本文來自千家網(wǎng)。
大自然可以教會我們很多關(guān)于技術(shù)的知識。例如，蜜蜂和花朵在數(shù)百萬年的時間里形成了自然界最純粹的共生關(guān)系之一。
從最基本的層面上講，花朵為蜜蜂提供花蜜作為食物，蜜蜂傳播花粉幫助花朵繁殖。了解這種互惠互利的伙伴關(guān)系是如何演變的，可以讓我們深入了解當前的技術(shù)狀況，以及兩個增長最快的領(lǐng)域——人工智能和邊緣計算——如何相互補充和放大。
人工智能和邊緣計算
視覺人工智能或計算機視覺是這一演變的一個很好的例子。邊緣計算就是盡可能高效地處理數(shù)據(jù)，但分析視覺數(shù)據(jù)最初是一個手動密集型過程。
攝像頭傳感器捕獲大量數(shù)據(jù)，開發(fā)人員編寫代碼來識別其中的模式。從該過程中獲得的見解可以根據(jù)攝像頭的數(shù)據(jù)推動新策略或運營變化。
如今，人工智能已經(jīng)顛覆了原始模型。人們可以使用專門開發(fā)的人工智能模型來查找他們正在尋找的模式，而不必編寫代碼。
人工智能現(xiàn)在使普通攝像機能夠準確檢測指定對象，而無需手動編碼解決方案。隨著人工智能和機器學習的改進，遠程視覺數(shù)據(jù)的邊緣計算也在進步。
對整個生態(tài)系統(tǒng)的好處
與自然界一樣，人工智能和邊緣計算之間的共生關(guān)系增強了整個生態(tài)系統(tǒng)的好處，提高了效率并降低了成本，包括：
將計算和存儲置于數(shù)據(jù)附近可減少延遲，使人工智能能夠為關(guān)鍵服務(wù)做出瞬間決策。
在邊緣設(shè)備上本地處理數(shù)據(jù)可防止私人信息的傳輸，并且AI模型仍可在邊緣處理信息，而不必擔心將其暴露給云或公眾。
聯(lián)合學習（一種訓練機器學習模型的方法）可利用邊緣設(shè)備上的數(shù)據(jù)完成。AI模型可以實時改進，而不是等待信息傳輸?shù)街行奈恢谩?/p>
構(gòu)建AI模型所需的巨大計算能力可能會給網(wǎng)絡(luò)流量和傳輸成本帶來壓力，因為大量數(shù)據(jù)會傳輸?shù)郊惺綌?shù)據(jù)中心或云中。在邊緣設(shè)備上執(zhí)行AI模型可減輕網(wǎng)絡(luò)帶寬負擔和數(shù)據(jù)傳輸成本。
現(xiàn)實世界的影響
邊緣計算和人工智能正在通過高效處理、分析和共享大量數(shù)據(jù)來改變行業(yè)。邊緣技術(shù)增強了庫存洞察力，實現(xiàn)了人工智能驅(qū)動的需求預測，從而改善了零售業(yè)的管理和盈利能力。
汽車行業(yè)邊緣人工智能的實際用途包括維護車載軟件和向經(jīng)銷商提供服務(wù)包。
人工智能和邊緣計算似乎最近才成為人們關(guān)注的焦點，但兩者多年來一直在合作并共同發(fā)展。正如“邊緣”不只是一個位置，“人工智能”也不只是一個事物。但它們結(jié)合起來，有可能改變我們的世界，讓任何可以連接的東西都連接起來。
