एआई किस प्रकार उद्यमों को अधिक चुस्त बना सकता है

अपनी एंटरप्राइज़ डेटा तकनीक और रणनीति को ऊपर उठाएं रूपांतरण 2021.


महामारी ने एज कंप्यूटिंग, या कंप्यूटेशन और डेटा स्टोरेज को अपनाने में तेजी लाई है, जहां इसकी जरूरत है। लिनक्स फाउंडेशन के स्टेट ऑफ द एज के अनुसार रिपोर्ट good, डिजिटल स्वास्थ्य देखभाल, विनिर्माण और खुदरा व्यवसाय विशेष रूप से 2028 तक एज कंप्यूटिंग के अपने उपयोग का विस्तार करने की संभावना रखते हैं। यह काफी हद तक कम सीमित डेटा विश्लेषण को सक्षम करते हुए प्रतिक्रिया समय में सुधार और बैंडविड्थ को बचाने की तकनीक की क्षमता के कारण है।

जबकि एंटरप्राइज़-जनरेटेड डेटा का केवल 10% वर्तमान में पारंपरिक डेटासेंटर या क्लाउड के बाहर बनाया और संसाधित किया जाता है, जो 2022 तक 75% तक बढ़ने की उम्मीद है, गार्टनर कहते हैं. इंटरनेट ऑफ थिंग्स (IoT) डिवाइस अकेले हैं अपेक्षित होना 2025 में 175 से अधिक ज़ेटाबाइट डेटा बनाने के लिए। And अनुसार ग्रैंड व्यू रिसर्च के अनुसार, वैश्विक कंप्यूटिंग बाजार 2028 तक 61.14 बिलियन डॉलर का होने का अनुमान है।

एज कंप्यूटिंग एक शक्तिशाली प्रतिमान बदलाव का प्रतिनिधित्व करता है, लेकिन एआई के साथ संयुक्त होने पर इसमें और भी अधिक उपयोगी बनने की क्षमता है। “एज एआई” आर्किटेक्चर का वर्णन करता है जिसमें एआई मॉडल को नेटवर्क के किनारे पर उपकरणों पर स्थानीय रूप से संसाधित किया जाता है। चूंकि एज एआई सेटअप में आमतौर पर केवल एक माइक्रोप्रोसेसर और सेंसर की आवश्यकता होती है, इंटरनेट कनेक्शन की नहीं, वे डेटा को संसाधित कर सकते हैं और वास्तविक समय में (या इसके करीब) भविष्यवाणियां कर सकते हैं।

एज एआई का व्यावसायिक मूल्य पर्याप्त हो सकता है। अनुसार बाजारों और बाजारों के लिए, वैश्विक बढ़त एआई सॉफ्टवेयर बाजार 2020 में $ 590 मिलियन से बढ़कर 2026 तक $ 1.83 बिलियन होने का अनुमान है। डेलॉइट अनुमान डिवाइस पर कार्य करने वाले 750 मिलियन से अधिक एज एआई चिप्स आज तक बेचे जा चुके हैं, जो राजस्व में $2.6 बिलियन का प्रतिनिधित्व करते हैं।

एज एआई क्या है?

अधिकांश एआई प्रक्रियाएं क्लाउड-आधारित डेटासेंटर का उपयोग करके की जाती हैं जिन्हें पर्याप्त गणना क्षमता की आवश्यकता होती है। ये खर्चे जल्दी जुड़ सकते हैं। अनुसार अमेज़ॅन के लिए, अनुमान की लागत – यानी, जब कोई मॉडल भविष्यवाणियां करता है – मशीन सीखने के बुनियादी ढांचे की लागत का 90% तक का गठन करता है। और एक हाल का राइटस्केल द्वारा किए गए अध्ययन में पाया गया कि सर्वेक्षण में 60% से अधिक संगठनों में क्लाउड पहल के पीछे लागत बचत थी।

इसके विपरीत, एज एआई को प्रारंभिक विकास चरण से परे क्लाउड इन्फ्रास्ट्रक्चर की बहुत कम या कोई आवश्यकता नहीं है। एक मॉडल को क्लाउड में प्रशिक्षित किया जा सकता है लेकिन एक एज डिवाइस पर तैनात किया जा सकता है, जहां यह बिना (या अधिकतर बिना) सर्वर इंफ्रास्ट्रक्चर के चलता है।

मशीन लर्निंग क्वांट के रूप में टिप्पणियाँ, एज एआई हार्डवेयर आम तौर पर तीन श्रेणियों में से एक में आता है: (1) ऑन-प्रिमाइसेस एआई सर्वर, (2) इंटेलिजेंट गेटवे, और (3) एज डिवाइस। AI सर्वर विशेष घटकों वाली मशीनें हैं जिन्हें मॉडल अनुमान और प्रशिक्षण अनुप्रयोगों की एक श्रृंखला का समर्थन करने के लिए डिज़ाइन किया गया है। गेटवे एज डिवाइस, सर्वर और नेटवर्क के अन्य तत्वों के बीच बैठते हैं। और किनारे के उपकरण एआई अनुमान और प्रशिक्षण कार्य करते हैं, हालांकि प्रशिक्षण को केवल डिवाइस पर किए गए अनुमान के साथ क्लाउड को सौंपा जा सकता है।

एआई हार्डवेयर को किनारे पर तैनात करने की प्रेरणाएँ असंख्य हैं, लेकिन वे अक्सर डेटा ट्रांसमिशन, स्टोरेज और गोपनीयता के विचारों के आसपास केंद्रित होते हैं। उदाहरण के लिए, हजारों सेंसर वाले किसी औद्योगिक या विनिर्माण उद्यम में, क्लाउड पर बड़ी मात्रा में सेंसर डेटा भेजना, विश्लेषण करना और परिणामों को विनिर्माण स्थान पर वापस करना व्यावहारिक नहीं है। उस डेटा को भेजने के लिए बड़ी मात्रा में बैंडविड्थ, साथ ही क्लाउड स्टोरेज की आवश्यकता होगी, और संभावित रूप से संवेदनशील जानकारी को उजागर कर सकता है।

एज एआई ऐसे वातावरण में कनेक्टेड डिवाइस और एआई एप्लिकेशन का उपयोग करने के लिए भी द्वार खोलता है जहां विश्वसनीय इंटरनेट नहीं दिया जा सकता है, जैसे गहरे समुद्र में ड्रिलिंग रिग या शोध पोत पर। इसकी कम विलंबता भी इसे समय-संवेदी कार्यों के लिए अच्छी तरह से अनुकूल बनाती है, जैसे कि भविष्य कहनेवाला विफलता का पता लगाने और कंप्यूटर दृष्टि का उपयोग करके खुदरा के लिए स्मार्ट शेल्फ सिस्टम।

अभ्यास में एज एआई

व्यावहारिक रूप से, एज एआई में एक सेंसर शामिल होता है – उदाहरण के लिए, एक एक्सेलेरोमीटर, जायरोमीटर, या मैग्नेटोमीटर – एक छोटी माइक्रोकंट्रोलर यूनिट (एमसीयू), जोहान माल्म, पीएच.डी. से जुड़ा होता है। और इमेजिमोब में संख्यात्मक विश्लेषण के विशेषज्ञ, एक श्वेतपत्र में बताते हैं। एमसीयू एक ऐसे मॉडल से भरा हुआ है जिसे विशिष्ट परिदृश्यों पर प्रशिक्षित किया गया है जो डिवाइस का सामना करेगा। यह सीखने का हिस्सा है, जो एक नॉनस्टॉप प्रक्रिया हो सकती है जिसके माध्यम से डिवाइस सीखता है क्योंकि यह नई चीजों का सामना करता है।

उदाहरण के लिए, कुछ कारखाने मोटरों पर लगे सेंसर का उपयोग करते हैं और सिग्नल स्ट्रीम करने के लिए कॉन्फ़िगर किए गए अन्य उपकरण – तापमान, कंपन और करंट के आधार पर – एक किनारे AI प्लेटफॉर्म पर। क्लाउड पर डेटा भेजने के बजाय, एआई किसी विशेष मोटर के विफल होने की भविष्यवाणी करने के लिए लगातार और स्थानीय रूप से डेटा का विश्लेषण करता है।

एज एआई और कंप्यूटर विज़न के लिए एक अन्य उपयोग मामला विनिर्माण लाइनों पर स्वचालित ऑप्टिकल निरीक्षण है। इस मामले में, इकट्ठे घटकों को स्वचालित दृश्य विश्लेषण के लिए एक निरीक्षण स्टेशन के माध्यम से भेजा जाता है। एक कंप्यूटर विज़न मॉडल लापता या गलत संरेखित भागों का पता लगाता है और निरीक्षण की स्थिति दिखाते हुए वास्तविक समय के डैशबोर्ड पर परिणाम देता है। चूंकि डेटा आगे के विश्लेषण के लिए क्लाउड में वापस प्रवाहित हो सकता है, इसलिए झूठी सकारात्मकता को कम करने के लिए मॉडल को नियमित रूप से फिर से प्रशिक्षित किया जा सकता है।

एआई परिनियोजन में पुन: प्रशिक्षण के लिए एक पुण्य चक्र स्थापित करना एक आवश्यक कदम है। हाल ही के एलायंस के अनुसार, कर्मचारियों का एक स्पष्ट बहुमत (87%) डेटा गुणवत्ता के मुद्दों के कारण उनके संगठन एआई और मशीन लर्निंग को सफलतापूर्वक लागू करने में विफल रहा है। रिपोर्ट good. और ३४% उत्तरदाताओं ने २०२१ रैकस्पेस के लिए सर्वेक्षण एआई आर एंड डी विफलता के कारण के रूप में खराब डेटा गुणवत्ता का हवाला दिया।

अमेज़ॅन सीटीओ ने कहा, “हमारे कई ग्राहक सचमुच सैकड़ों हजारों सेंसर तैनात करते हैं … इन आईओटी परिदृश्यों में, यह केवल आईओटी की बात नहीं है – यह आईओटी प्लस इंटेलिजेंट प्रोसेसिंग है ताकि सुरक्षा और दक्षता में सुधार करने वाली अंतर्दृष्टि प्राप्त करने के लिए मशीन लर्निंग को लागू किया जा सके।” वर्नर वोगल्स ने वेंचरबीट को बताया पिछला साक्षात्कार. “क्लाउड में बहुत सारी प्रोसेसिंग होती है क्योंकि अधिकांश [AI model training] बहुत श्रमसाध्य है, लेकिन प्रसंस्करण अक्सर किनारे पर होता है। भारी, भारी गणना होगी [have a place] मॉडल प्रशिक्षण और इस तरह की चीजों के लिए क्लाउड में। हालाँकि, अधिकांश समय उनका कार्यभार वास्तविक समय में महत्वपूर्ण नहीं होता है। हमारे वास्तविक समय के महत्वपूर्ण संचालन के लिए, मॉडल को किनारे के उपकरणों पर ले जाना चाहिए। ”

चुनौतियों

एज एआई क्लाउड-आधारित एआई प्रौद्योगिकियों की तुलना में लाभ प्रदान करता है, लेकिन यह चुनौतियों के बिना नहीं है। डेटा को स्थानीय रूप से रखने का अर्थ है सुरक्षा के लिए अधिक स्थान, विभिन्न प्रकार के साइबर हमलों की अनुमति देने वाली भौतिक पहुंच में वृद्धि। (कुछ विशेषज्ञों का तर्क है कि एज कंप्यूटिंग की विकेन्द्रीकृत प्रकृति की ओर जाता है बढ़ा हुआ सुरक्षा।) गणना शक्ति किनारे पर सीमित है, जो एआई कार्यों की संख्या को प्रतिबंधित करती है जिन्हें किया जा सकता है। और बड़े जटिल मॉडल को आमतौर पर AI हार्डवेयर को किनारे करने के लिए तैनात करने से पहले सरल बनाना पड़ता है, कुछ मामलों में उनकी सटीकता कम हो जाती है।

सौभाग्य से, उभरते हुए हार्डवेयर किनारे पर कुछ गणना सीमाओं को कम करने का वादा करते हैं। स्टार्टअप सीमा, ऐस्टॉर्म, हेलो, एस्पेरान्तो टेक्नोलॉजीज, द्विघात, ग्राफकोर, एक्सनोर, तथा फ्लेक्स लॉजिक्स एआई वर्कलोड के लिए अनुकूलित चिप्स विकसित कर रहे हैं – और वे केवल एक से बहुत दूर हैं। Mobileye, तेल अवीव कंपनी इंटेल ने 15.3 अरब डॉलर में अधिग्रहण किया मार्च 2017 में, अपने आईक्यू उत्पाद लाइन में एवी के लिए एक कंप्यूटर विज़न प्रोसेसिंग समाधान प्रदान करता है। तथा Baidu पिछले जुलाई ने कुनलुन का अनावरण किया, जो उपकरणों पर और क्लाउड में डेटासेंटर के माध्यम से एज कंप्यूटिंग के लिए एक चिप है।

चिप्स के अलावा, विकास मदरबोर्ड की संख्या बढ़ रही है, जिसमें Google का भी शामिल है एज टीपीयू और एनवीडिया का जेटसन नैनो. Microsoft, Amazon, Intel, और Asus भी Amazon की तरह एज AI परिनियोजन के लिए हार्डवेयर प्लेटफ़ॉर्म प्रदान करते हैं डीप लेंस गहन सीखने के लिए वायरलेस वीडियो कैमरा।

ये उद्यमों को आगे बढ़ने के लिए प्रोत्साहित करने वाले घटनाक्रमों में से हैं। अनुसार गार्टनर की 2019 की रिपोर्ट के अनुसार, 2021 के अंत तक 50% से अधिक बड़े संगठन IoT या इमर्सिव अनुभवों का समर्थन करने के लिए कम से कम एक एज कंप्यूटिंग उपयोग के मामले को तैनात करेंगे, जो 2019 में 5% से कम है। एज कंप्यूटिंग उपयोग की संख्या आने वाले वर्षों में मामले और भी बढ़ेंगे, गार्टनर ने भविष्यवाणी की है कि आधे से अधिक बड़े उद्यमों में 2023 के अंत तक कम से कम छह एज कंप्यूटिंग उपयोग के मामले तैनात होंगे।

एज एआई के लाभ इसकी तैनाती को कई संगठनों के लिए एक बुद्धिमान व्यावसायिक निर्णय बनाते हैं। अंतर्दृष्टि भविष्यवाणी अगले तीन वर्षों में इंटेलिजेंट एज परिनियोजन से 5.7 प्रतिशत का औसत आरओआई। ऑटोमोटिव, हेल्थ केयर, मैन्युफैक्चरिंग और यहां तक ​​कि ऑगमेंटेड रियलिटी जैसे सेगमेंट में, एआई अधिक स्केलेबिलिटी, विश्वसनीयता और गति का समर्थन करते हुए लागत को कम कर सकता है।

वेंचरबीट

तकनीकी निर्णय लेने वालों के लिए परिवर्तनकारी तकनीक और लेनदेन के बारे में ज्ञान हासिल करने के लिए वेंचरबीट का मिशन एक डिजिटल टाउन स्क्वायर बनना है। जब आप अपने संगठनों का नेतृत्व करते हैं तो हमारा मार्गदर्शन करने के लिए हमारी साइट डेटा तकनीकों और रणनीतियों पर आवश्यक जानकारी प्रदान करती है। हम आपको हमारे समुदाय का सदस्य बनने के लिए आमंत्रित करते हैं:

  • आपकी रुचि के विषयों पर अप-टू-डेट जानकारी
  • हमारे समाचार पत्र
  • गेटेड विचार-नेता सामग्री और हमारे बेशकीमती आयोजनों के लिए रियायती पहुंच, जैसे कि रूपांतरण 2021: और अधिक जानें
  • नेटवर्किंग सुविधाएँ, और बहुत कुछ

सदस्य बने

(Visited 1 times, 1 visits today)

About The Author

You might be interested in

डिजिटलमिंट-की-प्रोफाइल-एक-अंतिम-मील-क्रिप्टो-ब्रोकर-जो-रैंसमवेयर-पीड़ितों.png
0

LEAVE YOUR COMMENT