當(dāng)我們談?wù)撎崛鞲衅鲾?shù)據(jù)并對(duì)其進(jìn)行處理時(shí)，一種方法是將人工智能推向邊緣。這是一個(gè)單獨(dú)的趨勢(shì)嗎?或者它是對(duì)我們剛剛討論的內(nèi)容的補(bǔ)充?

我當(dāng)然認(rèn)為這將與我們正在討論的內(nèi)容相輔相成。如果我們正在尋找生產(chǎn)線上的缺陷或類似的東西，這是我們希望盡可能多地本地化 AI 的完美示例。如果它是一個(gè)反復(fù)出現(xiàn)的缺陷，你經(jīng)?？吹?，它來(lái)到這里要簡(jiǎn)單得多，而不是去某個(gè)地方到云端，然后對(duì)其進(jìn)行處理以停止機(jī)器?；蛲Ｖ沽鞒?。因此，我們會(huì)在未來(lái)看到更多此類活動(dòng)發(fā)生，其中本地化操作將驅(qū)動(dòng)某些行為。

然而，無(wú)論使用何種方法，在應(yīng)用程序中實(shí)施人工智能都需要相當(dāng)多的專業(yè)知識(shí)。例如，有許多 AI 框架可供選擇，開發(fā)人員必須利用大量數(shù)據(jù)來(lái)訓(xùn)練系統(tǒng)。推理引擎必須具有足夠的正確處理能力，以便在訓(xùn)練后執(zhí)行 AI 算法。訓(xùn)練數(shù)據(jù)也需要經(jīng)過(guò)深思熟慮，以避免訓(xùn)練 AI 做出錯(cuò)誤的推斷。例如，經(jīng)過(guò)訓(xùn)練以區(qū)分照片中的汽車和坦克的人工智能在現(xiàn)場(chǎng)失敗了，因?yàn)橛?xùn)練數(shù)據(jù)集使用了在陽(yáng)光直射的露天拍攝的汽車照片和在模糊和光線不足的條件下拍攝的坦克照片。推理引擎訓(xùn)練基于照明差異而不是物體差異。

即使涉及到環(huán)境中的面部識(shí)別等問(wèn)題?？梢詥为?dú)討論其中的隱私方面。但是你真的可以有一個(gè)場(chǎng)景，你可以識(shí)別一個(gè)你不想進(jìn)入你的辦公環(huán)境的人或類似的東西。因此，如果我們?cè)敢獾脑?，人工智能肯定?huì)在這些方面進(jìn)入網(wǎng)絡(luò)邊緣的端點(diǎn)。

越來(lái)越有趣的是，沒(méi)有一家公司能夠獨(dú)自解決工業(yè)環(huán)境中的無(wú)數(shù)應(yīng)用程序。因此，我們需要生態(tài)系統(tǒng)合作伙伴、庫(kù)和軟件支持，才能真正讓我們的客戶將大量此類解決方案帶入市場(chǎng)。在機(jī)場(chǎng)進(jìn)行生物特征識(shí)別。所以你可以在沒(méi)有登機(jī)牌或類似的東西的情況下走上飛機(jī)。所有這些都是人們正在努力的事情。

有趣。有趣的。很高興聽到我們不僅在改進(jìn)和重新思考我們已經(jīng)在做的事情，而且這項(xiàng)技術(shù)正在實(shí)現(xiàn)一系列前所未有的全新事物。

隨著越來(lái)越多的此類工具可用，開發(fā)人員將越來(lái)越多地發(fā)現(xiàn)自己采用了一種新的嵌入式系統(tǒng)控制設(shè)計(jì)方法。開發(fā)人員將創(chuàng)建一個(gè) AI 加速處理器，該處理器運(yùn)行通過(guò)機(jī)器學(xué)習(xí)開發(fā)的推理算法，而不是傳統(tǒng)的處理器運(yùn)行代碼來(lái)實(shí)現(xiàn)人為定義的算法。如果做得好，人工智能推理引擎將能夠處理過(guò)于復(fù)雜的任務(wù)，無(wú)法通過(guò)傳統(tǒng)的編碼方法實(shí)現(xiàn)經(jīng)濟(jì)高效且可靠的實(shí)施?，F(xiàn)在出現(xiàn)的創(chuàng)新工具將有助于讓 AI 新手更容易正確地做這件事。

所以基本上，你可以考慮一個(gè)真正便宜的傳感器，這樣你就不會(huì)僅僅通過(guò)查看顏色等來(lái)包裝變質(zhì)的肉。人們正在使用膚色來(lái)優(yōu)化我們的妝容以適應(yīng)我們的特定膚色。所有這些都是我們?cè)趲啄昵巴ㄟ^(guò)使用光學(xué)傳感器無(wú)法想象的事情的例子。

聽到電子行業(yè)正在與露華濃和美寶蓮打交道，我感到很驚訝!或者歐萊雅。是的，正是。確切地。你永遠(yuǎn)不會(huì)想到過(guò)去會(huì)發(fā)生這樣的事情。這是一個(gè)廣闊的領(lǐng)域。這是一個(gè)引人入勝的領(lǐng)域，將在未來(lái)提供數(shù)十年的增長(zhǎng)。并且可能會(huì)軟化我們過(guò)去看到的典型周期性。我們不會(huì)完全避免周期，但我認(rèn)為較新的創(chuàng)新將推動(dòng)該行業(yè)達(dá)到過(guò)去從未見過(guò)的新水平。

人工智能如何改變邊緣計(jì)算的未來(lái)——雖然將人工智能與邊緣計(jì)算相結(jié)合是有意義的，但硬件和軟件組件需要解決幾個(gè)挑戰(zhàn)，包括功耗、處理能力、數(shù)據(jù)存儲(chǔ)和安全性。

硬件幫助將 AI 遷移到邊緣——將 AI 遷移到邊緣需要什么類型的處理能力?供應(yīng)商提出了一系列答案。

人工智能使數(shù)據(jù)存儲(chǔ)更有效地進(jìn)行分析——將數(shù)據(jù)轉(zhuǎn)化為智能需要分析。正如這個(gè)概念驗(yàn)證演示所示，在存儲(chǔ)控制器中實(shí)施的 AI 可以大大加快分析速度。

連接性仍然是人工智能、機(jī)器學(xué)習(xí)工作負(fù)載主流化的核心——一場(chǎng)讓人工智能結(jié)果相關(guān)、可靠和隨時(shí)可用的競(jìng)賽。只有那些在最好的機(jī)器/深度學(xué)習(xí)基礎(chǔ)設(shè)施上訓(xùn)練過(guò)的人工智能模型，來(lái)自最大的數(shù)據(jù)集，才能生存下來(lái)。