Interviu AI & Big Data Expo parodoje „Edge Impulse“ produktų vadovas Alessandro Grande aptarė problemas, susijusias su mašininio mokymosi modelių kūrimu ribotų išteklių turintiems krašto įrenginiams ir kaip juos įveikti.
Diskusijos metu Grande pateikė įžvalgių perspektyvų apie dabartinius iššūkius, kaip „Edge Impulse“ padeda spręsti šias problemas ir didžiulius pažadus, kad įrenginyje DI.
Pagrindinės kliūtys naudojant krašto AI pritaikymą
Grande pabrėžė tris pagrindines problemas, su kuriomis susiduria įmonės, bandydamos sukurti pažangiausius mašininio mokymosi modelius, įskaitant sunkumus nustatant optimalias duomenų rinkimo strategijas, menką AI patirtį ir tarpdisciplinines komunikacijos kliūtis tarp aparatinės įrangos, programinės įrangos ir duomenų mokslo komandų.
„Daugelis kompanijų, kuriančių pažangius įrenginius, nėra gerai susipažinusios su mašininiu mokymusi“, – sako Grande. „Trečias iššūkis yra šių dviejų pasaulių sujungimas, susijęs su komandų tarpusavio bendravimu ir gebėjimu dalytis žiniomis bei siekti tų pačių tikslų.
Liesių ir efektyvių modelių strategijos
Paklaustas, kaip optimizuoti kraštinę aplinką, Grande pabrėžė, kad pirmiausia reikia sumažinti reikiamus jutiklio duomenis.
„Matome, kad daugelis įmonių kovoja su duomenų rinkiniu. Kokių duomenų pakanka, kokius duomenis rinkti, kokius duomenis iš kokių jutiklių rinkti. Ir tai yra didelė kova“, – aiškina Grande.
Veiksmingų neuroninių tinklų architektūrų pasirinkimas padeda, kaip ir suspaudimo metodai, pvz., kvantavimas, siekiant sumažinti tikslumą, nedarant didelės įtakos tikslumui. Visada suderinkite jutiklio ir aparatinės įrangos apribojimus su funkcionalumu, ryšio poreikiais ir programinės įrangos reikalavimais.
„Edge Impulse“ siekia, kad inžinieriai galėtų patvirtinti ir patikrinti pačius modelius prieš įdiegiant, naudojant įprastą ML vertinimo metrikas, taip užtikrinant patikimumą ir paspartinant laiką iki vertės. Visapusiška kūrimo platforma sklandžiai integruojasi su visomis pagrindinėmis debesų ir ML platformomis.
Įrenginyje esančio intelekto transformacinis potencialas
Grande pabrėžė novatoriškus produktus, jau naudojančius aukščiausio lygio intelektą, kad būtų galima suasmeninti sveikatos įžvalgas nepasikliaujant debesiu, pvz., miego stebėjimas naudojant Oura Ring.
„Jo parduota daugiau nei milijardas vienetų, ir tai yra kažkas, ką gali patirti kiekvienas ir kiekvienas gali pajusti tikrąją AI galią“, – aiškina Grande.
Yra ir kitų įdomių galimybių, susijusių su prevencine pramonės priežiūra, aptikus gamybos linijose esančias anomalijas.
Galiausiai „Grande“ mato didžiulį įrenginio AI potencialą, kuris žymiai padidins naudingumą ir patogumą kasdieniame gyvenime. Užuot tik neapdorotus duomenis, kraštiniai įrenginiai gali interpretuoti jutiklių įvestis, kad pateiktų veiksmingus pasiūlymus ir reagavimo patirtį, kuri anksčiau nebuvo įmanoma – tai pranašauja naudingesnes technologijas ir geresnę gyvenimo kokybę.
DI potencialo atrakinimas kraštiniuose įrenginiuose priklauso nuo dabartinių kliūčių, trukdančių pritaikyti, įveikimo. Grande ir kiti pagrindiniai ekspertai šių metų AI ir didžiųjų duomenų parodoje pateikė gilių įžvalgų, kaip įveikti kliūtis ir atskleisti visas pažangaus AI galimybes.
„Norėčiau pamatyti pasaulį, kuriame įrenginiai, su kuriais turėjome reikalų, iš tikrųjų būtų mums naudingesni“, – daro išvadą Grande.
Žiūrėkite visą mūsų interviu su Alessandro Grande žemiau:
(Niranjan nuotrauka _ Photographs on Unsplash)
Taip pat žiūrėkite: AI & Big Data Expo: AI demistifikavimas ir ažiotažas
Norite daugiau sužinoti apie AI ir didelius duomenis iš pramonės lyderių? Peržiūrėkite „AI & Big Data Expo“, vykstančią Amsterdame, Kalifornijoje ir Londone. Išsamus renginys vyksta kartu su „Cyber Security & Cloud Expo“ ir „Digital Transformation Week“.
Čia galite sužinoti apie kitus būsimus įmonės technologijų renginius ir internetinius seminarus, kuriuos palaiko „TechForge“.
