(این نوشتار خلاصه‌ای از موضوعات مطرح شده در لینکی است که در انتها آمده است. متن کامل این مقاله در لینک مذکور موجود است).

تاخیر ۱/۵ ثانیه‌ای در انتقال داده‌ها به محیط رایانش ابری، تحلیل آنها و ارایه‌ی نتایج، می‌تواند به زمانی در حد ۱۰ تا ۱۵هزارم ثانیه کاهش یابد. تحولی که استفاده از فن‌آوری هوش مصنوعی را در بسیاری از کاربردهای جدید مانند خودروهای بدون راننده را ممکن می‌سازد.

در سال‌های آینده، حرکت به سمت «تمرکز زدایی» با به‌کارگیری «پردازش بر روی لبه» شتاب قابل توجهی خواهد گرفت. ترکیب این روش و فن‌آوری هوش مصنوعی، امکاناتی را ممکن می‌سازد که در گذشته تنها در داستان‌های علمی – تخیلی متصور بوده‌اند.

معرفی پردازش روی لبه و لبه‌های هوشمند

در رایانش ابری، داده‌ها از منابع مختلف گردآوری شده و بر روی ابر داده‌ای ذخیره و سپس پردازش می‌شوند. پردازش روی لبه، فعالیت پردازش و تحلیل را به دستگاه‌های محل تولید و انتشار داده‌ها انتقال می‌دهد. در ادامه‌ی چنین حرکتی، «لبه های هوشمند» از طریق پیاده‌سازی فن‌آوری هوش مصنوعی بر روی همان ماشین‌های محل تولید داده‌ها ایجاد می‌شود. نمونه‌هایی از کاربردهای گسترده‌ی لبه‌های هوشمند موارد ذیل هستند:

– خودروهای بدون راننده. خودروهای نسل حاضر داده‌های حرکتی و محیطی را جمع‌آوری نموده و از طریق ارتباطات بی‌سیم آنها را به انباره‌های داده در ابرهای داده‌ای ارسال می‌کنند تا نتایج پردازش آنها را دریافت نمایند. برای خودرویی که با سرعت ۹۰ کیلومتر در حرکت است، یک تاخیر ۱/۵ ثانیه ای به معنی چهل متر حرکت در انتظار تصمیم مناسب است. با انتقال بخش پردازش داده‌ها و تصمیم‌سازی بر روی سخت افزار تعبیه شده بر روی اتومبیل‌ها، این تاخیر به کسر کوچکی از ثانیه کاهش می‌یابد.

– نظارت بر سلامتی بیماران. جمع‌آوری و انتقال داده‌های حیاتی بیماران به ابرهای داده، دو پیامد کاهش سرعت تصمیم‌گیری و مشکلات حریم خصوصی بیماران را به دنبال دارد. انتقال قدرت پردازش و هوشمندی به سخت‌افزارهای استفاده شده در بیمارستان‌ها، هر دو مشکل را از میان برمی‌دارد.

– بهبود و تعمیرات پیش‌گیرانه. تمامی استفاده‌کنندگان از ماشین‌آلات و سخت‌افزارهای متنوع، همواره در آرزوی امکان تشخیص به‌موقع نوبت تعمیر و نگهداری تجهیزات خود بوده‌اند. پروتکل‌های ارتباطی متفاوت، امکانات دسترسی سریع و انتقال داده‌ها نمونه‌هایی از مشکلات آنها در انجام این مهم بوده و هست. لبه‌های هوشمند، امکان بررسی و تحلیل بلادرنگ داده‌ها و اقدامات لازم در اختیار صاحبان تجهیزات قرار می‌دهد.

اجزای زیست بوم لبه‌های هوشمند

پردازش لبه‌ای

انتقال پردازش به نزدیکترین میزان ممکن به محل انتشار داده‌ها مفهوم جدیدی نیست. شبکه‌های توزیع محتوا (CDN)، پردازش شبکه‌ای (Grid Computing) یا زنجیره‌های بلوکی همه نمونه‌هایی از پیاده‌سازی همین مفهوم هستند. در میان مزایای واضح این روش می‌توان از امنیت افزونه، کاهش تاخیر پردازش، کاهش هزینه‌ی انتقال داده‌ها و اطمینان به صحت کار سخت‌افزار در صورت قطع ارتباطات شبکه‌ای نام برد.

هوش مصنوعی لبه‌ای

با نگاهی به امکان اجرای فعالیت‌های هوش مصنوعی بر روی لبه‌های تولید و انتشار داده‌ها، تولید پردازنده‌هایی که امکان پردازشی فوق‌العاده بالایی دارند اوج گرفته است. یک نمونه‌ی واضح، پردازنده‌ی A11 قرارگرفته روی تلفن‌های همراه شرکت Apple است که امکان ششصد میلیارد پردازش در ثانیه را با هدف ارایه‌ی خدماتی مانند تشخیص بلادرنگ چهره در اختیار قرار می‌دهد.

تجهیزات استفاده شده در لبه‌ها

سخت‌افزارهای استفاده شده در لبه‌ها ویژگی‌هایی دارند که آنها را به انتخاب مناسبی برای این هدف تبدیل می‌نمایند. حسگرهای افزونه‌ای که امکان دریافت و «درک» داده‌ها را به صورت موثرتر در اختیار سیستم قرار می‌دهند و امکان ذخیره‌سازی حجم بسیار زیادی از داده‌ها نمونه‌هایی از این ویژگی‌ها هستند. این سخت‌افزارها، در کنار یک امکان ارتباط شبکه‌ای برای انتقال داده‌ها و یک واحد نگهداری و پردازش مرکزی داده‌ها، زیست بوم لبه‌های هوشمند را تکمیل می‌نماید.

تعداد بسیاری از کاربردهای متنوع در صنایع مختلف، از امکان جراحی از راه دور توسط یک ربات گرفته تا مدیریت بلادرنگ بهینه‌ی حمل و نقل شهری در انتظار همه‌گیر شدن لبه‌های هوشمند هستند تا با به‌کارگیری آنها بتوانند نیازهای جوامع آینده را برآورده نمایند. همانند دیگر فن‌آوری‌ها، شروع استفاده از این فن‌آوری نیز به افزایش شتاب تحولات در تولید و نوآوری سخت‌افزارهای لازم برای پیاده‌سازی چنین مقاصدی خواهد انجامید.

منبع:

https://dzone.com/articles/think-beyond-cloud-intelligent-edge-is-the-future