Dynabooks Nordenchef Kenni Ramsell diskuterar hur AI och edge går hand i hand. Debatten diskuterar bland annat att Edge-AI är nästa stora grej inom AI och att tech-giganterna redan insett det:
Edgelösningar blir den stora möjliggöraren för AI eftersom den löser flera stora problem. Det ställer krav på både lagring och bearbetning av data direkt i de enheter som finns ute i kanten av nätverken.
Enligt Gartner är det bara tio procent av alla data på företag som skapas och hanteras utanför traditionella datacenter och molntjänster i dag. Enligt det kända analysföretaget kommer det att vara hela 75 procent redan 2025. Det handlar framför allt om så kallade edgelösningar, till exempel stora IoT-installationer.
Redan om två år förutspås 74 procent av alla data som behöver analyseras och hanteras att finnas i edgelösningar. Det gäller även data som genereras av AI-kapabla enheter. Edge-AI är nästa stora grej inom AI och de stora teknikföretagen har insett det. Tidigare i år lanserade till exempel Intel och Udacity gemensamt en satsning på utbildning av utvecklare vad gäller edge-AI.
Den här utvecklingen är en fortsättning på rådande trender. AI-implementationer på företag har ökat med 270 procent de senaste fyra åren, enligt Gartner. Företag förutspås spendera 30 procent av sina IT-budgetar på edgelösningar under de kommande tre åren, enligt Analysys Mason. Deloitte förutspår att 750 miljoner chipp för edge-AI, utformade för maskininlärning, kommer att säljas i år.
AI är ett av de viktigaste användningsfallen för edgelösningar och edgelösningar är en viktig möjliggörare för AI. En enkel förklaring till det här är att edgelösningar gör det möjligt att hantera problem med bandbredd, fördröjningar, säkerhet och kostnader för AI-tillämpningar.
För att uttrycka det enkelt slipper man föra över en himla massa data till centrala datacenter och molntjänster. Det är inte minst viktigt för att kunna minimera fördröjningar. Om AI som beslutsstöd ska fungera optimalt så bör det användas i realtid, eller så nära realtid som det går. Därför är det av yttersta vikt att minimera fördröjningar (latency).
Även vad gäller personlig integritet bidrar edgelösningar, eftersom känsliga data inte behöver föras över till molnet eller till centrala datacenter. Det innebär minskad risk för att de ska komma på villovägar. Användningen av edgelösningar ger valfrihet. Data för bearbetningar som inte är tidskänsliga eller integritetskänsliga kan vid behov föras över till molntjänster. Andra data kan hanteras direkt i edgeenheter.
Slutsatsen av det här är att när datavolymer fortsätter växa exponentiellt så finns det ett stort behov av lagring och bearbetning av data direkt i edgeenheter, som till exempel olika sensorer och kopplingsenheter (nav, hubbar). Ytterligare ett exempel är minidatacenter som finns nära användare med mobiltelefoner. Det inbegriper de vanliga kraven på prestanda, personlig integritet och säkerhet.
Företag som vill dra full nytta av data och AI behöver lära sig mer om edgeteknik och se över sina teknikinvesteringar. En sak är säker: det är ute i kanten av nätverken som AI kommer att ta ordentlig fart.”
– Kenni Ramsell, Nordenchef Dynabook –
