В последние годы методы внедрения искусственного интеллекта меняются по всему миру. По мере того как пользователи проводят все больше времени на своих устройствах, компании все больше осознают необходимость переноса на устройства необходимых вычислений для обслуживания большего числа клиентов. Это причина того, что рынок периферийных вычислений продолжит ускоряться в следующие несколько лет и к 2023 году достигнет $1,12 трлн. По данным Gartner, 91% сегодняшних данных обрабатывается в централизованных центрах обработки данных. Но к 2022 году около 74% всех данных потребуют анализа и на граничных устройствах.
Edge Computing, или граничные вычисления – это парадигма распределенных вычислений, которая приближает вычисления и хранение данных к месту нахождения устройства. Они возникли из сетей доставки контента, и компании используют виртуализацию для расширения собственных возможностей.
Инфраструктура граничных вычислений
Крупные облачные компании уже предлагают услуги пограничных вычислений, а Intel и Udacity недавно запустили свою программу по обучению 1 миллиона разработчиков по всему миру.
Драйверы развития граничных вычислений
Специалисты выделяют несколько факторов, которые спровоцировали активное развитие граничных вычислений. Один из самых важных драйверов – это конфиденциальность. Поскольку потребители все больше осознают, где находятся их данные, компании разрабатывают приложения, в которых функции персонализации предоставляются после авторизации внутри них. Это позволяет компаниям предоставлять больше персонализированных функций с поддержкой ИИ, давая пользователям возможность понять, как собираются их данные.
Еще одним драйвером является безопасность. В связи с развертыванием все более распределенной архитектуры и использованием чувствительных данных, хранящихся в облаке, наблюдается движение к нескольким уровням шифрования и более динамическим механизмам шифрования. С увеличением разнообразия устройств с поддержкой ИИ, таких как смарт-динамики и телефоны, граничные узлы могут определять правильный механизм безопасности для различных девайсов. Кроме этого, локальные устройства не нуждаются в постоянном подключении к Интернету и не зависят от перебоев в работе сети. Это позволяет обрабатывать данные в местностях, где подключение к всемирной паутине затруднено или полностью отсутствует.
Еще одной очевидной причиной, по которой задачи должны выполняться на граничных устройствах – это задержка. Поскольку услуги становятся более распределенными как на уровне сети, так и на уровне устройств, возникает больше проблем с задержкой при отправке данных по сетям и устройствам.
Для повышения сквозной отказоустойчивости приложений во все более распределенных системах необходимо наличие нескольких конечных точек балансировки нагрузки. Это вызывает идею Cloudlet, который находится ближе к мобильному устройству, чтобы повысить отказоустойчивость на уровне девайса.
Что такое Edge AI
Мы уже не один раз видели переход от одних видов вычислений к другим. От мэйнфреймов к компьютерам, от компьютеров – к облаку. Теперь облачные вычисления сменяются граничными. Существует заблуждение, что граничные вычисления заменят облако. Напротив, они работают вместе с облаком.
Big Data всегда будет работать в облаке. Однако мгновенные данные, которые генерируются пользователями и относятся только к пользователям, могут быть вычислены и обработаны на периферии.
В Edge AI алгоритмы искусственного интеллекта запускаются и работают локально, без необходимости подключения к облаку или центральному серверу. ИИ использует данные, генерируемые на устройстве, обрабатывает их в режиме реального времени и выдает результат за миллисекунды.
Простейшим примером ИИ на граничном устройстве является распознавание лиц в iPhone. Камера телефона улавливает лицо пользователя, передает изображение на специальный процессор, который выполняет операцию распознавания лиц и разблокирует телефон, если изображение в реальном времени совпадает с образцом. И все это происходит за доли секунды. Более сложный пример – самоуправляемый автомобиль, компьютерная система которого собирает данные с множества датчиков и обрабатывает их локально и позволяет машине передвигаться самостоятельно. В обоих случаях алгоритмы обрабатывают информацию прямо на смартфоне или в автомобиле, чтобы не передавать данные в облако и ждать их обработки.
Перспективы граничных вычислений и Edge AI
Потенциал граничных вычислений огромен. Так, по оценкам Tractica к 2025 году количество периферийных устройств составит 2,6 млрд по всему миру. Среди самых популярных девайсов – смарт-динамики, смартфоны, планшеты, камеры видеонаблюдения, автомобильные датчики, дроны и роботы.
Эксперты ожидают от Edge AI множество изменений, включая увеличение спроса на устройства Интернета вещей, развитие сетей 5G и интеллектуальных устройств. По мере того как компании все чаще делают свои системы «умными», рынок будет стараться удовлетворить вычислительные потребности интеллектуальных корпоративных платформ.
Граничные вычисления больше не находятся на этапе проверки концепции. Предприятия будут продолжать применять передовые стратегии для улучшения своей деятельности и обеспечения производительности своих сетей в реальном времени.