邊緣人(ren)工(gong)智能(neng)的(de)采(cai)用(yong)在(zai)眾多行(xing)業(ye)中(zhong)呈上(shang)升(sheng)趨勢(shi)。隨著(zhe)這種趨(qu)勢(shi)的(de)持續下去(qu)，其(qi)將(jiang)不(bu)僅為(wei)企(qi)業(ye)而(er)且(qie)為社(she)會(hui)帶(dai)來(lai)變(bian)革(ge)。

邊緣計算(suan)的(de)去(qu)中(zhong)心(xin)化(hua)方法減(jian)輕了(le)數據(ju)擁(yong)塞(sai)、連接故障(zhang)和傳輸(shu)成本等(deng)限(xian)制。這(zhe)極大地(di)提高了(le)人(ren)工(gong)智(zhi)能(neng)應(ying)用程序(xu)的(de)性能，從而可以更(geng)快、更(geng)可(ke)靠地(di)做(zuo)出(chu)決策。

邊緣(yuan)人(ren)工(gong)智能的(de)優(you)勢在(zai)于后勤和技(ji)術(shu)。在(zai)難以到達(da)的位置(zhi)，如(ru)石(shi)油(you)鉆(zuan)井平臺，邊(bian)緣人(ren)工智(zhi)能可(ke)以(yi)識(shi)別表明(ming)風(feng)險(xian)增加(jia)的(de)模式，并做(zuo)出(chu)相(xiang)應(ying)的反(fan)應(ying)，以防(fang)止(zhi)潛在(zai)的(de)危險(xian)情(qing)況(kuang)。在農業(ye)方(fang)面，通(tong)過使機(ji)器(qi)能夠(gou)根據(ju)環(huan)境(jing)條件(jian)自主(zhu)決(jue)策，農民將(jiang)能夠(gou)最大限(xian)度(du)地提(ti)高(gao)產量(liang)。

社會也將(jiang)從中(zhong)獲益。想(xiang)象一(yi)下(xia)，無人(ren)機(ji)群能夠(gou)在崎嶇(qu)的山(shan)區進行搜索(suo)和(he)救援行動，使(shi)用(yong)多(duo)個(ge)傳感器來檢(jian)測形(xing)狀、聲音(yin)、熱(re)量(liang)或(huo)運動，識別(bie)生(sheng)命跡(ji)象(xiang)。

隨(sui)著(zhe)邊緣計算的(de)普及，人(ren)工智能(neng)的(de)應(ying)用也(ye)隨之增長。但如(ru)果(guo)邊(bian)緣人工智能(neng)要(yao)蓬勃發(fa)展，還(hai)有許多(duo)技術(shu)障(zhang)礙(ai)需要(yao)克服。

邊(bian)緣的障礙

也(ye)許(xu)邊緣(yuan)人工智能(neng)的(de)最大(da)限制(zhi)因素(su)來自(zi)邊(bian)緣設備通(tong)常(chang)很(hen)小(xiao)，計算能力有(you)限(xian)。其性(xing)能與(yu)數(shu)據中(zhong)心(xin)甚(shen)至強大的桌(zhuo)面(mian)GPU的(de)性(xing)能相(xiang)差(cha)甚遠(yuan)。然而(er)，通過(guo)使用(yong)特(te)殊(shu)的(de)人(ren)工智(zhi)能(neng)技(ji)術(shu)，如(ru)模型縮小(xiao)和量化，適合小(xiao)型設(she)備的(de)有限模(mo)型可以提供許(xu)多有用的(de)功能(neng)。

其他挑戰(zhan)來自邊(bian)緣計(ji)算(suan)項(xiang)目(mu)通(tong)常(chang)在難(nan)以(yi)到(dao)達或(huo)遠程位置操作(zuo)的事(shi)實(shi)。為這(zhe)些設備(bei)提(ti)供電源(yuan)和連(lian)接可能(neng)很困難(nan)，并(bing)且滿足物聯網標準以確保(bao)這(zhe)些(xie)設備(bei)可(ke)以相互(hu)通信(xin)并(bing)不(bu)總(zong)是(shi)那么簡(jian)單(dan)。

第(di)三(san)個挑戰(zhan)是(shi)，雖然邊緣(yuan)人(ren)工智(zhi)能(neng)本身對互聯網的依賴有限(xian)，但(dan)許(xu)多(duo)個人邊緣設備(bei)，如(ru)可穿(chuan)戴設備，將(jiang)希望支(zhi)持(chi)需要(yao)一定(ding)云(yun)連(lian)接(jie)的(de)應(ying)用，這帶(dai)來了(le)風(feng)險(xian)因素。

然而，這(zhe)些(xie)挑(tiao)戰(zhan)并(bing)非不可克(ke)服(fu)。一系(xi)列電源和(he)連(lian)接解決方(fang)案(an)可(ke)以提(ti)供幫助(zhu)，包括(kuo)長(zhang)壽命電(dian)池(chi)、5G連接和(he)低功(gong)耗(hao)硬件架構。

AI芯(xin)片(pian)挑(tiao)戰(zhan)

邊緣人工(gong)智能項目(mu)面臨的(de)主(zhu)要(yao)障礙是(shi)人工智能芯(xin)片(pian)的成本(ben)、性(xing)能(neng)和功(gong)耗(hao)要(yao)求。在(zai)某些工(gong)業場景中(zhong)，所(suo)涉及(ji)的(de)物聯網設(she)備數(shu)量可能(neng)會(hui)將(jiang)芯片(pian)需求擴展到數十萬(wan)個(ge)，從而(er)導致(zhi)項目(mu)成本飆(biao)升(sheng)。

如此大規(gui)模的(de)部(bu)署需要對(dui)成(cheng)本-性能(neng)比進(jin)行細致(zhi)的評(ping)估(gu)，以(yi)目(mu)前的價(jia)格，這(zhe)可(ke)能是令(ling)人望而(er)卻(que)步(bu)的。在(zai)看(kan)到(dao)這(zhe)些(xie)人工(gong)智能(neng)計(ji)算(suan)因(yin)素的顯(xian)著(zhu)改善之前，我(wo)們(men)可能(neng)只會(hui)看到解(jie)決(jue)問題能(neng)力(li)有(you)限(xian)的小(xiao)規(gui)模(mo)模(mo)型(xing)。

實現教育(yu)優勢

另一個重大(da)挑戰是(shi)找到一(yi)種方法(fa)來訓(xun)練所(suo)有這(zhe)些(xie)自(zi)主(zhu)人工智能設(she)備。生(sheng)成式人工(gong)智能(neng)(GAI)的(de)最(zui)新發(fa)展表明(ming)，GPT等(deng)系統正在(zai)互聯網(wang)上提供的(de)超大數據集上進行(xing)訓練。這(zhe)需要(yao)付出(chu)大量努力(li)來收(shou)集和(he)處理數據。為(wei)了在(zai)邊(bian)緣做(zuo)出明(ming)智(zhi)的(de)決(jue)策，需要(yao)滿(man)足對(dui)足(zu)夠數量的(de)數據的(de)需求(qiu)。

然而，如(ru)果(guo)我們(men)再次(ci)審視(shi)GAI最近(jin)的(de)發展(zhan)，解決(jue)方案(an)可(ke)能已經顯現出(chu)來(lai)。一(yi)種方(fang)法(fa)可(ke)能是利用(yong)生(sheng)成模(mo)型(xing)的(de)能力(li)，根據(ju)提(ti)供的一些示(shi)例(li)生成大量(liang)合(he)成(cheng)訓(xun)練(lian)數(shu)據(ju)，然后(hou)使用(yong)這(zhe)些(xie)數據(ju)更(geng)快(kuai)地訓練較小的模型。另一(yi)種(zhong)方(fang)法，也許(xu)更(geng)進一步(bu)，是(shi)直(zhi)接在(zai)實時訓練數據（如果可(ke)用(yong)）上訓(xun)練(lian)大(da)型(xing)生(sheng)成(cheng)模型，然后(hou)用其來(lai)訓練(lian)較(jiao)小的邊緣(yuan)人工(gong)智能(neng)模(mo)型(xing)。

這種(zhong)方(fang)法已經取得了成果(guo)，正(zheng)如Orca 13B所見，這(zhe)是(shi)一個(ge)較小的模(mo)型，可(ke)以從(cong)中學(xue)習(xi)更大的(de)基(ji)礎(chu)模型(xing)，例(li)如GPT-4，并(bing)且(qie)正(zheng)在產生非常(chang)相似(shi)的(de)結(jie)果(guo)。許多(duo)近(jin)期人工智能(neng)發展(zhan)的(de)觀察家聲(sheng)稱，我們正處于(yu)小型專(zhuan)用(yong)人(ren)工智(zhi)能模型(xing)“寒(han)武(wu)紀大(da)爆(bao)炸”的(de)邊(bian)緣(yuan)。這(zhe)些(xie)可以嵌入(ru)到邊緣(yuan)設(she)備(bei)中(zhong)，為(wei)特定任(ren)務(wu)提供卓(zhuo)越的能(neng)力(li)。

機器對機器(qi)學習(xi)

更快(kuai)學習(xi)的(de)另(ling)一(yi)個途徑(jing)是從(cong)集(ji)中(zhong)式(shi)系(xi)統管(guan)理(li)一組(zu)相互(hu)連接(jie)、自我(wo)改(gai)進(jin)的人工智(zhi)能(neng)邊(bian)緣設備(bei)。在(zai)許多(duo)情況(kuang)下(xia)，一(yi)個可(ke)行(xing)的(de)解(jie)決(jue)方(fang)案(an)是(shi)擁(yong)有(you)可以在“執(zhi)行任務(wu)”時增量(liang)訓(xun)練的(de)模型，并且(qie)可(ke)以(yi)共享重要(yao)的(de)發現。

與在企(qi)業(ye)或(huo)行(xing)業中(zhong)共享(xiang)最佳(jia)實(shi)踐(jian)類似(shi)，機器(qi)可(ke)以幫助(zhu)識別(bie)指導(dao)行為的(de)模(mo)式(shi)。

由智(zhi)能中央實(shi)體控制的(de)自主(zhu)機器艦隊(dui)的概(gai)念可(ke)能(neng)類似(shi)于(yu)反烏托(tuo)邦科(ke)幻小(xiao)說(shuo)故事(shi)。因此(ci)，與(yu)涉及(ji)人工智(zhi)能(neng)的任(ren)何事(shi)情(qing)一(yi)樣，需要施(shi)加(jia)行為(wei)參(can)數。

在不遠(yuan)的將(jiang)來(lai)，自(zi)動(dong)化邊(bian)緣(yuan)設備完全有(you)可(ke)能具(ju)有相互(hu)學(xue)習(xi)的(de)能(neng)力。這(zhe)將使(shi)其有能力代(dai)表(biao)我們做出越來越(yue)明智(zhi)的決策(ce)，這(zhe)將(jiang)對(dui)行業(ye)和社會產(chan)生(sheng)變(bian)革(ge)性影響(xiang)。

?