自1956年在大學(xué)里把人工智能作為一個研究領(lǐng)域加入以來，人工智能在同等程度上經(jīng)歷了樂觀和悲觀兩個時期。毫無疑問，今天我們看到的是一種非常樂觀的態(tài)度。

數(shù)據(jù)科學(xué)是全球第三大熱門職位。事實上，在我們最近關(guān)于西班牙邊緣計算狀態(tài)的研究中，數(shù)據(jù)科學(xué)家是西班牙公司最需要的專業(yè)人員，這個市場正在經(jīng)歷指數(shù)級增長，預(yù)計到2025年將達到1900億美元。

人工智能在市場行業(yè)中的突出地位，使其不再是一種單一的技術(shù)，而是為不同行業(yè)提供不同用途的眾多分支。

在被確定為最成熟和最接近生產(chǎn)階段的趨勢中，我們可以在日常生活中識別出這些趨勢。例如，我們在與越來越像人類的聊天機器人交談時使用的簡單語言處理、使實時視頻處理自動化成為可能的機器成像，以及帶來更好搜索結(jié)果的語義搜索。

在另一個極端，至少 10 年內(nèi)不會出現(xiàn)更多的未來主義。一些有趣的例子是 AI TRISM（信任、風(fēng)險和安全管理）技術(shù)，它可以規(guī)范 AI 模型，使其對安全和隱私攻擊更具彈性，以及轉(zhuǎn)換器，它可以調(diào)整 AI 模型以適應(yīng)環(huán)境并將對改進翻譯、自動文檔創(chuàng)建或生物序列分析等應(yīng)用程序產(chǎn)生重大影響。

介于這兩個極端之間的是其他使能技術(shù)，從部署到市場成熟需要兩到五年的時間，這可以稱為“人工智能的近期未 來”。其中包括以人為本的人工智能、生成人工智能、人工智能的編排和自動化，以及在成熟度曲線上領(lǐng)先于所有其他人的邊緣人工智能，也稱為“邊緣人工智能”（Edge AI）。 2021 年，Edge AI 即將成為成熟的技術(shù)。

邊緣人工智能和工業(yè)世界的分布式智能革命

Edge AI 或 AI on the Edge 可以概括為在非常接近數(shù)據(jù)源的設(shè)備（物聯(lián)網(wǎng)設(shè)備、邊緣設(shè)備）上執(zhí)行人工智能算法的能力。

這項技術(shù)正在呈指數(shù)級增長，并得到一項令人生畏的統(tǒng)計數(shù)據(jù)的支持：超過 60% 的工業(yè)組織沒有部署云基礎(chǔ)設(shè)施來幫助他們有效地進行創(chuàng)新。

那么，如果我們用放大鏡觀察 Edge AI 項目，我們將在 2022 年和 2023 年見證哪些最具顛覆性的趨勢？

以下是我們前 5 名的摘要：

1. 關(guān)鍵行業(yè)將成為主要驅(qū)動力：從 SCADA 到 Edge AI

在 Barbara IoT，我們發(fā)現(xiàn)處于邊緣 AI 前沿的行業(yè)中存在重復(fù)模式：所有這些都處理許多關(guān)鍵的分布式資產(chǎn)。換言之，這些行業(yè)面臨著來自技術(shù)碎片化、可擴展性和網(wǎng)絡(luò)安全的巨大挑戰(zhàn)。這些可以通過在邊緣執(zhí)行 AI 算法來最小化。我們可以預(yù)測，這些行業(yè)將開發(fā)出非常雄心勃勃且具有變革性的用例。

自 80 年代以來一直使用的 SCADA 系統(tǒng)在數(shù)據(jù)捕獲和處理方面具有相似的目的。然而，SCADA 系統(tǒng)需要更現(xiàn)代的技術(shù)來補充，以便它們能夠響應(yīng)對互操作性、開放性和安全性日益苛刻的要求。這就是 Edge AI 可以提供幫助的地方：成倍增加這些系統(tǒng)的價值。

2. 薄邊將與厚邊互補

當(dāng)我們提到 Edge AI 時，對于“邊緣”的含義有不同的解釋。傳統(tǒng)上，邊緣被認為是離用戶最近的網(wǎng)絡(luò)運營商基礎(chǔ)設(shè)施。例如，當(dāng)我們談?wù)?5G 網(wǎng)絡(luò)時，我們指的是運營商正在推出大量稱為“多接入邊緣計算”的節(jié)點，用于近距離數(shù)據(jù)處理。這些節(jié)點安裝在與設(shè)計用于托管云服務(wù)的數(shù)據(jù)中心非常相似的服務(wù)器上，它們具有處理復(fù)雜人工智能算法的巨大潛力和能力。這就是一些分析師所說的“厚”邊緣。

然而，最近開始開發(fā)另一種類型的邊緣節(jié)點：直接連接到傳感器和交換機的邊緣節(jié)點，當(dāng)安裝在網(wǎng)關(guān)或集中器等低功耗設(shè)備上時，用于運行更簡單的人工智能算法，響應(yīng)時間更短，更接近到實時。這種稱為“瘦”邊緣的新型邊緣將使我們能夠快速靈活地處理大型項目，這些項目包括遠程位置或?qū)Ω甙踩院蛿?shù)據(jù)隔離的要求。

3. 邊緣網(wǎng)格作為實現(xiàn)分布式人工智能的新范式

Edge AI 傳統(tǒng)上基于使用大數(shù)據(jù)訓(xùn)練的決策模型。該模型由一系列數(shù)學(xué)公式組成，安裝在邊緣節(jié)點上。從那里，每個節(jié)點都能夠根據(jù)它接收到的數(shù)據(jù)和已安裝的模型做出自己的決定。

這種被稱為邊緣網(wǎng)格的新范式使得一個節(jié)點的決策有可能受到另一個節(jié)點的決策的制約，就好像它是一個格狀網(wǎng)絡(luò)一樣。了解這種新架構(gòu)的強大功能的一個很好的例子是智能交通系統(tǒng)。

邊緣節(jié)點可以使用考慮到傳感器檢測到的汽車和人員數(shù)量的人工智能算法來決定交通信號燈的時間。然而，這個決定可以由附近街道的其他節(jié)點做出的決定來完美補充。

Edge Mesh 的目的是在各個節(jié)點之間分配智能，以便提供比更傳統(tǒng)架構(gòu)更好的性能、響應(yīng)時間和容錯能力。

4. 使用 MLOps 進行生命周期管理變得越來越重要

隨著行業(yè)轉(zhuǎn)向推出具有更多分布式節(jié)點和更復(fù)雜訓(xùn)練算法的 Edge AI，維持這些訓(xùn)練模型的生命周期以及執(zhí)行它們的設(shè)備的能力將是這項技術(shù)未來的關(guān)鍵。

從這個意義上說，將 DevOps 理念應(yīng)用于 AI 算法的開發(fā)、推廣和維護的項目和公司將得到加強。

這種工作方式稱為 MLOps，是機器學(xué)習(xí)和 DevOps 的結(jié)合。

但它到底是什么？基本上，它旨在通過設(shè)備和開發(fā)環(huán)境、測試和操作的持續(xù)集成來減少邊緣模型上 AI 的開發(fā)、測試和實施時間。

5. 邊緣人工智能實現(xiàn)主權(quán)數(shù)據(jù)交換

毫無疑問，數(shù)據(jù)共享對于改進行業(yè)部門的流程至關(guān)重要，價值鏈中有許多利益相關(guān)者。

讓我們看看不久的將來的電網(wǎng)模型：智能電網(wǎng)。 為了能夠獲得或提供更好的服務(wù)，供應(yīng)商必須能夠分析和處理來自許多利益相關(guān)者（如產(chǎn)消者、運營商、分銷商和聚合商）的信息。 如果沒有透明、敏捷的數(shù)據(jù)交換，到 2050 年就不可能達到所需的網(wǎng)格優(yōu)化。

借助邊緣人工智能 ，可以進行集中式數(shù)據(jù)處理，這將有助于克服行業(yè)目前面臨的一些障礙，例如數(shù)據(jù)安全、隱私和主權(quán)。