Ứng dụng AI tại biên và 3 điểm cần lưu ý khi triển khai

Home  /  Blog

ai-bien-3-diem-chu-y

 AIOTVN   

Khi trí tuệ nhân tạo (AI) trưởng thành, việc ứng dụng nó sẽ tiếp tục tăng lên. Theo nghiên cứu gần đây, 35% tổ chức đang sử dụng AI, với 42% đã bắt đầu khám phá tiềm năng của nó. Mặc dù AI đã được nghiên cứu khá nhiều và triển khai mạnh mẽ trên các nền tảng đám mây, nhưng đối với các hệ thống biên thì AI vẫn là một công nghệ còn khá non trẻ và đang có một số thách thức riêng khi ứng dụng AI tại biên.

AI đã được sử dụng trong nhiều ứng dụng, từ điều hướng trong ô tô đến theo dõi các bước chân đến trò chuyện với trợ lý kỹ thuật số. Mặc dù người dùng thường xuyên truy cập các dịch vụ này trên thiết bị di động, nhưng kết quả tính toán nằm trong việc sử dụng AI trên đám mây. Cụ thể hơn, một người yêu cầu thông tin và yêu cầu đó được xử lý bởi một mô hình học tập trung tâm trên đám mây, sau đó mô hình này sẽ gửi kết quả trở lại thiết bị cục bộ của người đó.

AI ở biên ít được hiểu và ít được triển khai hơn so với AI trên đám mây. Ngay từ khi mới thành lập, các thuật toán và đổi mới về AI đã dựa trên một giả định cơ bản rằng tất cả dữ liệu có thể được gửi đến một vị trí trung tâm. Ở vị trí trung tâm này, một thuật toán có quyền truy cập đầy đủ vào dữ liệu. Điều này cho phép thuật toán xây dựng trí thông minh của nó giống như bộ não hoặc hệ thống thần kinh trung ương, có toàn quyền về tính toán và dữ liệu.

Nhưng, AI ở biên thì khác. Nó phân phối trí thông minh trên tất cả các tế bào và dây thần kinh. Bằng cách mang trí thông minh tới biên, chúng ta có thể cung cấp cho các thiết bị biên này quyền tự quyết. Đó là điều cần thiết trong nhiều ứng dụng và lĩnh vực như chăm sóc sức khỏe và sản xuất công nghiệp.

Lý do để triển khai AI ở biên

Bảo vệ thông tin nhận dạng cá nhân (PII)

Đầu tiên, một số tổ chức xử lý PII hoặc các dữ liệu về IP (sở hữu trí tuệ) nhạy cảm muốn để dữ liệu ở nơi tại ra nó trong máy chụp ảnh tại bệnh viện hoặc trên máy sản xuất tại nhà máy. Điều này có thể làm giảm nguy cơ “lỗi” hoặc “rò rỉ” có thể xảy ra khi truyền dữ liệu qua mạng.

Giảm thiểu yêu cầu sử dụng băng thông lớn

Thứ hai là vấn đề về băng thông. Việc vận chuyển một lượng lớn dữ liệu từ biên sang đám mây có thể làm tắc nghẽn mạng và trong một số trường hợp là không thực tế. Không có gì lạ khi một máy chụp ảnh trong bệnh viện tạo ra các tệp quá lớn đến mức không thể chuyển chúng lên đám mây hoặc sẽ mất nhiều ngày để hoàn thành quá trình chuyển như vậy.

Việc xử lý dữ liệu ở biên có thể hiệu quả hơn, đặc biệt nếu thông tin chi tiết được nhắm mục tiêu để cải thiện máy. Trước đây, việc di chuyển và bảo trì khó khăn hơn rất nhiều, điều này đòi hỏi phải di chuyển dữ liệu này đến vị trí máy chủ xử lý. Mô hình này hiện đang bị thách thức, khi dữ liệu hiện nay thường quan trọng hơn và khó quản lý hơn, dẫn đến các trường hợp sử dụng đặc biệt yêu cầu di chuyển hệ thống máy tính xử lý đến biên – vị trí mà dữ liệu được tạo ra.

Giảm thiểu độ trễ

Lý do thứ ba để triển khai AI ở biên là độ trễ. Mạng Internet hiện tại có thể có tốc độ nhanh nhưng không phải là thời gian thực. Đối với các ứng dụng đòi hỏi khả năng phản ứng lên tới mili giây, chẳng hạn như cánh tay robot hỗ trợ phẫu thuật hoặc dây chuyền sản xuất nhạy cảm với thời gian, thì khi đó việc triển khai hệ thống AI tại biên sẽ được xem xét.

Những thách thức với AI ở biên và cách giải quyết chúng

Mặc dù có những lợi ích, nhưng vẫn còn một số thách thức đặc biệt đối với việc triển khai AI ở biên. Dưới đây là một số thông tin hữu ích mà bạn nên xem xét để giúp giải quyết những thách thức đó.

Kết quả tốt và xấu trong đào tạo mẫu

Hầu hết các kỹ thuật AI sử dụng lượng lớn dữ liệu để đào tạo một mô hình. Tuy nhiên, điều này thường trở nên khó khăn hơn trong các trường hợp sử dụng công nghiệp ở biên, nơi hầu hết các sản phẩm được sản xuất không bị lỗi và do đó được gắn thẻ hoặc chú thích là tốt. Kết quả là sự mất cân bằng giữa “kết quả tốt” và “kết quả xấu” khiến các mô hình khó học cách nhận ra vấn đề hơn.

Các giải pháp AI thuần túy dựa trên việc phân loại dữ liệu mà không có thông tin theo ngữ cảnh thường không dễ tạo và triển khai do thiếu dữ liệu được gắn nhãn và thậm chí xảy ra các sự kiện hiếm gặp. Việc thêm bối cảnh vào AI – hay còn gọi là phương pháp tiếp cận lấy dữ liệu làm trung tâm thường mang lại lợi ích về độ chính xác và quy mô của giải pháp cuối cùng. Sự thật là, mặc dù AI thường có thể thay thế các công việc thông thường mà con người thực hiện thủ công, nhưng nó được hưởng lợi rất nhiều từ sự hiểu biết sâu sắc của con người khi kết hợp một mô hình, đặc biệt là khi không có nhiều dữ liệu để xử lý.

AI không thể giải quyết hoặc đưa ra câu trả lời một cách kỳ diệu cho mọi vấn đề

Thường có nhiều bước để đi vào với một đầu ra. Ví dụ, có thể có nhiều trạm trên sàn nhà máy và chúng có thể phụ thuộc lẫn nhau. Độ ẩm ở một khu vực của nhà máy trong một quy trình có thể ảnh hưởng đến kết quả của một quy trình khác sau đó trong dây chuyền sản xuất ở một khu vực khác.

Mọi người thường cho rằng AI có thể ghép nối tất cả các mối quan hệ này lại với nhau một cách kỳ diệu. Mặc dù trong nhiều trường hợp có thể, nhưng nó cũng có thể sẽ yêu cầu nhiều dữ liệu và thời gian dài để thu thập dữ liệu, dẫn đến một thuật toán rất phức tạp không hỗ trợ khả năng giải thích và cập nhật.

AI không thể sống trong chân không. Nắm bắt được những sự phụ thuộc lẫn nhau đó sẽ đẩy ranh giới từ một giải pháp đơn giản thành một giải pháp có thể mở rộng quy mô theo thời gian và các triển khai khác nhau.

Thiếu sự tham gia của các bên liên quan có thể hạn chế quy mô của ứng dụng AI

Thật khó để mở rộng quy mô ứng dụng AI trong một tổ chức nếu nhiều người trong tổ chức nghi ngờ về lợi ích của nó. Cách tốt nhất (và có lẽ là duy nhất) để nhận được sự ủng hộ rộng rãi là bắt đầu với một vấn đề khó, có giá trị cao, sau đó giải quyết nó bằng AI.

Lấy ví dụ với Audi, họ đã xem xét việc giải quyết tần suất thay đổi các điện cực trên súng hàn. Nhưng các điện cực có chi phí thấp và điều này không loại bỏ bất kỳ nhiệm vụ thông thường nào mà con người đang làm. Thay vào đó, họ chọn quy trình hàn, một vấn đề khó khăn đã được thống nhất chung cho toàn ngành và cải thiện đáng kể chất lượng của quy trình thông qua AI. Điều này sau đó đã kích thích trí tưởng tượng của các kỹ sư trong toàn công ty để điều tra cách họ có thể sử dụng AI trong các quy trình khác để cải thiện hiệu quả và chất lượng.

Cân bằng giữa lợi ích và thách thức của Edge AI

Triển khai AI ở biên có thể giúp ích cho các tổ chức và nhóm của họ. Nó có khả năng biến một thiết bị trở thành một hệ thống thông minh, cải thiện chất lượng, tối ưu hóa quy trình sản xuất và truyền cảm hứng cho các nhà phát triển cũng như kỹ sư trong toàn tổ chức để khám phá cách họ có thể kết hợp AI hoặc các trường hợp sử dụng AI nâng cao để bao gồm các phân tích dự đoán, đề xuất để cải thiện hiệu quả hoặc phát hiện bất thường. Nhưng nó cũng đặt ra những thách thức mới. Để ứng dụng thành công trong các ngành công nghiệp, chúng ta phải có khả năng triển khai nó đồng thời giảm độ trễ, tăng quyền riêng tư, bảo vệ dữ liệu nhạy cảm và giữ cho mạng lưới hệ thống hoạt động trơn tru.


Quý khách vui lòng liên hệ với ADTECH để chúng tôi được phục vụ:

???? ADTECH – Cung cấp thiết bị-giải pháp công nghệ dành cho doanh nghiệp

???? Số 358 Giải Phóng, Phương Liệt, Thanh Xuân, Hà Nội

☎ Hotline: 0969133273

???? Website: aiotvn.com

Avatar Of Aiotvn

AIOTVN

Xin chào! Tôi là tác giả và cũng là người chịu trách nhiệm nội dung của bài viết trên Website AIoT mà bạn đang theo dõi. Nếu bạn có thắc mắc cần trao đổi, hãy để lại bình luận ở phía bên dưới bài viết, liên hệ qua các biểu tượng Chat Online hoặc thông tin liên hệ bên dưới.

BÀI VIẾT LIÊN QUAN

Để lại lời nhắn

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *