当前位置:主页 > 行业产品 >

云计算的限制:为什么需要边缘的机器学习

发布时间:19-09-28 阅读:627

机械进修有着很高的处置惩罚需求,而其通信资源意味着人们终极必要它在边缘的地方(智妙手机)发挥感化。

如今,人们正在进入由人工智能(AI)驱动的新一轮技巧立异期间,机械进修处于技巧最前沿。纵然在本日,机械进修也是任何设备体验的紧张技巧,为各类义务、功能、利用法度榜样供给支持。从设备上的安然性(如面部解锁、面部识别和指纹识别),到智妙手机摄像头和音频功能(容许用户经由过程诸如Socratic、Snapchat、FaceApp、Shazam等利用法度榜样得到更智能和有趣的体验),常常应用各类基于机械进修的功能由破费者供给。

然则,对付创建大年夜量数据的基于机械进修的义务,这些义务平日会转移到云端进行处置惩罚,然后再经由过程操作发送回设备。例如,Socratic和Shazam都在云中应用机械进修处置惩罚,而不是在设备上。这就带来了一个问题:在设备长进行机械进修处置惩罚会不会更简单、更快捷?

能够在设备或边缘上履行基于机械进修的义务,而不是将其发送到云端进行处置惩罚,许多人将其描述为“机械进修演进的下一个阶段”。有许多紧张的限定,功耗、资源、延迟、隐私等限定身分使得在云端和设备之间往返传输的机械进修数据不切实际。几年前,机械进修在边缘领域彷佛是一个“白日梦”,而设备的技巧立异使它们能够处置惩罚谋略密集型义务。

云谋略的约束

云真个机械进修处置惩罚的所有约束都是互相关联的。

首先,处置惩罚云真个机械进修义务所需的大年夜量数据的功率和资源是伟大年夜的,更不用说经由过程赓续增长的带宽需求孕育发生的大年夜量流量。早在2017年,就有人指出,假如每小我天天应用他们的Android语音助手三分钟,那么谷歌公司必须将其拥有的数据中间数量翻一番。

而在2019年,谷歌公司可能办理了这一特殊寻衅——事实上,在近来的会议中,谷歌公司表示可以让500GB语音帮助模式缩小到0.5GB,是以它可以在移动设备上完全运行。然而,它确凿阐清楚明了云真个机械进修可以处置惩罚伟大年夜根基举措措施和经济需求。边缘的机械进修可以经由过程削减对基于云谋略的机械进修所需的云谋略办事和支持根基举措措施的依附来减轻这些包袱。

用于云真个机械进修处置惩罚的伟大年夜经济资源可能最好经由过程开拓职员的履历来阐明。每台设备在办事器长进行一秒钟的谋略大年夜约必要0.00003美元。这显然是一个异常小的资源,然则当斟酌到开拓商的目标是尽可能多的受众时,其资源很快就会开始上升。例如,对付一百万台设备,办事器上一秒钟的谋略资源是28美元,即每分钟1680美元。对付以1亿用户为目标的极其成功利用法度榜样,开拓商将支付每分钟160万美元的用度!

最紧张的是,将云谋略用于基于机械进修的义务根本弗成行。纵然间隔很近,也必要大年夜量的电力才能将数据发送到云端。在设备上,基于机械进修的处置惩罚所需的功率量要小得多。

在设备和云端之间往返发送数据将会孕育发生显着的滞后或延迟,大年夜多半基于机械进修的利用法度榜样,分外是那些对光阴要求严格的利用法度榜样来说都是不能容忍的。改良延迟开启了基于机械进修的利用法度榜样可以完成的新功能。例如,假如因为发送、处置惩罚、接管增强视频所花费的光阴而在云端完成机械进修处置惩罚,那么Snapchat AR体验是弗成能的。

经由过程慢慢查看流程,可以最好地阐明用于云真个机械进修处置惩罚的延迟问题。在当前的4G收集上以一种要领(从设备到云端)启动数据流供给50ms的理论延迟,这大年夜约是4个视频帧的延迟。然后,为了处置惩罚云真个机械进修数据,一个视频帧可能延迟16ms。着末,从云端回流到设备是50ms的延迟。是以,全部历程大年夜约有10个视频帧的延迟,使得其延迟远远高于供给即时相应设备上的机械进修。5G技巧确凿有可能将此设备变动为边缘处置惩罚,由于其支配只有1ms的延迟,但5G技巧的广泛利用仍必要一段光阴。

着末,云谋略与设备之间的持续交互创建了一个更轻易受到隐私要挟的场景。用户可以更轻易地在他们的设备上处置惩罚他们的小我数据,而不是将其发送到云端。假如为机械进修义务天生的数据颠末数百英里到达云端,然后返回到设备并做出抉择,那么很有可能受到影响。基础上,防止进击用户隐私的最佳措施是确保敏感数据不会脱离设备。

开拓职员盼望机械进修处于边缘

开拓职员的需求最得当边缘的机械进修处置惩罚。机械进修正在改变开拓职员编写算法的要领。在以往,针对特定用例必要人工编写代码,这异常耗时,并且应用机械进修无意偶尔轻易掉足,开拓职员不再必要编写代码。相反,他们创建了一个模型,并用数据集对其进行练习,与人工编写代码比拟,这种措施加倍强大年夜。

机械进修多年来不停为开拓职员所熟知,但主要用于数据中间的高谋略设备。直到近来,它才被用于移动设备,由于它们的谋略效率变得更高,并且能够运行更繁杂的机械进修模型。将最新的设备立异与开拓职员的需求结合起来,使机械进修成为了首选。设备上的机械进修处置惩罚经由过程实时处置惩罚和低延迟为开拓职员供给即时结果,同时容许他们在没有收集连接的环境下履行机械进修义务。

云谋略机械进修处置惩罚无意偶尔可能是适当的

只管面临各类寻衅,但数据处置惩罚的云谋略模型意味着可以赓续变动和进级机械进修算法。是以,任何与云谋略交互的设备也可以改进其处置惩罚机械进修义务的要领。此外,还有一些必要大年夜量谋略,并对光阴不敏感的义务。是以,云谋略的延迟并不是一个大年夜问题。其例子包括无人机的数据处置惩罚,这些无人机为钻研、工业、队伍供给具体图像或视频输入,或者对患者进行放射学或X射线反省等医学成像。虽然仍旧很紧张,但边缘的机械进修并不必然是所有基于机械进修的义务的“一刀切”办理规划。所有介入机械进修处置惩罚的团队(从开拓职员到原始设备制造商)都必要确定设备上的哪些义务能从边缘的机械进修中获益。

边缘的机械进修是未来的需求

使用各类基于机械进修的义务和利用法度榜样的移动设备已经被全天下数十亿人应用。大年夜多半环境下,必要设备上的实时相应,而边缘的机械进修将供给这种相应。用户和开拓职员不盼望依附云谋略技巧,由于云谋略的功率、资源、隐私和速率受到限定。对付智能设备来说,现在还处于起步阶段,但机械进修将是未来成长的最佳选择

(滥觞:互联网)



上一篇:资金做多热情不足两市偏弱创业板指跌1.04%
下一篇:人民日报:扎根西部建设一流大学