邊緣的人工智能可以徹底改變業(yè)務(wù)，我們需要什么來防止意外后果?

隨著對更快的結(jié)果和實時洞察的需求日益增長，企業(yè)正在轉(zhuǎn)向邊緣人工智能。邊緣人工智能是一種利用從網(wǎng)絡(luò)邊緣的傳感器和設(shè)備收集的數(shù)據(jù)，以接近實時的方式提供可操作見解的人工智能。雖然這項技術(shù)提供了很多好處，但其使用也有風(fēng)險。

在邊緣地帶，人工智能有許多潛在的用例。一些可能的應(yīng)用包括:

• 自動駕駛汽車: 邊緣人工智能實時處理傳感器收集的數(shù)據(jù)，以決定何時以及如何剎車或加速。
• 智能工廠: 邊緣人工智能實時監(jiān)控工業(yè)機(jī)械，檢測異?；蚬收?。攝像頭還能檢測生產(chǎn)線上的缺陷。
• 醫(yī)療保健: 可穿戴設(shè)備可以檢測心臟不正常情況或監(jiān)測術(shù)后患者。
• 零售: 追蹤顧客移動和行為的傳感器。
• 視頻分析: 人工智能實時分析視頻片段，識別潛在的安全威脅。
• 面部識別: 邊緣人工智能可以通過面部特征來識別個人。
• 語音識別: 邊緣人工智能現(xiàn)在被用于實時識別和轉(zhuǎn)錄口語。
• 傳感器數(shù)據(jù)處理: 邊緣人工智能可以處理傳感器收集的數(shù)據(jù)，以決定何時以及如何剎車或加速。

邊緣人工智能風(fēng)險

丟失/丟棄的數(shù)據(jù)

邊緣人工智能風(fēng)險包括數(shù)據(jù)在處理后可能丟失或丟棄。邊緣人工智能的優(yōu)點之一是，系統(tǒng)在處理后可以刪除數(shù)據(jù)，從而節(jié)省資金。人工智能判斷這些數(shù)據(jù)不再有用，并將其刪除。

這種設(shè)置的問題是，數(shù)據(jù)不一定是無用的。例如，一輛自動駕駛汽車可能會在偏遠(yuǎn)農(nóng)村的一條空曠道路上行駛。人工智能可能會認(rèn)為收集到的大部分信息是無用的，并將其丟棄。

然而，來自偏遠(yuǎn)地區(qū)空曠道路的數(shù)據(jù)可能會有所幫助，這取決于需求。此外，收集到的數(shù)據(jù)可能包含一些有用的信息，如果這些信息能夠送到云數(shù)據(jù)中心進(jìn)行存儲和進(jìn)一步分析的話。例如，其可能揭示動物遷徙的模式或環(huán)境的變化，否則這些變化將無法被發(fā)現(xiàn)。

社會不平等加劇

人工智能的另一個邊緣風(fēng)險是，其可能加劇社會不平等。這是因為邊緣人工智能需要數(shù)據(jù)才能運行。問題是，并不是每個人都可以訪問相同的數(shù)據(jù)。

例如，如果想使用邊緣人工智能進(jìn)行面部識別，則需要一個人臉照片數(shù)據(jù)庫。如果這些數(shù)據(jù)的唯一來源來自社交媒體，那么唯一能被準(zhǔn)確識別的人就是那些活躍在社交媒體上的人。這就形成了一個雙層系統(tǒng)，在這個系統(tǒng)中，邊緣人工智能可以準(zhǔn)確地識別一些人，而其他人則不能。

此外，只有某些群體可以訪問帶有傳感器或處理器的設(shè)備，這些設(shè)備可以收集和傳輸數(shù)據(jù)，供邊緣人工智能算法處理。這可能導(dǎo)致社會不平等加劇:那些買不起設(shè)備或生活在沒有本地網(wǎng)絡(luò)的農(nóng)村地區(qū)的人將被排除在邊緣人工智能革命之外。這可能導(dǎo)致一個惡性循環(huán)，因為邊緣網(wǎng)絡(luò)的建設(shè)并不簡單，且成本也很高。這意味著數(shù)字鴻溝可能會擴(kuò)大，弱勢社區(qū)、地區(qū)和國家在利用邊緣人工智能優(yōu)勢方面的能力可能會進(jìn)一步落后。

數(shù)據(jù)質(zhì)量差

如果傳感器數(shù)據(jù)質(zhì)量很差，那么邊緣人工智能算法生成的結(jié)果也可能質(zhì)量很差。這可能會導(dǎo)致誤報或漏報，從而造成災(zāi)難性后果。例如，如果使用邊緣人工智能識別潛在威脅的安全攝像頭產(chǎn)生誤報，這可能導(dǎo)致無辜的人被拘留或訊問。

另一方面，如果由于傳感器維護(hù)不佳而導(dǎo)致數(shù)據(jù)質(zhì)量差，這可能會導(dǎo)致錯失機(jī)會。例如，自動駕駛汽車配備了邊緣人工智能，用于處理傳感器數(shù)據(jù)，以決定何時以及如何剎車或加速。低質(zhì)量的數(shù)據(jù)可能會導(dǎo)致汽車做出糟糕的決定，從而導(dǎo)致事故。

效率低

在典型的邊緣計算設(shè)置中，邊緣設(shè)備的功能不如其所連接的數(shù)據(jù)中心服務(wù)器強(qiáng)大。這種有限的計算能力可能會導(dǎo)致邊緣人工智能算法效率較低，因為其必須在內(nèi)存和處理能力更小的設(shè)備上運行。

安全漏洞

邊緣人工智能應(yīng)用受到各種安全威脅，如數(shù)據(jù)隱私泄露、對抗性攻擊和機(jī)密性攻擊。

邊緣人工智能最重要的風(fēng)險之一是數(shù)據(jù)隱私泄露。邊緣云存儲和處理大量數(shù)據(jù)，包括敏感的個人數(shù)據(jù)，這使得其成為攻擊者的誘人目標(biāo)。

邊緣人工智能的另一個固有風(fēng)險是對抗性攻擊。在這種攻擊中，攻擊者破壞人工智能系統(tǒng)的輸入，導(dǎo)致系統(tǒng)做出錯誤的決策或產(chǎn)生錯誤的結(jié)果。這可能會產(chǎn)生嚴(yán)重的后果，比如導(dǎo)致自動駕駛汽車相撞。

最后，邊緣人工智能系統(tǒng)也容易受到機(jī)密性或推理攻擊。在這種攻擊中，攻擊者試圖揭示算法的細(xì)節(jié)并對其進(jìn)行逆向工程。一旦正確推斷出訓(xùn)練數(shù)據(jù)或算法，攻擊者就可以預(yù)測未來的輸入。邊緣人工智能系統(tǒng)還容易受到各種其他風(fēng)險的影響，如病毒、惡意軟件、內(nèi)部威脅和拒絕服務(wù)攻擊。

平衡風(fēng)險和回報

邊緣人工智能既有好處也有風(fēng)險。但，可以通過仔細(xì)的規(guī)劃和實施來降低這些風(fēng)險。在決定是否在業(yè)務(wù)中使用邊緣人工智能時，我們必須權(quán)衡潛在的好處和威脅，以確定什么適合自己的特定需求和目標(biāo)。