边缘人工智能：5个趋势值得关注

　　处于边缘的人工智能不断在发展，应用数不胜数，自动驾驶汽车、艺术、医疗保健、个性化广告和客户服务都可以使用它。理想情况下，边缘体系结构由于更接近请求而提供较低的延迟。

　　据预测，边缘人工智能市场将从2021年的140万美元增长到2027年的800万美元，复合年增长率为29.8%。这种增长将在很大程度上来自物联网的人工智能、可穿戴消费设备，以及5G网络中对更快计算的需求等因素。这些带来了机会和保留，因为边缘人工智能的实时数据很容易受到网络攻击。

　　让我们来看看可能在明年塑造边缘人工智能领域的五个趋势。

　　将人工智能与云分离

　　如今的巨大变化之一是能够在没有云连接的情况下运行AI处理。例如最近发布的两款新芯片设计，可以将物联网设备的处理能力提升到极致，跳过远程服务器或云计算。他们当前的Cortex-M处理器可以处理对象识别，而手势或语音识别等其他功能随着ARM的Ethos-U55的加入而发挥作用。谷歌的Coral是一个使用本地人工智能构建产品的工具包，它也承诺“离线”处理大量人工智能。

　　机器学习的行动

　　机器学习操作的最佳实践将证明边缘人工智能是一个有价值的业务流程。It生产需要一个新的生命周期——或者，至少，这是MLOps开发过程中的推测。MLOps可以帮助企业数据流并将其推送到边缘。随着越来越多的企业发现在边缘人工智能方面什么最适合他们，持续的更新周期可能会被证明是有效的。

　　专用芯片

　　为了在边缘进行更多的处理，公司需要定制芯片来提供足够的功率。例如人工智能加速器芯片与软件套件配对，该套件实质上将AI模型转换为计算图。IBM在2021年发布了他们的第一款加速器硬件，旨在打击欺诈行为。

　　计算机视觉的新用例和功能

　　计算机视觉仍然是边缘人工智能的主要用途之一。该领域的一个主要发展是多模态人工智能，它从多个数据源提取数据，超越自然语言理解，分析姿势并执行检查和可视化。这对于与人无缝交互的人工智能来说可能会派上用场，例如购物助理。

　　高阶视觉算法现在可以通过使用更细粒度的特征对物体进行分类。它可以更深入地确定品牌和型号，而不是识别汽车。

　　训练模型来识别每个对象特有的粒度特征是很困难的。然而，使用细粒度信息的特征表示、提取特定特征的分割、规范化对象姿态的算法和多层卷积神经网络等方法都是目前实现这一目标的方法。

　　初期的企业用例包括质量控制、实时供应链跟踪、使用快照识别内部位置和检测深度伪造。

　　人工智能在5G上的增长速度加快

　　5G和更先进的技术即将到来。卫星网络和6G正在等待电信供应商的到来。对于我们其他人来说，在完全进入下一代网络之前，还需要一些时间在与一些5G服务兼容的4G核心网络之间过渡。

　　这与边缘人工智能有什么关系?5G上的AI可以为AI应用带来更好的性能和安全性。它可以提供人工智能所需的一些低延迟优势，并开启新的应用，如工厂自动化、收费和车辆遥测，以及智能供应链项目。

　　边缘人工智能的新兴趋势比我们能列出的要多。特别是，它的发展可能需要人类方面的一些改变。边缘人工智能管理将成为IT部门的工作，使用IT资源而不是让业务线管理边缘解决方案可以优化成本。