“边缘AI” 是边缘计算的主要目的之一。这种边缘AI是实现物联网中非常重要的关键技术之一，其普及范围正在扩大。在这里，我们将介绍什么是边缘AI，与云AI有何不同，边缘AI为何备受关注，以及边缘AI的一些具体例子。
什么是 Edge AI
边缘AI是将人工智能放在边缘服务器上。可以说，这是一种平衡速度优势和人工智能优势的技术，这两者是边缘计算的优势。
人工智能的优势在于，它可以自动执行一旦学习就无法标准化的任务。换句话说，它可以实现普通计算机（冯·诺伊曼计算机）无法完成的处理。这种无法标准化的工作，可以说是人类迄今为止所做工作的一个特点。在过去，有几种类型的人工智能，例如专家系统，但近年来，其中大多数都是使用神经网络（深度学习）对大约14到20层进行深度学习。
据信，通过将典型的工作做成人工智能，有可能弥补熟练工程师的短缺。从不同的角度来看，可以说，熟练工程师的判断力和经验转移到了人工智能上。具体的例子包括提前预测设备故障和部件更换时间的 “预测性维护”，以及检查产品的 “图像处理”。
熟练的技术人员在长期的经验中进行了 “学习”，并根据经验培养的直觉来判断产品的好坏，何时更换零件等。可以说，智能工厂和物联网的最终目标之一是通过将这些经验和判断转移到人工智能，在不降低检查和维护质量的情况下节省劳动力。
边缘 AI 和云 AI 之间的区别
另一方面，云AI是将人工智能放在云服务器上。Cloud AI 的缺点是处理速度很慢，因为边缘服务器和云服务器之间总是通过网络进行通信。
另一方面，如果你将AI放在边缘服务器上，则只能在边缘服务器上完成处理，你只需要将分析结果和预测结果发送到云端服务器即可。因此，它具有比云AI更快的处理速度的优势，云AI需要对每个过程进行通信。
另一方面，当学习工作更容易且发生新事件时，可以处理大量信息的云AI将更易于处理。换句话说，云 AI 更加灵活。另外，需要注意的是，边缘服务器的资源是有限的，边缘AI的人工智能规模（神经网络的规模）也很有限。
综上所述，可以说，最佳的系统配置基本上是准备边缘AI和云AI，使用云AI进行学习，并将学习结果发送到边缘AI。具体而言，云AI首先使用大量信息进行学习，当学习进展到一定程度时，学习结果将发送到边缘AI。而获得学习结果的边缘 AI 会执行实际处理。然后，将边缘AI判断为有缺陷的分析结果发送到Cloud AI，用于使用Cloud AI进行重新学习，并将学习结果返回给边缘AI。通过重复这一系列的过程，可以提高检查产品时缺陷产品的检测率。
为什么 Edge AI 备受关注
随着Edge AI的引入，“现场发现和现场分析” 将成为可能。换句话说，与云AI相比，异常发生/检测/分析/通知可以毫不延迟地高速执行。这是边缘AI引起关注的最大原因。在需要以毫秒为单位进行处理的领域，例如汽车（自动驾驶）和生产系统，这是一项特别有效的技术。
在自动驾驶领域，可以想象将有经验的驾驶员的判断和经验转移到生产系统领域熟练工程师的判断和经验，以及Edge AI。此外，当生产设备出现问题并进行紧急停止时，边缘AI将在处理速度方面占据优势。这两个领域的专家都短缺，边缘AI被视为解决问题的有效手段。
边缘 AI 的具体示例
那么，使用边缘 AI 的一些具体例子有哪些？
以质量检查为例，在过去的人工检查中，通常采用 “对产品的目视检查”-> “对视觉可视化图像的判断”-> “好/坏的判断” 的流程。在这个 “判断” → “通过/失败判断” 部分中，熟练的技术人员使用 “大脑” 做出判断。另一方面，在近年来使用自动检测技术的质量检查中，采取了 “用相机拍摄产品”-> “判断拍摄的图像”-> “判断好/坏的判断” 的流程。那么，可以想象在 “对拍摄图像的判断” → “判断好/坏的判断” 部分使用人工智能而不是熟练技术人员的 “大脑”。
在云服务器或边缘服务器上部署人工智能的决定应根据检查是否需要处理速度来做出。例如，如果批量生产不允许有时间对每种产品进行质量检查，则Edge AI可能是合适的。另一方面，如果质量检查需要时间，而您只想节省人力，那么使用云AI代替边缘AI就足够了。
接下来，让我们来看看故障预测（预测性维护）。在这里，熟练的技术人员从 “感觉到设备的声音或振动” → “注意到这些变化” → “考虑自上次故障以来的时间” → “判断” 等流程中推断出故障迹象。人们认为你正在这样做。因此，如果安装在设备中的传感器捕捉到声音和振动的变化，考虑计时器等时间，并使用人工智能做出综合判断，则理论上可以将其替换为人工智能。（实际上，有 “学习” 的问题和各种小问题。解决这些问题可以说是生产工程部门技能的展示。）
在这种情况下，如果从预测故障到发出警报的时间尽可能短，则更容易制定后续的响应计划（这称为 “维护计划”）。因此，有可能引入边缘AI，这在速度方面具有优势，从而腾出时间制定维护计划。
此外，引入人工智能需要 “学习”，但是这种 “学习” 通常需要熟练的工程师的经验。因此，退休年龄在该领域的熟练技术人员的最终工作很可能越来越多地是将他的经验委托给人工智能。
边缘 AI 是应对工程师短缺的有效手段之一
到目前为止，我们已经概述了边缘AI。Edge AI 是一项旨在尽快实现人工智能优势的技术。在老式的生产线中，生产工程师一直在生产线上，他们根据自己的经验和直觉维护生产线。现在，这些生产工程师供不应求，如果能够成功地将判断和经验转移到人工智能上，边缘AI可以成为解决劳动力短缺问题的有效方法之一。
