“边缘 AI “是边缘 计算的主要目的之一。这种边缘 人工智能是实现物联网的非常重要的关键技术之一，其传播范围正在扩大。在这里，我们将介绍什么是边缘 人工智能，与云人工智能有什么不同，为什么边缘 人工智能会引起人们的关注，以及一些具体的边缘 人工智能的例子。
什么是边缘 AI
边缘 人工智能就是把人工智能放在边缘 服务器上。可以说，它是一种平衡速度优势和人工智能优势的技术，这也是边缘 计算的优势所在。
人工智能的优势在于，一旦学会，它可以自动执行无法标准化的任务。换句话说，它能实现普通计算机（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，人工智能有几种类型，如专家系统，但近年来大多数是使用神经网络（深度学习）的约14至20层的深度学习。
人们认为，通过使典型工作的人工智能化，有可能弥补熟练工程师的不足。从另一个角度来看，可以说是将熟练工程师的判断力和经验转移到人工智能上。具体例子包括提前预测设备故障和零件更换时间的 “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”，根据经验培养出来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给人工智能，在不降低检测和维护质量的情况下节省劳动力。
边缘 人工智能和云人工智能之间的差异
另一方面，云人工智能是把人工智能放在云服务器上。云人工智能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，如果你把人工智能放在边缘 服务器上，处理将只在边缘 服务器上完成，你只需要把分析结果和预测结果发送到云服务器上。为此，它比云端人工智能具有处理速度快的优势，因为云端人工智能的每个过程都需要通信。
另一方面，云人工智能，可以处理大量的信息，当学习工作更容易和新事件发生时，将更容易处理。换句话说，云人工智能更加灵活。另外，应该注意的是，边缘 服务器的资源是有限的，边缘 人工智能的规模（神经网络的规模）也是有限的。
从以上可以看出，最佳的系统配置基本上是同时准备好边缘 AI和云AI，用云AI进行学习，并将学习结果发送到边缘 AI。具体来说，云端AI首先使用大量的信息进行学习，当学习进展到一定程度时，将学习结果发送给边缘 AI。而得到学习结果的边缘 AI则进行实际处理。然后，由边缘 AI判断为有缺陷的分析结果被发送到云端AI，由云端AI进行重新学习，并将学习结果返回给边缘 AI。通过重复这一系列过程，可以在检查产品的过程中提高缺陷产品的检测率。
为什么边缘 人工智能正在引起人们的关注
随着边缘 人工智能的引入，”现场发现和现场分析 “将可以高速实现。换句话说，与云人工智能相比，异常的发生/检测/分析/通知可以高速进行，没有延迟。这是边缘 人工智能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，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司机的判断和经验转移到生产系统领域的熟练工程师的判断和经验，并转移到边缘 AI。此外，当生产设备出现问题并进行紧急停车时，边缘 人工智能将在处理速度方面具有优势。这两个领域都缺乏专家，而边缘 AI被视为解决问题的有效手段。
边缘 AI的具体例子
那么，有哪些使用边缘 AI的具体例子呢？
以质量检验为例，在过去由人类进行的检验中，通常采取 “对产品进行目测”->”对目测图像进行判断”->”好/坏判断 “的流程。在这个 “判断”→”合格/不合格判断 “的部分，熟练的技术人员用 “大脑 “进行判断。另一方面，在近年来使用自动检测技术的质量检测中，采取的是 “用相机拍摄产品”->”判断拍摄图像”->”好/坏判断 “的流程。那么，在 “判断拍摄图像”→”好/坏判断 “部分，用人工智能代替熟练技师的 “大脑 “是可以想象的。
应根据检查是否需要处理速度来决定将人工智能放在云服务器或边缘 服务器上。例如，如果大规模生产不允许有时间对每个产品进行质量检查，边缘 人工智能可能适合。另一方面，如果质量检查需要时间，而你只是想节省劳动力，那么云端人工智能就足够了，而不是边缘 。
接下来，让我们来看看故障预测（预测性维护）。在这里，熟练的技术人员从流程中推断出故障的迹象，例如，”感觉到设备的声音或振动”→”注意到那些变化”→”考虑到上次故障后的时间”→”判断”。认为是自己在做。因此，如果安装在设备上的传感器能捕捉到声音和振动的变化，考虑到计时器的时间等，并利用人工智能进行综合判断，理论上是可以用人工智能代替的。(在现实中，存在着 “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的技能展示）。
在这种情况下，如果从预测故障到发出警报的时间越短越好，那么制定后续响应计划（这被称为 “维护计划”）就越容易。因此，有可能引入边缘 人工智能，这在速度上是有优势的，可以为制定维护计划赢得时间。
此外，引进人工智能还需要 “学习”，但这种 “学习 “往往需要熟练的工程师的经验。因此，在退休年龄时，该领域的熟练技术人员的最终工作很可能是越来越多地将其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。边缘 人工智能是一种旨在尽可能快地实现人工智能的好处的技术。在老式的生产线上，生产工程师总是在生产线上，他们根据自己的经验和直觉来维护生产线。现在，这些生产工程师供不应求，如果判断力和经验能够成功转移到人工智能上，边缘 人工智能可以成为解决劳动力短缺问题的有效办法之一。
