Haupttrends in der Edge-KI, auf die Sie 2022 achten sollten

Seit es 1956 als Studienfach an Universitäten hinzugefügt wurde, Künstliche Intelligenz hat beide Zeiten des Optimismus und des Pessimismus gleichermaßen durchgemacht. Es besteht kein Zweifel, dass wir heute einen großen Optimismus erleben.

Data Science ist weltweit die drittmeistgesuchte Stelle. Tatsächlich ist Data Scientist laut unserer jüngsten Studie über den Stand des Edge-Computing in Spanien der meistgesuchte Fachmann unter spanischen Unternehmen in einem Markt, der ein exponentielles Wachstum erlebt und bis 2025 voraussichtlich 190 Milliarden Dollar erreichen wird.

Die Bedeutung von KI in der Marktindustrie ist so groß, dass es keinen Sinn mehr macht, von einer einzelnen Technologie zu sprechen, sondern von vielen Zweigen, die unterschiedlichen Zwecken für verschiedene Branchen dienen.

Unter den Trends, die als die ausgereiftesten und produktionsnächsten identifiziert wurden, sind diejenigen, die wir in unserer täglichen Routine erkennen können. Zum Beispiel die Klartextverarbeitung, die wir verwenden, wenn wir mit immer menschenähnlicheren Chatbots sprechen, die maschinelle Bildgebung, die es ermöglicht, die Videoverarbeitung in Echtzeit zu automatisieren, und die semantische Suche, die zu besseren Suchergebnissen führt.

Auf der anderen Seite gibt es futuristischere, die in mindestens 10 Jahren nicht auftauchen werden. Einige interessante Beispiele sind AI TRISM (Trust, Risk and Security Management)  Technologien, die es ermöglichen, KI-Modelle zu regulieren, wodurch sie widerstandsfähiger gegen Sicherheits- und Datenschutzangriffe werden, und Transformatoren, die es ermöglichen, KI-Modelle an den Kontext anzupassen und einen großen Einfluss auf die Verbesserung von Anwendungen wie Übersetzern und automatischen Dokumenten haben werden Erstellung oder die Analyse biologischer Sequenzen.

Zwischen den beiden Extremen liegen andere Basistechnologien, die vom Einsatz bis zur Marktreife zwei bis fünf Jahre dauern werden, was als „nahe Zukunft der KI“ bezeichnet werden kann. Dazu gehören menschenzentrierte KI, generative KI, Orchestrierung und Automatisierung von KI und, allen anderen auf der Reifekurve vorangehend, KI am Rande, auch bekannt als "Edge-KI". Im Jahr 2021 wurde Edge AI zu der Technologie, die in naher Zukunft ausgereift sein wird.

Edge-KI und die Revolution der verteilten Intelligenz in der Industriewelt

Edge AI oder AI on the Edge kann als die Fähigkeit zusammengefasst werden, Algorithmen der künstlichen Intelligenz auf Geräten (IoT-Geräten, Edge-Geräten) auszuführen, die sich sehr nahe an der Datenquelle befinden.

Diese Technologie wächst exponentiell, was durch eine erschreckende Statistik unterstützt wird:Mehr als 60 % der Industrieunternehmen haben keine Cloud-Infrastruktur, die ihnen hilft, effizient innovativ zu sein.

Wenn wir also Edge-KI-Projekte unter die Lupe nehmen, was sind die disruptivsten Trends, die wir in den Jahren 2022 und 2023 erleben werden?

Nachfolgend finden Sie eine Zusammenfassung unserer Top 5:

1. Kritische Industrien werden wichtige Treiber sein:von SCADA bis Edge AI

Bei Barbara IoT finden wir wiederholte Muster in Branchen, die an der Spitze der Edge-KI stehen: Alle handhaben viele kritische verteilte Assets. Mit anderen Worten, es handelt sich um Branchen, die vor großen Herausforderungen durch technologische Fragmentierung, Skalierbarkeit und Cybersicherheit stehen. Diese können minimiert werden, indem KI-Algorithmen am Edge ausgeführt werden. Wir können voraussagen, dass diese Branchen sehr ehrgeizige und transformative Anwendungsfälle entwickeln werden.

Die seit den 80er Jahren verwendeten SCADA-Systeme haben ähnliche Zwecke in Bezug auf die Datenerfassung und -verarbeitung. SCADA-Systeme müssen jedoch durch modernere Technologien ergänzt werden, damit sie den immer anspruchsvolleren Anforderungen an Interoperabilität, Offenheit und Sicherheit gerecht werden können . Hier kann Edge AI helfen:den Wert dieser Systeme zu vervielfachen.

2. Dünne Kante ergänzt dicke Kante

Es gibt unterschiedliche Interpretationen darüber, was „Edge“ ist, wenn wir uns auf Edge AI beziehen. Traditionell wurde der Rand als die Infrastruktur des Netzbetreibers identifiziert, die dem Benutzer am nächsten ist. Wenn wir beispielsweise über 5G-Netze sprechen, beziehen wir uns auf Betreiber, die eine Vielzahl von Knoten namens „Multiaccess Edge Computing“ einführen, die für die Datenverarbeitung aus nächster Nähe verwendet werden. Diese Knoten werden auf Servern installiert, die denen sehr ähnlich sind, die in einem Rechenzentrum zu finden sind, das für das Hosten von Cloud-Diensten ausgelegt ist, und sie haben ein hohes Potenzial und die Fähigkeit, komplexe KI-Algorithmen zu verarbeiten. Dies ist, was einige Analysten die „dicke“ Kante nennen.

Vor kurzem jedoch Edge-Knoten andere Typen beginnen sich zu entwickeln:solche, die direkt mit Sensoren und Schaltern verbunden sind, die, wenn sie auf Geräten mit geringem Stromverbrauch wie Gateways oder Konzentratoren installiert werden, dazu dienen, einfachere KI-Algorithmen mit kürzeren Reaktionszeiten auszuführen, die näher an Echtzeit liegen. Diese neue Art von Edge, genannt "Thin" Edge, ermöglicht es, schnell und flexibel größere Projekte anzugehen, die entfernte Standorte oder Anforderungen an hohe Sicherheit und die Isolierung der Daten umfassen.

3. Edge Mesh als neues Paradigma zur Ermöglichung verteilter künstlicher Intelligenz

Edge AI basiert traditionell auf Entscheidungsmodellen, die mit großen Datenmengen trainiert werden. Das Modell, das aus einer Reihe mathematischer Formeln besteht, wird auf Edge Nodes installiert. Von dort aus kann jeder Knoten abhängig von den empfangenen Daten und dem installierten Modell seine eigenen Entscheidungen treffen.

Das neue Paradigma, bekannt als Edge Mesh, macht es möglich, dass die Entscheidung eines Knotens durch die Entscheidung eines anderen Knotens bedingt wird, als wäre es ein Gitternetz. Ein gutes Beispiel für das Verständnis der Leistungsfähigkeit dieser neuen Architektur ist ein intelligentes Verkehrssystem.

Ein Edge-Knoten kann mithilfe von KI-Algorithmen, die die Anzahl der von Sensoren erkannten Autos und Personen berücksichtigen, Entscheidungen über die Zeit einer Ampel treffen. Diese Entscheidung könnte jedoch perfekt durch die Entscheidungen ergänzt werden, die von anderen Knoten in nahegelegenen Straßen getroffen werden.

Das Ziel von Edge Mesh ist es, Informationen auf verschiedene Knoten zu verteilen, um eine bessere Leistung, Antwortzeiten und Fehlertoleranz als bei traditionelleren Architekturen zu bieten.

4. Das Lebenszyklusmanagement mit MLOps wird immer wichtiger 

Während sich die Branche auf die Einführung von Edge AI mit mehr verteilten Knoten und komplexeren Trainingsalgorithmen zubewegt, wird die Fähigkeit, den Lebenszyklus dieser trainierten Modelle und der Geräte, die sie ausführen, aufrechtzuerhalten, der Schlüssel für die Zukunft dieser Technologie sein.

In diesem Sinne werden die Projekte und Unternehmen, die die DevOps-Philosophie für die Entwicklung, Einführung und Wartung von KI-Algorithmen anwenden, gestärkt.

Diese Arbeitsweise nennt sich MLOps, eine Kombination aus maschinellem Lernen und DevOps.

Aber was genau ist es? Grundsätzlich zielt es darauf ab, die Entwicklungs-, Test- und Implementierungszeiten von KI-on-the-Edge-Modellen durch die kontinuierliche Integration von Geräten und Entwicklungsumgebungen, Tests und Operationen zu verkürzen.

 5. Edge AI ermöglicht souveränen Datenaustausch

Es besteht kein Zweifel, dass der Datenaustausch für die Verbesserung von Prozessen in Industriesektoren mit vielen Interessengruppen innerhalb der Wertschöpfungskette von größter Bedeutung sein wird.

Schauen wir uns das Stromnetzmodell der nahen Zukunft an:ein Smart Grid. Um einen besseren Service zu erhalten oder anzubieten, ist es für Lieferanten unerlässlich, Informationen von einer Reihe von Interessengruppen wie Prosumern, Betreibern, Händlern und Aggregatoren zu analysieren und zu verarbeiten. Ohne einen transparenten, agilen Datenaustausch ist die geforderte Netzoptimierung bis 2050 nicht zu erreichen.

Mit Edge AI ist eine ON-zentrierte Datenverarbeitung möglich, die dazu beitragen wird, einige der Hindernisse zu überwinden, mit denen die Branche derzeit konfrontiert ist, wie Datensicherheit, Datenschutz und Souveränität.