2022년에 주목해야 할 Edge AI의 주요 트렌드

1956년 대학에서 연구 분야 중 하나로 추가된 이후로 인공 지능 낙관론과 비관론의 시기를 동등하게 거쳤습니다. 오늘날 우리는 큰 낙관론을 목격하고 있음에 의심의 여지가 없습니다.

데이터 과학은 전 세계에서 세 번째로 많이 찾는 직업입니다. 실제로 스페인의 에지 컴퓨팅 현황에 대한 최근 연구에서 데이터 과학자는 기하급수적인 성장을 경험하고 있으며 2025년까지 1,900억 달러에 이를 것으로 예상되는 시장에서 스페인 기업 중 가장 원하는 전문가입니다.

시장 산업에서 AI의 중요성은 더 이상 단일 기술로 말하는 것이 아니라 다양한 산업에 다양한 용도를 제공하는 많은 지점으로 말하는 것이 합리적입니다.

가장 성숙하고 생산 단계에 가장 가까운 것으로 식별된 트렌드는 일상에서 식별할 수 있는 트렌드입니다. 예를 들어 점점 더 인간과 유사해지는 챗봇과 대화할 때 사용하는 일반 언어 처리, 실시간 비디오 처리를 자동화할 수 있는 기계 이미징, 더 나은 검색 결과로 이어지는 의미 체계 검색이 있습니다.

다른 극단에서는 적어도 10년 동안 나타나지 않을 더 미래적인 것들이 있습니다. 몇 가지 흥미로운 예는 AI TRISM(신뢰, 위험 및 보안 관리) 입니다. AI 모델을 규제하여 보안 및 개인 정보 보호 공격에 보다 탄력적으로 대처할 수 있도록 하는 기술 및 AI 모델을 컨텍스트에 맞게 조정할 수 있게 하고 번역기, 자동 문서와 같은 애플리케이션 개선에 큰 영향을 미칠 트랜스포머 생성 또는 생물학적 서열 분석.

두 극단 사이에는 배치에서 시장 성숙까지 2~5년이 소요되는 다른 구현 기술이 있으며, 이를 "인공지능의 가까운 미래"라고 할 수 있습니다. 여기에는 인간 중심의 AI, 제너레이티브 AI, AI의 오케스트레이션 및 자동화, 그리고 성숙 곡선에서 다른 모든 것을 선도하는 '엣지 AI'라고도 하는 엣지의 AI가 있습니다. 2021년, Edge AI는 가까운 미래에 성숙해질 기술이 되었습니다.

산업 세계의 에지 AI와 분산 지능 혁명

Edge AI 또는 AI on the Edge 데이터 소스에 매우 가까운 장치(IoT 장치, 에지 장치)에서 인공 지능 알고리즘을 실행하는 기능으로 요약할 수 있습니다.

이 기술은 엄청난 통계에 힘입어 기하급수적으로 성장하고 있습니다. 산업 조직의 60% 이상이 효율적으로 혁신하는 데 도움이 되는 클라우드 인프라를 갖추고 있지 않습니다.

따라서 Edge AI 프로젝트에 돋보기를 사용하면 2022년과 2023년에 목격하게 될 가장 파괴적인 트렌드는 무엇입니까?

다음은 상위 5개 항목에 대한 요약입니다.

1. SCADA에서 Edge AI까지 핵심 산업이 주요 동인이 될 것입니다.

Barbara IoT는 Edge AI의 최전선에 있는 산업에서 반복되는 패턴을 찾고 있습니다. 모든 산업이 중요한 분산 자산을 많이 처리합니다. 즉, 기술의 파편화, 확장성, 사이버보안 등 큰 도전에 직면해 있는 산업이다. 엣지에서 AI 알고리즘을 실행하여 최소화할 수 있습니다. 우리는 이러한 산업이 매우 야심차고 혁신적인 사용 사례를 개발할 것이라고 예측할 수 있습니다.

80년대부터 사용된 SCADA 시스템은 데이터 캡처 및 처리 측면에서 유사한 목적을 가지고 있습니다. 그러나 SCADA 시스템은 상호 운용성, 개방성 및 보안에 대한 점점 더 까다로워지는 요구 사항에 대응할 수 있도록 보다 현대적인 기술로 보완되어야 합니다. . 이것이 바로 Edge AI가 도움이 될 수 있는 부분입니다. 이러한 시스템의 가치를 배가하는 것입니다.

2. 얇은 가장자리는 두꺼운 가장자리를 보완합니다

Edge AI를 언급할 때 "에지"의 의미에 대해 다양한 해석이 있습니다. 전통적으로 에지는 사용자와 가장 가까운 네트워크 운영자 인프라로 식별되었습니다. 예를 들어 5G 네트워크에 대해 이야기할 때 근접 데이터 처리에 사용되는 "다중 액세스 에지 컴퓨팅"이라고 하는 다수의 노드를 롤아웃하는 사업자를 말합니다. 이러한 노드는 클라우드 서비스를 호스팅하도록 설계된 데이터 센터에서 볼 수 있는 것과 매우 유사한 서버에 설치되며 복잡한 AI 알고리즘을 처리할 수 있는 잠재력과 능력이 높습니다. 이것은 일부 분석가가 "Thick" Edge라고 부르는 것입니다.

그러나 최근에 에지 노드 센서와 스위치에 직접 연결되어 게이트웨이나 집중 장치와 같은 저전력 장치에 설치될 때 실시간에 가까운 더 짧은 응답 시간으로 더 간단한 AI 알고리즘을 실행하는 역할을 하는 다른 유형이 개발되기 시작했습니다. "Thin" Edge라고 하는 이 새로운 유형의 Edge를 사용하면 원격 위치 또는 높은 보안 및 데이터 격리 요구 사항을 포함하는 대규모 프로젝트를 빠르고 유연하게 처리할 수 있습니다.

3. 분산 인공 지능을 가능하게 하는 새로운 패러다임으로서의 Edge Mesh

Edge AI는 전통적으로 대규모 데이터를 사용하여 훈련된 의사 결정 모델을 기반으로 합니다. 일련의 수학 공식으로 구성된 모델은 Edge Nodes에 설치됩니다. 거기에서 각 노드는 수신한 데이터와 설치된 모델에 따라 자체적으로 결정을 내릴 수 있습니다.

Edge Mesh로 알려진 새로운 패러다임은 마치 격자 네트워크인 것처럼 노드의 결정이 다른 노드의 결정에 의해 좌우되는 것을 가능하게 합니다. 이 새로운 아키텍처의 힘을 이해하는 좋은 예는 스마트 교통 시스템입니다.

에지 노드는 센서에 의해 감지된 자동차와 사람의 수를 고려하는 AI 알고리즘을 사용하여 신호등 시간에 대한 결정을 내릴 수 있습니다. 그러나 이 결정은 인근 거리의 다른 노드에서 내리는 결정으로 완벽하게 보완될 수 있습니다.

Edge Mesh의 목표는 기존 아키텍처보다 더 나은 성능, 응답 시간 및 내결함성을 제공하기 위해 다양한 노드에 인텔리전스를 분산하는 것입니다.

4. MLOps를 사용한 수명 주기 관리가 점점 더 중요해지고 있습니다. 

업계가 더 분산된 노드와 더 복잡한 훈련 알고리즘을 사용하여 Edge AI를 출시하는 방향으로 이동함에 따라 이러한 훈련된 모델과 이를 실행하는 장치의 수명 주기를 유지하는 기능이 이 기술의 미래에 핵심이 될 것입니다.

이러한 의미에서 AI 알고리즘의 개발, 출시 및 유지 관리에 DevOps 철학을 적용하는 프로젝트 및 회사가 향상될 것입니다.

이 작업 방식을 Machine Learning과 DevOps의 조합인 MLops라고 합니다.

그러나 정확히 무엇입니까? 기본적으로 장비와 개발 환경, 테스트 및 운영의 지속적인 통합을 통해 AI on Edge 모델의 개발, 테스트 및 구현 시간을 줄이는 것을 목표로 합니다.

 5. 주권 데이터 교환을 가능하게 하는 Edge AI

데이터 공유는 가치 사슬 내에서 많은 이해 관계자가 있는 산업 부문의 프로세스를 개선하는 데 가장 중요할 것이라는 데는 의심의 여지가 없습니다.

가까운 미래의 전력망 모델인 스마트 그리드를 살펴보겠습니다. 더 나은 서비스를 받거나 제공할 수 있으려면 공급자가 프로슈머, 운영자, 유통업체 및 집계자와 같은 여러 이해 관계자의 정보를 분석하고 처리할 수 있어야 합니다. 투명하고 민첩한 데이터 교환 없이는 2050년까지 필요한 그리드 최적화에 도달하는 것이 불가능합니다.

Edge AI를 사용하면 ON 중앙 집중식 데이터 처리가 가능하며, 이는 데이터 보안, 개인 정보 보호 및 주권과 같이 업계가 현재 직면하고 있는 몇 가지 장애물을 극복하는 데 도움이 될 것입니다.