Александр Ханин, МТС: «Edge AI – это многообещающее комбо»
Количество генерируемой IoT-устройствами информации увеличивается в геометрической прогрессии. За ее обработку отвечает технология edge computing — так называемые вычисления “на краю сети”. Но что будет, если объединить edge computing и искусственный интеллект? Почему за таким комбо — большое будущее, объясняет руководитель Центра искусственного интеллекта МТС Александр Ханин.
На каком этапе развития сейчас находится edge computing?
Edge computing — это вычисления на конечных устройствах с высокой степенью автономии с точки зрения потребляемой энергии, пропускной способности и безопасности каналов связи и т.д. Устройства могут быть любыми: мобильные телефоны, умные часы, IoT-девайсы, беспилотные автомобили, умные здания, датчики на производственном оборудовании, потребители и генераторы данных и другие. Все эти умные гаджеты могут принимать независимые решения за считанные миллисекунды без необходимости подключения к интернету или облаку.
Сейчас наступил момент, когда на рынке появились устройства, которые позволяют перенести вычисления с облачных серверов на маленькие девайсы с ИИ-чипами на борту. Именно сочетание Edge computing (периферийных вычислений) с технологиями искусственного интеллекта обеспечит прорыв в этой области: Edge AI - многообещающее комбо. По данным ResearchAndMarkets, уже сегодня 86% всех чипсетов в мире поставляются с ИИ, к 2026 году более 59% всей электроники будет иметь ту или иную форму встроенного интеллекта. Это изменит критически важные бизнес-функции, такие как управление идентификацией, аутентификация и кибербезопасность.
Потребление электроники неуклонно растет, по прогнозам, к 2030 году во всем мире будет использоваться около 50 млрд устройств интернета вещей. Ожидается, что эти девайсы создадут огромную сеть взаимосвязанных устройств, охватывающих все - от смартфонов до кухонной техники.
Сочетание технологий искусственного интеллекта и интернета вещей станет драйвером инноваций. Edge computing и алгоритмы искусственного интеллекта будут неразрывно связаны. Edge AI способствует автономному применению моделей глубокого обучения, машинного обучения и передовых алгоритмов на самих IoT-устройствах — и все это вдали от облачных сервисов. По прогнозам аналитиков Research&Markets, к 2026 году 78% рынка ИИ-чипов будет занимать индустрия интернета вещей.
Что нового появилось в технологии Edge computing по сравнению с тем, что было 3-5 лет назад?
Прежде всего, на этом рынке появились новые сильные игроки, как маленькие, так и большие. Например, один из лидеров этого рынка - американский стартап Kneron, в который Центр ИИ МТС инвестировал $10 млн.
Кроме того, возникли новые аппаратные архитектуры и процессоры. Выросла площадь, отведённая под задачи машинного обучения на современных процессорах. Это лучше всего отражает потребность рынка и количество задач. И, наконец, были разработаны новые, более эффективные архитектуры нейронных сетей.
Какие возможности эта технология открывает перед бизнесом?
Edge AI несет много преимуществ для разных отраслей. Больше всех выиграют компании, которые используют технологии интернета вещей. Вот некоторые из плюсов, которые может дать машинное обучение с помощью Edge AI.
Во-первых, недорогая цифровая инфраструктура. Edge AI поможет сократить затраты на вычисления, которые выполняются в облачных центрах обработки данных. А это, в свою очередь, удешевит конечные решения.
Во-вторых, конфиденциальность. Данные — самый ценный актив. Потребители всегда беспокоятся о том, как защищена информация о них. Персональные данные пользователей остаются на самом устройстве. Меньше данных в облаке означает меньше возможностей для онлайн-атак. Кроме того, сложнее вывести из строя сеть, состоящую из нескольких устройств.
В-третьих, сниженная задержка. Передача данных в облако и обратно требует времени. Благодаря Edge AI отпадает необходимость отправлять огромные объемы данных по сетям и устройствам в облака, что улучшает взаимодействие с пользователем. Если подумать о беспилотном автомобиле в качестве примера: никто не захочет рисковать плохим интернет-соединением с серверами.
В-четвертых, с помощью edge computing можно получить аналитику практически в реальном времени. Анализ происходит за доли секунды, что очень важно в критических по времени ситуациях. Давайте, например, подумаем о машинах на заводском конвейере. Если робот на сборочной линии активируется не вовремя, это может привести к повреждению продукта, или продукт может двигаться дальше по сборочной линии необработанным и нетронутым. Если ошибка останется незамеченной, неисправная деталь может оказаться на рынке или вызвать повреждение на более поздних этапах производства.
На западе Edge AI уже занял свою нишу - от виртуальных помощников, распознавания лиц, повышения безопасности, промышленного интернета вещей, неотложной медицинской помощи до автономных транспортных средств. Список юз-кейсов растет с каждым днем.
В России в ближайшие пару лет тоже наступит время, когда Edge AI превратится в традиционную технологию. Центр ИИ МТС намерен стать драйвером этого процесса: инвестировав в американский стартап Kneron, мы получили эксклюзивный доступ к технологии, которой пока нет в России. Сейчас мы работаем над созданием ИИ-платформы, которая поможет компаниям оперативно создавать ИИ-чипы, подходящие для разных устройств. С помощью платформы любой бизнес-клиент сможет быстро реализовать проект и вывести его на рынок. Не нужно будет тратить время и ресурсы на разработку платы для чипа, написание специального ПО, обучение нейросети для ИИ-чипа и тд. Мы создадим своеобразный конструктор из всех инструментов, которые понадобятся для того, чтобы вставить ИИ-чип в любое устройство.
В каких отраслях может применяться технология? Кто ее основной потребитель?
Основной потребитель - мы с вами, конечно. Прямо или косвенно. Если говорить об отраслях, то интересные решения есть в области медицины, сельского хозяйства, образования, промышленности, контроля качества, безопасности.
На мой взгляд, технология Edge AI особенно полезна в производственном секторе. Один из самых многообещающих вариантов использования Edge AI - это контроль качества производства и продукции. Камеры с ИИ-чипами могут обнаружить даже самые незначительные отклонения качества, которые почти невозможно заметить человеческим глазом.
Автоматизация производства требует расширенной аналитики, например, для прогнозирования отказов оборудования. Анализ данных с датчиков и обнаружение отклонений в режиме, близком к реальному времени, позволяет отключить устройство до того, как оно сломается. Это может спасти компанию от серьезных повреждений оборудования или даже травм.
Еще один перспективный сегмент – розничная торговля. Крупные розничные сети давно занимаются аналитикой. Чаще всего она основана на анализе совершенных покупок, то есть на данных о чеках. Хотя с помощью этого метода можно достичь хороших результатов, данные чеков не могут рассказать всего. Они не сообщают, как люди перемещаются по магазину, насколько они счастливы, где они останавливаются, чтобы посмотреть продукты и т. д. Видеоаналитика анализирует полностью анонимные данные, извлеченные из видеоизображения, и обеспечивает понимание покупательского поведения людей, что может улучшить обслуживание клиентов и опыт покупок в целом.
Интересные решения могут быть разработаны и для агротеха. Например, удобрение растений в промышленных теплицах с помощью Edge AI. Если есть задача положить разные виды удобрений в разном количестве под разные растения, ее может решить устройство полива с умной камерой. Она поймет, какое растение перед ней, большое оно или маленькое, сколько ему нужно удобрений.
Edge AI подойдет и для разработки решений для умного дома и умного города. Умный замок с AI-чипом отличает хозяина дома от непрошенных гостей. Замок откроется сам, когда придет авторизованный пользователь и возьмется за ручку двери. Умное устройство в состоянии отличить живого человека от фотографии и может “видеть” в любых условиях.
В умном городе, например, AI-чипы можно применять в беспилотных автомобилях или умных светофорах (когда светофор знает, сколько пешеходов ждет зеленого сигнала и включает зеленый свет в зависимости от этого).
Каковы точки роста этой технологии в ближайшие годы?
Думаю, мы увидим больше решений для умного дома и умного города. В промышленности будут расти направления контроля качества бизнес-процессов и безопасности производства.
Каковы ваши рекомендации для ИТ-руководителей, которые внедряют решения на основе edge computing в своих компаниях?
Первая рекомендация - ликвидировать безграмотность в технологиях машинного обучения. Если уже есть решения с функционалом машинного обучения, реализованного в облаке или на сервере, то вынести аналитику на конечные устройства может быть экономически выгодно. Обращать внимание нужно на возможности масштабирования, нюансы, связанные со стоимостью поддержки таких решений сейчас и через 2-3 года. Стоит это реализовать, если руководители хотят сделать свой бизнес более эффективным.
Беседовала Наталья Горова
Читать еще:
https://globalcio.ru/discussion/15686/
