在边缘部署AI:从操作到自动化

随着公司在其工厂、仓库和其他地点增加自动化技术的使用，他们认识到需要人工智能技术(如机器视觉来检查缺陷)来实时指导决策。但在实践中，企业发现基于云的人工智能技术花费的时间太长，他们需要把这个决策过程移到网络的边缘。

英特尔高级人工智能首席工程师Rita Wouhaybi说:“我们经常看到工业用例，制造商或原始设备制造商告诉我，他们必须在非常小的毫秒数内完成整个往返过程，包括网络。”“这使得违反物理定律的人不可能向云端发送请求。”

减少决策的时间和减少数据移动的费用是企业现在在前沿部署人工智能技术的两个重要原因。这些问题在最近的A3网络研讨会上得到了讨论。”人工智能和机器视觉:从操作到自动化，这是由英特尔赞助的智能边缘系列网络研讨会的一部分。

Wouhaybi与英特尔AI解决方案架构师Michael Huether以及诺基亚数字自动化应用程序总监Tuuli Ahava一起参加了本次网络研讨会。小组成员讨论了在边缘添加AI至关重要的关键领域和用例，并指出了云计算仍可用于AI处理和数据处理的场景。

另一个有利于边缘人工智能处理的例子是，当公司有大量数据需要消化时，比如多个摄像头反馈来寻找缺陷或工人安全，以保护员工免受可能伤害他们的机器。当数据需要转移到云上时，大型数据集的成本会变得高得令人望而却步。此外，许多公司没有通信网络带宽来支持如此大的数据集。使用边缘人工智能的第三个原因是，出于隐私或知识产权的要求，可以确保数据留在国家或地区。

选择正确的团队

该小组还讨论了如何组建正确的团队来利用优势和人工智能，以及谁应该参与进来的问题。在考虑网络这块业务时，诺基亚(Nokia)的Tuuli Ahava建议企业从IT部门的人员与OT部门合作开始。“几年前，我们还在讨论IT和OT的融合，但现在它真的发生了，”阿哈瓦说。“当然，我们也需要开发算法的人员和一些数据科学家，但我会从一个简单的答案开始，‘嘿，让我们把IT和OT放在一起’，让他们聚在一起。”

除了任何数据科学家团队之外，还应该包括在边缘AI讨论中的其他涉众，包括正在自动化的流程的主题专家(包括将监控流程的工厂工人)、系统集成商和应用程序创建者。小组中的每个人都同意，数据科学需要被带到每个员工的层面，而不是依赖于特定的数据科学家来解释或操作一切。

使用微服务来分解复杂性

该小组还谈到了通过微服务将模块化构建块用于基于边缘的应用程序。在云环境中使用微服务的公司可以在边缘环境中使用这种体验——能够更改应用程序的一小部分，而不是完全重写它们。

“单片应用有点像恐龙，”英特尔的迈克尔·休特说。“它们会在一段时间内起作用，但在某个时候，你会想要避免这种情况，因为你的生产线永远不应该停止。旅程还在继续，你想做一点修改，而不是重建一切。”

Huether补充说，微服务还为公司提供了放置应用程序的灵活性，无论是直接在数据生成设备旁边运行的工业PC上，还是通过低延迟、高带宽的网络(如5G)连接到云中的小型微服务。休特说:“如果你能在一台机器上整合并重复使用，这是一种优势，但你需要有灵活性。”

专家组还讨论了网络研讨会上的其他几个主题，包括:

• 为人工智能处理选择正确数据的重要性，以及在处理之前需要如何清理数据;
• 始终意识到围绕所有边缘AI项目的安全问题(包括隐私法规);
• 可能不需要边缘的例子和用例，例如业务智能和非及时场景，或者可以使用边缘和云混合的场景;
• 与合作伙伴和供应商合作的关键建议，以确保他们跟上前沿技术的速度。

观看完整的网络研讨会，点击这里按需查看．

的下一个主题智能边缘系列网络研讨会美国东部时间9月14日星期三下午1点至2点，“融合、连接和计算释放工业前沿的智能”。你可以在这里免费注册．

关于AI和数据战略的其他内容将于2022年9月29日在俄亥俄州哥伦布举行的A3 AI和智能自动化会议上展示。关于这次活动的更多细节这里是可用的．