現(xiàn)在，我也聽說了對數(shù)據(jù)隱私的關(guān)注也與此有關(guān)。如果我們的信息被發(fā)送回云端，它就在那里并且可能可以訪問。如果它保持在本地，就在我們的設(shè)備上，那么我們的個人數(shù)據(jù)將保持私密的期望更高。

當我們使用云時，有兩種方式可能會成為問題。一是，它是靜止的數(shù)據(jù)。它位于云中，有人對其進行了破解，并且他們可能可以訪問這些數(shù)據(jù)。你的數(shù)據(jù)。而且還有數(shù)據(jù)在傳輸過程中被截獲的威脅。因此，如果它必須從設(shè)備或傳感器移動到云端，那么它很容易受到黑客攻擊。

所以你是對的。出于安全機密性的原因，這是人工智能(尤其是在必要時)在設(shè)備上完成而不是將其移動到數(shù)據(jù)易受攻擊的地方的另一個原因

我在個人隱私方面提出了這個問題，有人在亞馬遜上買東西并透露他們的信用卡號碼或你有什么。但這不是隱私的全部范圍。在企業(yè)環(huán)境中，公司可能只是希望能夠確保他們控制自己的所有數(shù)據(jù)，對吧?

不僅控制他們所有的數(shù)據(jù)，他們中的大多數(shù)人還要求客戶保護他們的客戶數(shù)據(jù)。因此，它也有法律含義。我很高興我們提出財務(wù)數(shù)據(jù)并不是許多人認為私有的唯一內(nèi)容。健康記錄，他們孩子的照片。人們希望將數(shù)據(jù)保密的原因有很多，而且并不總是出于財務(wù)考慮。當然，正如我們所提到的，在企業(yè)層面，它也超出了他們的財務(wù)數(shù)據(jù)。它繼續(xù)承擔保護其知識產(chǎn)權(quán)和客戶信息私密性的法律責任。

是否有特定的用例將人工智能從數(shù)據(jù)中心中吸引出來?

有，而且有很多。其中一些你會認出，因為它們已經(jīng)在那里了。它們就像我們在家中的智能揚聲器一樣，越來越多地充當數(shù)字助理：能夠提醒我們約會或按需播放音樂。這些已經(jīng)有一段時間了。這些確實是邊緣人工智能的一個例子。他們中的大多數(shù)，你熟悉的那些——支持 Alexa 的設(shè)備、支持 Siri 的設(shè)備、Bixby——他們都在使用云。你問它一個問題，它會根據(jù)你給它檢測的詞喚醒。然后它將數(shù)據(jù)信息傳輸?shù)皆坪蛷脑浦袀鬏敗?

它在端點本身變得越來越聰明。因此，雖然這些設(shè)備已經(jīng)出現(xiàn)了一段時間，但他們正試圖在現(xiàn)場進行越來越多的預(yù)處理。

例如，能夠通過聲音識別個人并能夠有效地個性化它為我們提供的響應(yīng)的設(shè)備正在遷移到盡可能多的設(shè)備上，并盡量減少必須流動的內(nèi)容出云。當然，你會看到各種其他人工智能被用于可穿戴設(shè)備、健身設(shè)備、手機的例子。所有這些都具有處于邊緣的人工智能功能，在某些情況下是在電池供電的設(shè)備中，這推動了圍繞保持低功耗的大量創(chuàng)新。

是否有可能是通過將 AI 置于邊緣而非數(shù)據(jù)中心而啟用的新功能?

是的，有。因此，在邊緣有許多新興的人工智能用例。它們涵蓋的范圍很廣，其中一些你會認出，其中一些可能看起來很新穎。

首先，在這些新興用例和現(xiàn)有產(chǎn)品中，它們正在日益增強的一種方式是稱為自然語言處理的東西。所以我們都知道語音檢測，所有這些設(shè)備都會得到的喚醒詞，但僅此而已。這是一個喚醒詞，告訴設(shè)備喚醒并開始傾聽可能出現(xiàn)的問題。

自然語言處理已經(jīng)成為人工智能的殺手級應(yīng)用之一，具有理解完整句子上下文的能力。并且一些神經(jīng)網(wǎng)絡(luò)實際上能夠以非順序的方式解析句子。因此，例如，當我們和我交談時，我們可能會將句子中的單詞放在不同的位置。但是一旦他們在一起，我們就會明白其中的含義。我們不必按順序處理所有內(nèi)容。我們可以在可能被許多其他單詞分開的單詞之間建立聯(lián)系，并且能夠理解這一點。因此，自然語言處理再次被我之前談到的所有增強功能所支持——更小的模型、新的人工智能算法、終端設(shè)備上的更多功能和內(nèi)存——這已成為一個非常重要的用例，

但是對于你關(guān)于新興用例和新事物的觀點，我認為有。隨著人們希望讓更多聯(lián)網(wǎng)汽車上路，人工智能正被用于車對基礎(chǔ)設(shè)施、車對車通信。例如，監(jiān)控設(shè)備正在拍攝圖像并能夠在邊緣進行人工智能來確定，也許它專門用于人員檢測或車牌檢測。這越來越多地在終點完成。

醫(yī)學診斷開始成為現(xiàn)實，其中人工智能被用于掃描設(shè)備并被用于計算機斷層掃描，并且能夠比正在查看相同掃描的放射科醫(yī)生和醫(yī)生做得更好或更好，因為他們已經(jīng)訓練有足夠的圖像，他們可以檢測到人眼可能無法檢測到的東西。

當然，每個人都知道的大用例——以及許多令人害怕或迫不及待的用例——是自動駕駛。因此，如果我們考慮該用例，它幾乎涵蓋了我們一直在討論的有關(guān)需求的所有內(nèi)容：它必須是實時的。當你以每小時 60 英里的速度在路上行駛時，你無法承受將信息發(fā)送到上方道路中物體的云或它是否是物體，然后等待它按順序返回讓它做出反應(yīng)。因此，為了完成自動駕駛，必須在車輛本身上進行大量實時處理。當然，這也需要相當多的計算能力。因此，自動駕駛幾乎成為邊緣人工智能的典型代表。

還有一些我們在日常工作中可能會看到的更通俗的應(yīng)用程序。