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.
Przetwarzanie brzegowe przetwarza dane bliżej miejsca ich generowania, oferując kilka zalet w porównaniu z przetwarzaniem w chmurze. Należą do nich w szczególności:
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.
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.
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.
W ofercie przekaźników HVDC firmy Hongfa znajdują się zaawansowane modele przeznaczone do zastosowań w pojazdach...
Firma Arch Electronics zaprezentowała najnowszy 20W ultra kompaktowy moduł zasilania ARCF20 do montażu na płytce...
Firma Microchip Technology ogłosiła wprowadzenie rodziny tranzystorów MOSFET mocy wzmocnionych na promieniowanie...
Firma Coto Technology zaprezentowała czujnik magnetyczny RedRock® RR133-1E83-511 oparty na technologii TMR...
ISS-15K5 firmy Avalue Technology Inc. to15,6-calowy samoobsługowy kiosk zaprojektowany, aby zrewolucjonizować...
Ultraszybkie diody Qspeed serii H firmy Power Integrations są teraz dostępne z wartościami znamionowymi 650V do 30A.