“Le siteEdge AI est l’un des principaux objectifs de la Commission européenne. edge computing. Cette edge AI est l’une des technologies clés très importantes dans la réalisation de l’IoT, et sa diffusion s’étend. Nous allons présenter ici ce qu’est l’IA edge , ce qui la différencie de l’IA cloud , pourquoi l’IA edge attire l’attention, et quelques exemples concrets d’IA edge .
Qu’est-ce que Edge AI
Edge L’IA consiste à mettre de l’intelligence artificielle sur un serveur edge . On peut dire qu’il s’agit d’une technologie permettant d’équilibrer les avantages de la vitesse et les avantages de l’intelligence artificielle, qui sont les avantages de… edge computing.
L’avantage de l’intelligence artificielle est qu’elle peut effectuer automatiquement des tâches qui ne peuvent pas être standardisées une fois qu’elle est apprise. En d’autres termes, elle permet d’effectuer des traitements qui ne peuvent être réalisés par un ordinateur normal (ordinateur Von Neumann). On peut dire que ce genre de travail qui ne peut pas être standardisé est une caractéristique du travail que les humains ont fait jusqu’à présent. Autrefois, il existait plusieurs types d’intelligence artificielle, tels que les systèmes experts, mais ces dernières années, la plupart d’entre eux ont fait appel à l’apprentissage profond d’environ 14 à 20 couches à l’aide de réseaux neuronaux (deep learning).
On pense qu’en faisant d’un travail typique une intelligence artificielle, il est possible de pallier la pénurie d’ingénieurs qualifiés. D’un autre point de vue, on peut dire que le jugement et l’expérience des ingénieurs qualifiés sont transférés à l’intelligence artificielle. Parmi les exemples concrets, citons la “maintenance prédictive”, qui prévoit à l’avance les défaillances des équipements et le moment du remplacement des pièces, et le “traitement d’images”, qui inspecte les produits.
Les techniciens qualifiés ont mené un “apprentissage” sur une longue période d’expérience, et ont jugé si le produit est bon ou mauvais, quand remplacer les pièces, etc. en se basant sur l’intuition cultivée par l’expérience. On peut dire que l’un des objectifs ultimes des usines intelligentes et de l’IdO est d’économiser de la main-d’œuvre sans dégrader la qualité de l’inspection et de la maintenance en transférant ces expériences et ces jugements à l’intelligence artificielle.
Différences entre Edge AI et Cloud AI
D’autre part, cloud AI consiste à mettre de l’intelligence artificielle sur un serveur cloud . L’inconvénient de cloud AI est que la vitesse de traitement est lente car la communication est toujours effectuée entre le serveur edge et le serveur cloud via le réseau.
En revanche, si vous placez AI sur le serveur edge , le traitement ne sera achevé que sur le serveur edge , et il vous suffira d’envoyer le résultat de l’analyse et le résultat de la prédiction au serveur cloud . Pour cette raison, il a l’avantage d’une vitesse de traitement plus rapide que cloud AI, qui nécessite une communication pour chaque processus.
En revanche, l’IA cloud , qui peut traiter une énorme quantité d’informations, sera plus facile à gérer lorsque le travail d’apprentissage est plus aisé et que de nouveaux événements surviennent. En d’autres termes, cloud AI est plus flexible. Il convient également de noter que les ressources du serveur edge sont limitées, et que la taille de l’intelligence artificielle de edge AI (l’échelle du réseau neuronal) est également limitée.
D’après ce qui précède, on peut dire que la meilleure configuration du système consiste essentiellement à préparer à la fois edge AI et cloud AI, à effectuer l’apprentissage avec cloud AI et à envoyer les résultats de l’apprentissage à edge AI. Plus précisément, cloud AI commence par apprendre en utilisant une énorme quantité d’informations, et lorsque l’apprentissage progresse dans une certaine mesure, les résultats de l’apprentissage sont envoyés à edge AI. Et l’IA edge qui a obtenu le résultat de l’apprentissage effectue le traitement réel. Ensuite, le résultat de l’analyse jugé défectueux par Edge AI est envoyé à Cloud AI, qui est utilisé pour réapprendre avec Cloud AI, et le résultat de l’apprentissage est renvoyé à Edge AI. En répétant cette série de processus, il est possible d’améliorer le taux de détection des produits défectueux au fur et à mesure de l’inspection du produit.
Pourquoi Edge AI attire l’attention
Avec l’introduction de Edge AI, la “découverte sur site et l’analyse sur site” seront possibles à grande vitesse. En d’autres termes, l’apparition, la détection, l’analyse et la notification des anomalies peuvent être effectuées à grande vitesse et sans délai par rapport à cloud AI. C’est la principale raison pour laquelle edge AI attire l’attention. Il s’agit d’une technologie particulièrement efficace dans les domaines qui nécessitent un traitement en millisecondes, comme l’automobile (conduite automatisée) et les systèmes de production.
Dans le domaine de la conduite autonome, il est concevable de transférer le jugement et l’expérience de conducteurs expérimentés au jugement et à l’expérience d’ingénieurs qualifiés dans le domaine des systèmes de production, et à Edge AI. En outre, l’IA edge sera avantageuse en termes de vitesse de traitement lorsqu’un problème survient dans un équipement de production et qu’un arrêt d’urgence est effectué. Il y a une pénurie d’experts dans ces deux domaines, et edge AI est considéré comme un moyen efficace de résoudre les problèmes.
Exemples spécifiques de edge AI
Ensuite, quels sont les exemples concrets d’utilisation de l’IA edge ?
Si l’on prend l’exemple de l’inspection de la qualité, dans les inspections passées effectuées par des humains, il était courant de prendre le flux “inspection visuelle du produit”-> “jugement de l’image visualisée visuellement”-> “jugement bon / mauvais”. Dans cette partie “jugement” → “jugement bon / mauvais”, un technicien qualifié émet un jugement en utilisant le “cerveau”. D’autre part, dans l’inspection de qualité utilisant la technologie d’inspection automatique de ces dernières années, le flux de “prise de vue du produit avec une caméra”-> “jugement de l’image prise”-> “bon / mauvais jugement” est pris. Ensuite, il est concevable d’utiliser l’intelligence artificielle à la place du “cerveau” d’un technicien qualifié dans la partie “jugement de l’image capturée” → “bon / mauvais jugement”.
La décision de placer l’intelligence artificielle sur un serveur cloud ou un serveur edge doit être prise en fonction de la vitesse de traitement requise par l’inspection. Par exemple, si la production de masse ne laisse pas le temps d’inspecter la qualité de chaque produit, Edge AI peut convenir. En revanche, si l’inspection de la qualité prend du temps et que vous souhaitez simplement économiser de la main-d’œuvre, cloud AI suffira au lieu de edge AI.
Ensuite, examinons la prédiction des pannes (maintenance prédictive). Ici, un technicien compétent déduit un signe de défaillance à partir du flux de, par exemple, “sentir le son ou les vibrations de l’appareil” → “remarquer ces changements” → “considérer le temps écoulé depuis la défaillance précédente” → “jugement”. C’est par la pensée que vous le faites. Par conséquent, si le capteur installé dans l’appareil capte les changements de son et de vibration, considère le temps à partir d’une minuterie, etc. et effectue un jugement complet en utilisant l’intelligence artificielle, il est théoriquement possible de le remplacer par l’intelligence artificielle. (En réalité, il existe des problèmes d'”apprentissage” et divers petits problèmes. On peut dire que la résolution de ces problèmes est une vitrine de la compétence du département d’ingénierie de production).
Dans ce cas, il est plus facile d’établir un plan d’intervention ultérieur (appelé “plan de maintenance”) si le délai entre la prévision d’une défaillance et l’émission d’une alarme est aussi court que possible. Par conséquent, il peut être possible d’introduire edge AI, qui est avantageux en termes de vitesse, pour gagner du temps pour établir un plan de maintenance.
En outre, il faut “apprendre” pour introduire l’intelligence artificielle, mais cet “apprentissage” nécessite souvent l’expérience d’un ingénieur qualifié. Il est donc probable que le dernier travail d’un technicien qualifié sur le terrain à l’âge de la retraite sera de plus en plus de confier son expérience à l’intelligence artificielle.
Edge L’IA est l’un des moyens efficaces de faire face à la pénurie d’ingénieurs
Jusqu’à présent, nous avons décrit Edge AI. Edge L’IA est une technologie conçue pour concrétiser les avantages de l’intelligence artificielle le plus rapidement possible. Dans la ligne de production à l’ancienne, les ingénieurs de production étaient toujours sur la ligne de production, et ils maintenaient la ligne en se basant sur leur expérience et leur intuition. Maintenant que ces ingénieurs de production sont en nombre insuffisant, edge L’IA peut être l’une des solutions efficaces au problème de la pénurie de main-d’œuvre si le jugement et l’expérience peuvent être transférés avec succès à l’intelligence artificielle.
