脱了原来的定义为一个微小的传感器和网络发展将一系列更聪明AIoT (AI +物联网)设备智能手机一直到自主车辆。

人工智能也为新的物联网设备类别铺平了道路。以前被动的设备(如正在转化为高价值的物联网视频监控摄像头传感器、基于云的人工智能算法将原始画面变成结构化数据推理的成熟。

然而,视频传感器系统的本质意味着他们非常流线化。认为互联网今天是体积流媒体视频服务首先:世界上77%的下游带宽和视频数据,和15%的Netflix流。

然而每个视频传感器产生潜在每天成千上万的g的数据,下游数据浪潮可能会把物联网数据的海啸洪水上游。结果,长期以来的全球网络基础设施优化下游分布变得脆弱。

我们相信人工智能
人工智能及其渴望数据可能是这个新问题的根源,但它也将成为解决方案的重要组成部分,使整个基础设施智能堆栈。

很可能大部分的AI重担永远是在云中执行由于浓度的计算,特别是当涉及到培训机器学习(毫升)算法对历史数据。但当谈到训练应用到实时推理、决策系统是死是活多快才能做出决策。当数据数千英里旅行到一个数据中心,不能保证它收到的时候,计算和对它仍将是有用的。

应用,如安全性至关重要的自动化、车辆自治、医学成像和制造所有的需求不再仅仅是毫秒的响应数据——和延迟要求云计算过程中引入的数据在全球范围内可能会减少它的价值为零。

如果时间是实时推理的敌人,是有道理的,我们的情报更接近数据创建。和你不能比在设备本身更近。

端点的人工智能,即AIoT
由于其强大的内部硬件,智能手机一直端点AI的肥沃的试验台。智能手机相机是一个典型的例子:从需要的东西selfies为生物身份验证和足够强大足够安全计算摄影-添加背景模糊(或一对兔耳朵)实时selfies。

这种技术找到自然到其他物联网设备:手臂已经探索AIoT视频传感器如何使用设备内置智能识别工作的人在一个房间内私人空间。同样的技术无疑是强大到足以使一个图像传感器来推断门禁(自动车牌识别)数据或情节购物者的旅程在零售商店。

然而,端点AI也有其局限性。可能除了自主车辆,毫升的高度计算密集型的培训部分根本不可能在端点设备由于处理和存储限制。和数据收集的一个端点设备价值有限,无论多么有能力,设备是AI-powered分析。数据仍然需要发送的地方足以执行复杂的人工智能和其他访问数据流可以推断意义相结合。

让我们回到云。还是它?别的地方的网络可能做出复杂决定所需的计算数据?

更近一步的人工智能优势
似乎一眨眼的时间,基本网络桥和交换机等设备已经被强大的边缘服务器添加datacenter-level硬件到端点和云之间的网关。如果你需要任何更多的证据进行民主化的努力计算你只需要看看边缘服务器的数量现在才发货。

和快乐的巧合(或谨慎推进计划,取决于你问谁),这些强大的新边缘服务器进入5 g基站足够强大,执行复杂的人工智能处理,不仅毫升推理训练,。

我们称这个人工智能优势。与3 g或4 g真的不值得让一个基站认为自己因为太大的延迟,但5 g降低延迟,实际上等于零,鉴于5 g规范扩散基站远远比前一次迭代的移动基础设施,在许多情况下,边缘服务器硬件的基础坐在这些基站距离的端点设备几乎触手可及。对于大多数应用程序延迟变得几乎不是问题。

在边缘,AI将扮演双重角色。在网络层面上,它可以用来分析网络预测和网络函数的数据流管理——智能分配,数据在最有意义的地方,不管是云或其他地方。

但考虑到边缘服务器真是能干聪明的思想家,不把它们用于培训有意义和推理的数据本身?好处使AI钻研,并决定结束,数据清晰的说明;显著降低回程到云,微不足道的延迟和提高安全性、可靠性和效率。

还有一个数据本地化的兴趣比边缘移动不再敏感数据:数据越多我们搬到一个集中的位置,发生的机会也就越多,破坏数据的完整性。物联网已经难以动摇其“老大哥”的形象——一个大规模泄漏个人视频数据的最后一件事需要在建立消费者信任。

当然,还有更大的安全好处,数据永远不会离开端点——但与端点设备,人工智能边缘服务器并不局限于在自己的数据集。最成功的人工智能算法边缘将任意数量的外部资源来创建复杂的一个过程的照片,环境或情况。

这可能是最有效的,当我们结合层的人工智能。端点门禁摄像机可能拥有人工智能能力挑选车牌号码从自己的实时数据。它将只需要发送数据的推断——盘子本身——人工智能优势。

从这里,AI边缘服务器可能将车牌数据从数以百计的其他附近的门禁摄像机在一个给定的地区和比较它与数据库被盗车辆为了跟踪一辆车的状态,预测车辆的轨迹和执法建议路障的位置。

和一个AI边缘服务器位于一个货运公司的物流中心可能结合的预先计算从交通摄像头驱动程序和图像传感器数据与来自附近气象站的气象数据实时为了修改路线和预测交货时间。所有可能发生的AI边缘服务器本身,只有更新的时间表上传到云端。

比以往更大的机会
这个行业的这是什么意思?当然,公司限制他们的IT过程的硬件包含在四面墙屈指可数。IT专业人员将会发现他们更参与运营效率,在基础设施,随着异构计算变得无处不在的技能将在识别最有意义的地方来处理数据,将不同的角色,不同层的AI在必要时,为了获得这种整体洞察力驱动真正的业务转型。

在我们迈向世界一万亿年物联网设备,我们面临着基础设施和建筑挑战比以往任何时候都更大,因此,我们需要回答这个好机会的技术是不断发展的。手臂的角度是由用例驱动的,我们已经帮助定义和授权使用Arm技术,和我期待着分享一些成功的故事在2020年。