2021-12-30 16:04:08
隨著移動終端和物聯網設備的高度普及，如何有效地在資源有限的終端設備中部署深度學習模型，使智能更接近用戶，解決人工智能著陸的最後一公裏問題引起了業界的高度關注。
集中處理數據的缺點。
無論在任何地方，智能設備都能提供關鍵的物理數據，這些數據通過雲處理和分析，都能獲得改進我們生活和工作的重要指南。但如果所有數據都集中在雲中存儲和處理，則面臨以下問題。
更多的數據管理導致在有限的資源上花費更多的成本。
將數據發送到雲端會導致延遲，限制某些應用程序的有效性。
變換信息會帶來隱私和安全風險，智能設備在家中或辦公室收集的數據會顯示大量的信息，甚至包括個人隱私，對信息安全構成威脅。
邊緣智能的優勢。
隨著收集數據並將數據轉換為雲處理的物聯網設備數量的增加，邊緣智能應運而生。在邊緣計算的基礎上，邊緣智能訓練和部署了更加靠近網絡端用戶和數據源的深度學習模型，從而改善人工智能應用的性能、成本和隱私。
作為雲計算向網絡邊緣和最終用戶的擴展，邊緣計算使計算資源和服務從離用戶遠的雲層沉入網絡邊緣，有效降低了網絡延遲和帶寬消耗，增強了隱私保護。相對於傳統應用而言，新興的人工智能應用，如視頻分析、圖象及語音識別技術，在計算和數據處理方面有更高的計算密度和隱私保護。基於這一點，邊緣智能技術的應用也日益迫切，並迅速進入到發展的階段。
應用邊緣智能。
更好的互動體驗：大多數人類的交流不僅僅是通過語言傳達的。語音、面部表情、手勢等等都是我們用來相互溝通或理解的方式。在物聯網設備中使用智能邊緣技術，將會更有效地傳遞這些信號給用戶，進而形成更好的交互體驗enjoy卡優惠。
提高安全性：通過對智能家居的培訓，可以識別危險信號，如警報響起、人員突然摔倒、玻璃破裂或水龍頭滴水等。它可以感知問題並警告用戶做出相應的反應。
簡而言之，邊緣智能是物聯網設備更複雜、友好、安全應用的基礎。邊緣智能物聯網設備的應用將為我們打開人機交互的新局面。
精選文章：
