在邊緣運行人工智能工作負載可以實現更好的經濟效益、更快的決策制定和自動化

如果你拋開炒作，拋開技術復雜性，拋開曠日持久的概念驗證，5G 就是利用高帶寬、低延遲空中接口來盡可能實時地移動數據、分析數據以及對數據采取行動。 有了這種能力，各種類型的企業都可以實現各種可能的運營效率，將可以自動化的事情自動化，并在資產負債表上看到收益。 為了加快決策制定并盡可能實現自動化，人工智能可以發揮明確的作用。 而且，鑒于分布式網絡架構和云計算/存儲基礎設施分布的趨勢，駐留在創建數據的邊緣的人工智能為企業用戶帶來了眾多好處。

Volt Active Data 產品管理主管 Andrew Keene 在最近由 RCR Wireless News 主辦的網絡研討會上闡述了邊緣人工智能的案例。 他指出，邊緣人工智能不僅具有優勢，而且“有時對于用例的可行性至關重要”。 但為什么?

“其中一些用例會生成大量數據，其中大部分數據本身相對無用，”Keene解釋道。 “但這一切都必須經過處理才能使用例發揮作用。 到云端的回程和傳輸成本可能令人望而卻步，但如果你能夠處理數據和邊緣，并且只將有價值的整合數據發送到云端進行進一步處理，那就可以解決問題。”

除了移動數據的經濟現實之外，時間尺度也至關重要——Volt Active Data 往往以個位數毫秒來衡量事物。 “如果你能夠在邊緣做出更接近事件發生地點的決策，那么就可以再次解決超低延遲響應的問題。” 這里的另一個含義是數據主權/安全; 處理專有或受監管數據的企業需要密切保存這些數據。 “因此，分布式分層數據平臺可以在邊緣運行這些[機器學習]模型，并且只將整合的、寶貴的數據發送到云，可以緩解其中許多問題，并且實際上使一些用例變得可行，否則這些用例將無法實現。 ”。

回到在邊緣部署人工智能以加快決策制定的想法——除此之外，人工智能還可以不斷變得更好，因為它可以訪問越來越多的數據。 “我們看到人們對機器學習模型的興趣日益濃厚......以增強各行業的許多不同的實時數據流程和用例，以自動實現持續的模型改進，”Keene說。 這可以讓企業用戶獲得更好的結果，并有可能將改進的結果傳遞給他們的客戶。

Keene 總結道：“真正構成強大解決方案的是，這些機器學習模型不僅不斷更新，通過從真實結果中學習來提高其準確度，而且在分布式平臺的邊緣執行它們，以確保最佳響應 時間，并減少將大量數據傳輸到某些集中式 Ccloud 托管平臺時不必要的回程成本。”

人工智能和邊緣計算賦能物聯網

Keene 表示，Volt 的數據管理解決方案旨在支持一系列實時應用程序，并強調欺詐和威脅預防、超個性化、實時專用網絡 SLA、流量管理、車隊管理、收費和策略、物聯網設備管理、合規性和安全性。 監管報告、邊緣優化聯合決策和主動數字孿生。 但是，他指出，“我們提供支持技術……而不是最終應用程序”，這是由他們的客戶和合作伙伴構建的。 該公司的重點是“需要大規模、低延遲、準確性和彈性并且非常適合大規模執行機器學習模型的應用程序”。

Keene 舉了一個例子，在人口稠密的城市地區使用 5G，通過主動路由來改善交通管理; 這與傳統交通管理解決方案形成鮮明對比，例如設置為隨高峰、非高峰和其他靜態配置而變化的定時交通燈。 通過在邊緣引入 5G 和人工智能驅動的處理，“智慧城市能夠從數百個交通攝像頭或其他端點獲取信息，并使用機器學習作為人工智能的一種形式來預測行為、發現發生的異常情況，以及 實時引導交通遠離問題區域。”

工業 4.0 范疇內的另一個例子是物聯網設備管理。 Keene 提出了一種假設操作，其中 5G SIM 卡用于連接、跟蹤和監控各種人員和資產。 “我們見過一些企業存在欺詐問題”，比如人們竊取 SIM 卡或含有 SIM 卡的資產。 “該解決方案使用地理圍欄在設備移出其正常操作區域時進行阻止或發出警報，并發現設備變化的異常流量數據使用模式。 機器學習模型學習常規的、可預測的使用模式和操作地理區域。 因此，如果某個特定設備每周四下午離開現場收集一些東西是正常的，它不會將其標記為欺詐，而任何其他從不移出其區域的設備如果碰巧迷失，就會立即被標記為欺詐。”