فعالية AI & Big Data Expo: استكشاف إمكانات الذكاء الاصطناعي على أجهزة Edge
منصة الذكاء الاصطناعي – متابعات
في مقابلة أجريت خلال فعالية AI & Big Data Expo، ناقش أليساندرو غراندي، رئيس المنتج في Edge Impulse، قضايا تطوير نماذج التعلم الآلي لأجهزة الحوافز المحدودة الموارد وكيفية التغلب عليها.
خلال النقاش، قدم غراندي وجهات نظر مميزة حول التحديات الحالية، وكيفية مساعدة Edge Impulse في التعامل مع هذه الصعوبات، والوعود الهائلة للذكاء الاصطناعي داخل الأجهزة.
التحديات الرئيسية لاعتماد الذكاء الاصطناعي في الحوافز
أبرز غراندي ثلاثة نقاط رئيسية يواجهها الشركات عند محاولتها تجميع نماذج التعلم الآلي على الأجهزة الحافة، وتشمل صعوبات تحديد استراتيجيات جمع البيانات الأمثل، ونقص الخبرة في مجال الذكاء الاصطناعي، وعراقيل التواصل المتعددة التخصصات بين فرق الأجهزة الأساسية والبرامج الثابتة وعلوم البيانات.
“كثير من الشركات التي تبني أجهزة الحوافز ليست معتادة تمامًا على التعلم الآلي”، يقول غراندي. “والتحدي الثالث هو توحيد تلك العوالم معًا، والتواصل بين الفرق وقدرتها على تبادل المعرفة والعمل باتجاه تحقيق نفس الأهداف”.
استراتيجيات لنماذج نحيلة وفعالة
عند سؤاله عن كيفية تحسين البيئات الحافة، أكد غراندي ضرورة تقليل البيانات المطلوبة من الحساسات.
“نرى العديد من الشركات تكافح مع مجموعة البيانات. ما هي البيانات المكفية، وما هي البيانات التي يجب جمعها، ومن أي حساسات يجب جمع البيانات. وهذا أمر صعب جدًا”، يوضح غراندي.
تساعد تحديد هياكل الشبكات العصبية الفعالة، بالإضافة إلى تقنيات الضغط مثل التمايز لتقليل الدقة بدون التأثير بشكل كبير على الدقة. يجب دائمًا موازنة قيود الحساسات والأجهزة مع متطلبات الوظائف والاتصالات ومتطلبات البرامج.
تهدف Edge Impulse إلى تمكين المهندسين من التحقق والتحقق من النماذج بأنفسهم قبل التنفيذ باستخدام مقاييس التقييم الشائعة في التعلم الآلي، مما يضمن الموثوقية ويسرع من وقت الاستخدام. تتكامل منصة التطوير من البداية إلى النهاية بسلاسة مع جميع منصات السحابة الرئيسية والتعلم الآلي.
الإمكانات الثورية للذكاء الاصطناعي داخل الأجهزة
أبرز غراندي المنتجات المبتكرة التي تستغل بالفعل الذكاء الاصطناعي الحافة لتوفير رؤى صحية شخصية دون الاعتماد على السحابة، مثل تتبع النوم باستخدام حلقة Oura.
“تم بيع أكثر من مليار قطعة، وهو شيء يمكن للجميع تجربته والحصول على فهم حقيقي لقوة الذكاء الاصطناعي الحافة”، يوضح غراندي.
توجد فرص مثيرة أخرى فيما يتعلق بصيانة الصناعات الوقائية من خلال اكتشاف الشوائب في خطوط الإنتاج.
في النهاية، يرى غراندي إمكانات ضخمة للذكاء الاصطناعي داخل الأجهزة لتعزيز الفائدة والاستخدامية في الحياة اليومية. بدلاً من مجرد البيانات الخام، يمكن للأجهزة الحافة تفسير إشارات الحساسات لتوفير اقتراحات قابلة للتنفيذ وتجارب متجاوبة لم يكن ممكنًا في السابق، مما يعني تكنولوجيا أكثر فائدة وتحسين جودة الحياة.
تتوقف إمكانات الذكاء الاصطناعي على الأجهزة الحافة على تجاوز العقبات الحالية التي تعيق التبني. قدم غراندي وخبراء رئيسيون آخرون رؤى عميقة في AI & Big Data Expo لهذا العام حول كيفية تجاوز العقبات وإطلاق إمكانات الذكاء الاصطناعي في الحوافز بالكامل.
“أود أن أرى عالمًا يكون فيه الأجهزة التي نتعامل معها فعلًا أكثر فائدة بالنسبة لنا”، يختتم غراندي.
هذا المحتوى تم بمعرفة وحدة الذكاء الاصطناعي.
