邊緣人工智能是人工智能領域最值得關注的新領域之一，它旨在讓人們運行人工智能流程，而不必擔心隱私或數據傳輸導致的速度減慢。邊緣人工智能正在使人工智能的使用范圍更廣、更廣泛，讓智能設備無需訪問云即可快速響應輸入。雖然這是邊緣人工智能的快速定義，但讓我們花點時間通過探索使其成為可能的技術并查看邊緣人工智能的一些用例來更好地理解邊緣人工智能。

什么是邊緣計算?

為了真正理解邊緣人工智能，我們首先需要了解邊緣計算，而理解邊緣計算的最佳方式是將其與云計算進行對比。云計算是通過互聯網提供計算服務。相比之下，邊緣計算系統不連接到云，而是在本地設備上運行。這些本地設備可以是專用的邊緣計算服務器、本地設備或物聯網 (IoT)。使用邊緣計算有許多優點。例如，基于互聯網/云的計算受到延遲和帶寬的限制，而邊緣計算不受這些參數的限制。

什么是邊緣人工智能?

現在我們了解了邊緣計算，我們可以看看邊緣人工智能。邊緣人工智能結合了人工智能和邊緣計算。人工智能算法在具有邊緣計算能力的設備上運行。這樣做的好處是可以實時處理數據，而無需連接到云。

大多數尖端人工智能流程都是在云中進行的，因為它們需要大量的計算能力。結果是這些人工智能流程很容易出現停機。由于邊緣人工智能系統在邊緣計算設備上運行，因此必要的數據操作可以在本地進行，在建立互聯網連接時發送，從而節省時間。深度學習算法可以在設備本身(數據的起源點)上運行。

邊緣人工智能正變得越來越重要，因為越來越多的設備需要在無法訪問云的情況下使用人工智能。想想現在有多少工廠機器人或汽車配備了計算機視覺算法。在這種情況下，數據傳輸的滯后時間可能是災難性的。自動駕駛汽車在檢測街道上的物體時不會受到延遲的困擾。由于快速響應時間非常重要，設備本身必須有一個邊緣人工智能系統，使其能夠在不依賴云連接的情況下分析和分類圖像。

當把通常在云端進行的信息處理任務委托給邊緣計算機時，其結果是實時低延遲、實時處理。此外，通過將數據傳輸限制在最重要的信息上，可以減少數據量本身，并最大限度地減少通信中斷。

邊緣人工智能和物聯網

邊緣人工智能與5G和物聯網(IoT)等其他數字技術相結合。物聯網可以生成數據供邊緣人工智能系統使用，而5G技術對于邊緣人工智能和物聯網的持續發展至關重要。

物聯網是指通過互聯網相互連接的各種智能設備。所有這些設備都會生成數據，這些數據可以輸入到邊緣人工智能設備中，該設備還可以作為數據的臨時存儲單元，直到與云同步。這種數據處理方法具有更大的靈活性。

第五代移動網絡5G對于邊緣人工智能和物聯網的發展至關重要，5G能夠以更高的速度傳輸數據，最高可達20Gbps，而4G只能以1Gbps的速度傳輸數據。5G還支持比4G更多的同時連接(每平方公里1,000,000對100,000)和更好的延遲速度(1ms對10ms)。這些相對于4G的優勢非常重要，因為隨著物聯網的發展，數據量也會增長，傳輸速度也會受到影響。5G可以在更廣泛的設備之間進行更多的交互，其中許多設備都可以配備邊緣人工智能。

邊緣人工智能的用例

邊緣人工智能的用例幾乎包括任何在本地設備上比通過云更有效地進行數據處理的情況。但是，邊緣人工智能的一些最常見用例包括自動駕駛汽車、自動無人機、面部識別和數字助理。

自動駕駛汽車是邊緣人工智能最相關的用例之一。自動駕駛汽車必須不斷掃描周圍環境并評估情況，根據附近的事件對其軌跡進行修正。實時數據處理對于這些情況至關重要，因此，其車載邊緣人工智能系統負責數據存儲、操作和分析。邊緣人工智能系統是將3級和4級(完全自動駕駛)車輛推向市場所必需的。

由于自動無人機不是由人類操作員駕駛的，因此它們對自動駕駛汽車的要求非常相似。如果無人機在飛行過程中失去控制或發生故障，它可能會墜毀并造成財產或生命損失。無人機可能會飛出互聯網接入點的范圍，并且它們必須具備邊緣人工智能功能。對于旨在通過無人機運送包裹的 Amazon Prime Air 等服務而言，邊緣人工智能系統將不可或缺。

邊緣人工智能的另一個用例是面部識別系統。面部識別系統依賴于計算機視覺算法，分析攝像頭收集的數據。用于安全等任務的面部識別應用程序即使未連接到云也需要可靠運行。

數字助理是邊緣人工智能的另一個常見用例。即使沒有連接到互聯網，Google Assistant、Alexa 和 Siri 等數字助理也必須能夠在智能手機和其他數字設備上運行。在設備上處理數據時，無需將其傳送到云端，這有助于減少流量并確保隱私。