5 راه Tinyml و Edge AI هوش مصنوعی را به دستگاه شما می آورند


نویسنده (ها): دولان جیاویکراما

در ابتدا منتشر شده در به سمت هوش مصنوعیبشر

5 استفاده از دنیای واقعی از Tinyml و Edge AI که باید بدانید

5 راه Tinyml و Edge AI هوش مصنوعی را به دستگاه شما می آورند5 راه Tinyml و Edge AI هوش مصنوعی را به دستگاه شما می آورند
تولید شده توسط هوش مصنوعی با استفاده از ابزارهای تولید تصویر OpenAI.

تلفن خود را تصور کنید یا با کمی مغز خود تماشا کنید. Tinyml و Edge AI دقیقاً همان چیزی است که یادگیری ماشین در خود دستگاه. این مانند دادن وسایل روزمره-ترموستات ، ساعت هوشمند شما یا حتی یک لامپ-هوش خود در صفحه است. لازم نیست داده ها را به ابر و عقب بفرستید. در عوض ، دستگاه اطلاعات را درست در جایی که هست پردازش می کند. در این مقاله ، من آنچه را Tinyml (ریز و درشت) تجزیه می کنم یادگیری ماشین) و Edge AI ، به همین دلیل اهمیت دارند ، و 5 نمونه در دنیای واقعی از هوش مصنوعی در حال اجرا بر روی دستگاه شما که امروز می توانید از آن قدردانی کنید.

Tinyml و Edge AI چیست؟

Tinyml و Edge AI همه چیز در مورد قرار دادن اطلاعات بر روی دستگاه است. Tinyml به طور خاص به مدل های یادگیری ماشین که برای سخت افزار بسیار کوچک و کم مصرف (مانند میکروکنترلرها) طراحی شده است ، اشاره دارد. این تراشه ها رایانه های ریز در داخل اسباب بازی ها هستند – آنهایی که روی یک باتری ساعت استاندارد یا حتی قدرت کمتری کار می کنند. در عمل ، Tinyml “در حال اجرا مدل های یادگیری ماشین در دستگاه های فوق العاده کم ، مانند میکروکنترلرها” است. Edge AI مفهوم گسترده تری برای اجرای AI در “لبه” شبکه (یعنی در دستگاه های محلی) و نه در سرورهای ابر بزرگ است.

مهمتر اینکه ، این فناوری آینده ای دور نیست. ایده tinyml در حدود سال 2018 پدیدار شد و آنقدر سریع رشد کرده است که در سال 2024 حتی “بنیاد Tinyml“به خود تغییر نام داد “بنیاد AI Edge” برای منعکس کردن چگونگی تبدیل جریان اصلی AI-On. به عبارت دیگر ، امروز ساعت هوشمند ، دوربین هوشمند و حتی لوازم هوشمند شما به طور بالقوه می توانند هوش مصنوعی را بدون هیچ گونه اینترنت اجرا کنند.

Tinyml روی تراشه های ریز اجرا می شود. هر تراشه ریز می تواند یک “مغز AI” را بسته بندی کند-به عنوان مثال یک میکروکنترلر که به اندازه باتری ساعت کارآمد است. این باعث می شود دستگاه های روزمره بدون ابر باهوش تر شوند.

چرا هوش مصنوعی در دستگاه اهمیت دارد

قرار دادن AI در دستگاه (Edge AI) مزایای بزرگی را به همراه دارد. شما پاسخ های فوری ، حریم خصوصی بهتر و صرفه جویی در مصرف انرژی زیادی دریافت می کنید زیرا هیچ چیز برای سفر دور نیست. به طور خلاصه ، دستگاه می تواند به طور مستقل و بلافاصله عمل کند. به عنوان مثال ، اگر ردیاب تناسب اندام پوشیدنی شما بلافاصله ضربان قلب نامنظم را تشخیص دهد (به جای انتظار برای ابر) ، می تواند فوراً به شما یا پزشک هشدار دهد.
حالا ممکن است فکر کنید ، “صبر کنید ، آیا برخی ساعت های هوشمند قبلاً چنین کاری را انجام نمی دهند؟”
شما اشتباه نمی کنید! برخی از پوشیدنی های سطح بالا مانند ساعت های هوشمند می توانند ریتم های نامنظم قلب را تشخیص داده و هشدارها را ارسال کنند. اما در اینجا جالب است: بیشتر آنها هنوز به خدمات ابری یا پردازنده های قدرتمندتر برای انجام وزنه برداری سنگین اعتماد دارند.

آنچه Tinyml متفاوت انجام می دهد این است که این هوش را به دستگاه های ساده تر ، کوچکتر و کارآمدتر تبدیل می کند -مانند یک پچ بهداشتی کوچک یا یک گروه تناسب اندام کم هزینه. این بدان معناست که نیازی به اتصال مداوم به اینترنت ، ارسال داده های بهداشتی حساس به ابر و استفاده کمتر از باتری نیست. در اصل ، این مانند این است که حتی ابتدایی ترین وسایل بهداشتی را به یک پزشک مینی در هیئت مدیره بدهید. خیلی باحال ، درست است؟

در اینجا مزایای اصلی Tinyml و Edge AI آورده شده است.

  • پاسخ در زمان واقعی و کم تأخیر: هیچ سفر دور ابر به معنای پاسخ تقریباً فوری است. پرش از ابر “نتایج رعد و برق” را می دهد ، که در سناریوهای حساس به زمان بسیار مهم است (هشدارهای بهداشتی را فکر کنید).
  • به صورت آفلاین و گسترده: دستگاه ها به اینترنت ثابت احتیاج ندارند. آنها می توانند در هر نقطه کار کنند-زیرزمینی ، مناطق روستایی یا مکانهایی با Wi-Fi لکه دار. به عنوان مثال ، یک سنسور tinyml در یک مزرعه می تواند در تمام سال از شبکه خارج شود.
  • صرفه جویی در انرژی و هزینه: Tinyml Chips Power برق ، بنابراین دستگاه ها می توانند برای سنین باتری های ریز و درشت کار کنند. این تعمیر و نگهداری را کاهش می دهد و به شما امکان می دهد سنسورها را در نقاط از راه دور بدون شارژ دردسر مستقر کنید.
  • حریم خصوصی و امنیت: داده های شما در دستگاه باقی می ماند. این “خطر نقض داده ها را به حداقل می رساند” زیرا اطلاعات حساس (آمار بهداشتی ، فیلم ، صدا) به ابر منتقل نمی شود. به عبارت دیگر ، پردازش در دستگاه به این معنی است که داده های شخصی شما امن تر است.
  • قابلیت اطمینان: دستگاه های Edge حتی اگر شبکه کاهش یابد ، کار می کنند. یک سنسور پزشکی با قابلیت Tinyml بر خلاف سیستم های وابسته به ابر ، در حین قطع برق کار می کند.

هر یک از این مزایا-تصمیمات سریعتر ، نیازهای کمتری و پهنای باند و حریم خصوصی بهتر-به همین دلیل است که Tinyml اغلب به عنوان یک تغییر دهنده بازی برای اینترنت اشیاء توصیف می شود.

5 مورد استفاده از دستگاه های موجود در دنیای واقعی

امروزه Tinyml و Edge AI در بسیاری از زمینه ها وسایل هوشمند را قدرت می دهند. در اینجا برخی از نمونه های بتونی از tinyml در محل کار آورده شده است.

  • خانه های هوشمند و دستگاه های شخصی: بسیاری از وسایل خانگی از هوش مصنوعی در دستگاه استفاده می کنند. به عنوان مثال ، ترموستات های هوشمند و سیستم های روشنایی می توانند یاد گرفتن روال های خود را و تنظیمات را به طور خودکار تنظیم کنید. دستیاران صوتی نیز از Tinyml استفاده می کنند. آنها “کلمه بیدار” خود (مانند “هی سیری”) را در دستگاه خود تشخیص می دهند بدون اینکه تمام داده های گفتار را به ابر منتقل کنند. حتی دوربین های امنیتی در خانه می توانند به صورت محلی شناسایی شخص و صورت را اجرا کنند و فقط به جای فیلم خام ، هشدارها را ارسال می کنند.
  • مراقبت های بهداشتی و پوشیدنی: دستگاه های پوشیدنی و مانیتورهای بهداشتی برای بینش در زمان واقعی به tinyml متکی هستند. به یک ردیاب تناسب اندام یا یک تکه سلامتی فکر کنید که دائماً ضربان قلب ، مراحل یا خواب شما را تماشا می کند. Tinyml به این دستگاه ها اجازه می دهد اگر بلافاصله چیزی غیرمعمول (مانند آریتمی قلب) را ببینند ، هشدار دهند. از آنجا که تجزیه و تحلیل محلی است ، داده های سلامتی شما هرگز مجبور به ترک دستگاه های بدن شما نیستند. این نه تنها از حریم خصوصی محافظت می کند بلکه می تواند با مشاهده سریعتر از سیستم های مبتنی بر ابر ، جان خود را نجات دهد.
  • IoT صنعتی (تعمیر و نگهداری پیش بینی): در کارخانه ها و نیروگاه ها ، سنسورهای Tinyml خرابی تجهیزات را قبل از وقوع پیش بینی می کنند. به عنوان مثال ، کارخانه ها سنسورهای لرزش و صدا را در موتورها یا توربین ها فعال می کنند. این سنسورها برای تغییرات ظریف “گوش می دهند” – یک تغییر فرکانس یا الگوی نویز که نشانگر ترک است – و آن را زود پرچم گذاری می کند. برخی از سنسورهای توربین Tinyml برخی از شرکت ها می توانند ترک های تیغه ها را فقط با صدا تشخیص دهند و هزینه های تعمیر و تعمیر زیادی را پس انداز کنند.
  • کشاورزی و محیط زیست: مزارع از دستگاه های tinyml برای نظارت بر شرایط و دام بدون ورودی کشاورز استفاده می کنند. سنسورهای رطوبت خاک ، دوربین های سلامت گیاهی و ردیاب های دام از هوش مصنوعی در دستگاه برای ارائه داده ها در زمان واقعی استفاده می کنند. به عنوان مثال ، یک شرکت Edge-Ai به نام تصور، سنسورهای Tinyml را در مزارع قرار می دهد تا شرایط خاک و سلامت زراعی را به طور مداوم تماشا کند. داده ها (مانند خشکی خاک یا استرس گیاهی) در محل مورد تجزیه و تحلیل قرار می گیرد و به کشاورزان کمک می کند تا دقیقاً چه موقع آب یا بارور شوند بدون ارسال پرس و جوهای ابری. در دام ، برچسب های Tinyml می توانند ویتامان حیوانات را تحت نظر داشته باشند و به کشاورزان هشدار دهند که زودتر از بیماری.
  • شهرهای هوشمند و ایمنی: شهرها برای ایمنی عمومی دوربین های لبه AI و سنسورها را مستقر می کنند. یک مثال عالی سان خوزه است “دید صفر” پروژه: دوربین های دارای AI (اغلب در چراغ های خیابانی) برای بهبود ایمنی جاده ، ترافیک و حرکات عابر پیاده را در زمان واقعی تجزیه و تحلیل می کنند. Tinyml روی این دوربین ها می تواند فوراً الگوهای Jaywalking یا خطرناک رانندگی را تشخیص دهد و به مقامات کمک کند تا مداخله کنند. این سیستم با پردازش ویدیو در دستگاه ، به طور مداوم و خصوصی کار می کند بدون اینکه فیدهای ویدیویی گسترده ای را به یک مرکز داده منتقل کند. به طور خلاصه ، وسایل شهری به نگهبانان باهوش تر از امنیت عمومی تبدیل می شوند.

هر یک از این موارد نشان می دهد که هوش مصنوعی به صورت محلی روی دستگاه کار می کند – به سرور بزرگی احتیاج ندارد. همانطور که در تجزیه و تحلیل ها ذکر می شود ، Tinyml در تولید می تواند به معنای نگهداری پیش بینی کننده باشد ، در حالی که در کشاورزی به معنای محصول واقعی یا نظارت بر دام است. و در مراقبت های بهداشتی ، این به معنای “نظارت بر سلامت در زمان واقعی” در دستگاه هایی مانند پوشیدنی است.

پایان

برای امتحان کردن این کار لازم نیست یک متخصص هوش مصنوعی باشید. اکنون ابزارهای Tinyml قابل دسترسی هستند (تانسور پر Lite Micro ، Imge Impulse و غیره) ، و بسیاری از کیت ها و تابلوهای استارت وجود دارد. افراد از همه پیشینه ها – نه فقط متخصصان – اکنون با استفاده از این ابزارها ، نمونه های اولیه Tinyml خود را ایجاد می کنند.

این روزها برای هوشمندانه نیازی به مرکز داده ندارید. Tinyml و Edge AI اجازه می دهند وسایل روزمره – از تلفن هوشمند در جیب شما گرفته تا سنسورهای خارج از میدان – برای خودشان فکر کنند. این به معنای واکنش های فوری ، نگرانی های حریم خصوصی کمتری و کاربردهای خلاقانه جدید است. یخچال خود را تصور کنید که عادات مواد غذایی خود را یاد می گیرد ، یک باند تناسب اندام بدون ضربه زدن به ابر ، یا چراغهای خیابانی که با جریان ترافیک سازگار هستند – همه اتفاق می افتد – همه درست در دستگاه اتفاق می افتد.

منتشر شده از طریق به سمت هوش مصنوعی



منبع: https://towardsai.net/p/artificial-intelligence/5-ways-tinyml-and-edge-ai-bring-ai-to-your-device

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *