AI, uczenie maszynowe i przetwarzanie brzegowe to kluczowe komponenty kompletnego, zintegrowanego rozwiązania IoT

Czym jest zatem AI/ML?

Sztuczna inteligencja (AI) odnosi się do symulacji ludzkiej inteligencji w maszynach, umożliwiając im wykonywanie zadań, takich jak uczenie się, rozumowanie i rozwiązywanie problemów. Uczenie maszynowe (ML) to zatem podzbiór AI, który koncentruje się na algorytmach i modelach statystycznych, umożliwiając komputerom uczenie się i tworzenie prognoz na podstawie danych. ML obejmuje szkolenie modeli przy użyciu danych w celu rozpoznawania wzorców, poprawy wydajności i podejmowania decyzji bez wyraźnego programowania. W skrócie, AI obejmuje szeroki zakres możliwości, w tym ML, przetwarzanie języka naturalnego i robotykę, których celem jest tworzenie systemów, które mogą autonomicznie wykonywać złożone zadania - a uczenie maszynowe jest kluczowym komponentem.

Dlaczego przetwarzanie brzegowe jest krytyczne dla nowoczesnych sieci?

Przetwarzanie brzegowe przetwarza dane bliżej miejsca ich generowania, oferując kilka zalet w porównaniu z przetwarzaniem w chmurze. Należą do nich w szczególności:

• zmniejszone opóźnienia, ponieważ dane nie muszą być przesyłane do odległego serwera,
• zwiększona szybkość i wydajność, co jest kluczowe dla aplikacji pracujących w czasie rzeczywistym,
• zwiększone bezpieczeństwo i prywatność, ponieważ dane mogą być przetwarzane lokalnie,
• zmniejszone wykorzystanie przepustowości i koszty, ponieważ mniej danych jest przesyłanych do chmury,
• oraz zwiększona niezawodność i dostępność, ponieważ przetwarzanie lokalne może być kontynuowane nawet w przypadku przerwania połączenia sieciowego z chmurą.

Te i inne korzyści sprawiają, że przetwarzanie brzegowe jest idealne dla aplikacji Internetu rzeczy, automatyzacji produkcji, pojazdów autonomicznych, aplikacji do przetwarzania obrazu i innych aplikacji wrażliwych na opóźnienia.

Co to wszystko oznacza? Przykładowo w przypadku automatyzacji produkcji rozważmy fakt, że ludzie mogą zarządzać jednym zadaniem na raz. Nasze oczy i zmysły mogą wykrywać pewne widoki i pewne nieprawidłowości, ale moglibyśmy łatwo przeoczyć niewielką osobliwość na szybko poruszającej się linii produkcyjnej. W porównaniu z komputerami jesteśmy bardzo powolni i omylni. W zastosowaniach wizji komputerowej, w których wiele działań musi następować szybko (czasem w ułamkach sekundy) i z najwyższą dokładnością, interwencja człowieka jest niemożliwa. Automatyzacja wymaga ekstremalnej precyzji, szybkiego i robotycznego przetwarzania danych oraz działań, które można wykonać dokładnie w nanosekundach.

Inną kluczową koncepcją jest to, że te krytyczne zdarzenia przetwarzania danych i precyzyjnej automatyzacji nie mają miejsca na opóźnienia. Oznacza to, że danych nie można wysłać z urządzenia — niezależnie od tego, czy znajduje się ono w zakładzie produkcyjnym, magazynie czy szybko poruszającym się pojeździe — do aplikacji w chmurze w celu przetworzenia, a następnie przeprowadzić kolejny czasochłonny proces zwracania danych z powrotem do urządzenia w terenie.

Transformacja na krawędzi: wpływ sztucznej inteligencji na krawędzi i wizji komputerowej w różnych sektorach

Dlaczego ważne jest, aby inteligentne urządzenia podłączone w Internecie rzeczy samodzielnie wykonywały przetwarzanie i podejmowały decyzje, nawet przy dostępności wydajnych centrów danych serwerowych lub usług w chmurze?

Przyjrzyjmy się teraz bliżej głównym potencjalnym zaletom tych dwóch pojawiających się i popularnych technologii: sztucznej inteligencji na krawędzi i wizji komputerowej.

Przepustowość sieci – urządzenia inteligentne gromadzą ogromną ilość danych w porównaniu do ich przepustowości lub pojemności transmisji. W rzeczywistości zdecydowana większość tych danych gromadzonych przez czujniki jest w wielu przypadkach odrzucana. Na przykład proste aplikacje monitorujące skupiają się na wykrywaniu przekroczenia progu, ale nie identyfikują wzorców w danych, aby wywnioskować możliwe sytuacje w krótkim i średnim okresie.

Latencja – przesyłanie danych może zająć setki milisekund w obie strony od krawędzi do chmury. Dzieje się tak w przypadku połączeń o wystarczającej i niezawodnej przepustowości, jednakże przykładowo komunikacja satelitarna może opóźnić tę wymianę o kilka minut lub nawet godzin.

Ekonomia – połączone produkty domyślnie wiążą się z kosztami wynikającymi z łączności. Im większa przepustowość i zasięg, tym wyższy rachunek. Edge AI zmniejsza, a w niektórych przypadkach eliminuje koszty transmisji danych i przetwarzania w chmurze, umożliwiając tworzenie rozwiązań, które w przeszłości nie były opłacalne. W niektórych wdrożeniach koszt łączności może nie być problemem, ale ważne jest, aby wziąć pod uwagę koszt utrzymania infrastruktury po stronie serwera lub zasobów przetwarzania w chmurze.

Niezawodność – definicja niezawodności według słownika NIST brzmi następująco: „Zdolność systemu lub komponentu do funkcjonowania w określonych warunkach przez określony czas”. Wydaje się oczywiste, że produkty, lub systemy kontrolowane przez edge AI są a priori bardziej niezawodne niż te rozwiązania, które polegają na łączności i przetwarzaniu zewnętrznym lub w chmurze. Dodanie technologii łączności bezprzewodowej (a nawet przewodowej) wraz z technologiami chmurowymi oznacza dodanie złożonego i przytłaczającego zestawu dodatkowych zależności.

Źródło tekstu: Digi International, tłumaczenie Gamma Sp. z .o.o.

Moduł SoM Digi ConnectCore MP25 integruje jednostki NPU oraz procesor ISP dla zastosowań brzegowych AI i widzenia maszynowego

Digi ConnectCore® MP2 to wszechstronny, bezpieczny i ekonomiczny bezprzewodowy system w module (SOM) przeznaczony do zastosowań przemysłowych oraz inteligentnych podłączonych urządzeń. Mikrokontroler STMicroelectronics STM32MP25 dodaje jednostkę przetwarzania neuronowego (NPU) i procesor sygnału obrazu (ISP) do zastosowań brzegowych AI i widzenia maszynowego. W pełni zintegrowana łączność bezprzewodowa, sieci wrażliwe na czas (TSN) i kompaktowa obudowa SMTplus® (30 x 30 mm) sprawiają, że moduł spełni swoją rolę idealnie w małych urządzeniach przenośnych i Przemysłu 4.0. SOM został zaprojektowany z myślą o maksymalnej wydajności energetycznej w celu obsługi aplikacji zasilanych bateryjnie.

Digi ConnectCore MP25 oferuje konstrukcję klasy przemysłowej zapewniającą długowieczność w wymagającej pracy 24/7/365 z ponad 10-letnim cyklem życia produktu, popartą wiodącą w branży 3-letnią gwarancją Digi. Digi Embedded Yocto® w połączeniu z potężnymi usługami chmurowymi Digi ConnectCore i usługami bezpieczeństwa Digi ConnectCore sprawia, że Digi ConnectCore MP25 jest kompletnym rozwiązaniem do tworzenia i utrzymywania bezpiecznych podłączonych urządzeń przez cały cykl ich życia.

Gamma Sp. z o.o. jest autoryzowanym dystrybutorem rozwiązań Digi International w Polsce. Zachęcamy do kontaktu z naszym działem handlowym.