Lợi ích của điện toán biên cho sự cho phát triển của AI

Triển vọng của việc thực hiện AI ở biên vẫn chủ yếu là lý thuyết, nhưng các tổ chức đang khám phá những lợi ích điện toán biên tiềm năng.

0

Sự quan tâm đến điện toán biên vẫn tiếp tục lớn lên từng ngày, cũng như sự nhầm lẫn xung quanh kiến ​​trúc. Tình huống tương tự khi nói đến trí tuệ nhân tạo. Viễn cảnh di chuyển AI ra biên có vẻ như là một công thức cho sự nhầm lẫn hơn nữa.

Thực hiện trí thông minh nhân tạo ở biên thường là chỉ là lý thuyết được trích dẫn trong các bài báo, ông Martin Davis, đối tác quản lý tại DUNELM Associates cho biết.

Tuy nhiên, khái niệm AI biên (Edge AI) đang ngày càng khó để các tổ chức công nghiệp và doanh nghiệp bỏ qua. Các hoạt động sử dụng nhiều tài nguyên như học sâu và thị giác máy tính thường được thực hiện trong môi trường điện toán tập trung. Nhưng sự sẵn có ngày càng tăng của phần cứng mạng và máy tính hiệu năng cao mở ra khả năng chuyển hoạt động đó thành kiến ​​trúc đám mây tập trung sang biên [edge], như một nhà tư vấn Chaitan Sharma đã viết. “Sự thành công sẽ không xảy ra chỉ sau một đêm, nhưng nó là không thể tránh khỏi”. Gartner dự đoán rằng 3/4 dữ liệu doanh nghiệp sẽ được xử lý ở biên vào năm 2025, trong khi Grand View Research dự đoán thị trường điện toán biên sẽ mở rộng với tỷ lệ hàng năm từ 54% đến 2025.

Ở biên của ngành công nghiệp

Câu hỏi về nơi chính xác mà điện toán biên diễn ra không phải lúc nào cũng rõ ràng. Thuật ngữ mở của tính toán biên xác định kiến ​​trúc là sự phân phối các khả năng tính toán của các hệ thống đến các cực trị logic của mạng. Nằm bên ngoài các trung tâm dữ liệu truyền thống và đám mây, biên được tập trung tại “điểm cuối cùng” của mạng và nó càng gần càng tốt với những thứ và con người tạo ra dữ liệu hoặc thông tin.

Với những khó khăn trong việc sử dụng điện toán đám mây trong các môi trường như nhà máy hoặc hầm mỏ, khu vực công nghiệp là một ứng cử viên sáng giá cho kiến ​​trúc điện toán biên. Chẳng hạn, một nhà máy có thể yêu cầu độ tin cậy mạng cao, ở mức 99.9999% thời gian hoạt động và độ trễ thấp trong một phần nghìn giây và nó có thể đặt ra các ràng buộc trong việc gửi dữ liệu ngoài cơ sở. Với những hạn chế như vậy, hầu hết các nhà máy đã truyền thống triển khai hệ thống cáp vật lý và giao thức có dây độc quyền từ các nhà cung cấp công nghiệp. Kết quả là một môi trường công nghệ phân mảnh, một công nghệ như điện toán biên có thể giúp thống nhất, theo Ovum Market Radar: CSPs’ Industrial IoT Strategies and Propositions.

Một kiến ​​trúc điện toán biên hoạt động mà không có đám mây sẽ không bị nhầm lẫn với các kịch bản tính toán cục bộ trong đó tất cả dữ liệu được xử lý trên các thiết bị riêng lẻ. Trong khi tính toán on-board như vậy có thể hỗ trợ cho việc ra quyết định quan trọng trong thời gian thực, phần cứng thiết bị rất tốn kém, theo ông Harald Remmert, giám đốc cấp cao, nghiên cứu và đổi mới tại Digi International. Ngoài ra, khả năng của các cấu hình tính toán cục bộ như vậy để hỗ trợ các hoạt động như học máy thường bị hạn chế.

Ngược lại, một hệ thống máy tính biên có hỗ trợ AI trong một nhà máy có thể bối cảnh hóa dữ liệu từ nhiều máy để phát hiện và cuối cùng dự đoán các vấn đề gây ra thời gian chết. Giới thiệu về việc học máy bằng máy tính là một yếu tố quyết định đến quy mô ứng dụng, ngay cả khi không yêu cầu độ trễ thấp, ông Gal Ben-Haim, người đứng đầu kiến ​​trúc của Augury, một công ty tạo ra công nghệ máy học cho ngành công nghiệp chế biến kết luận.

Tuy nhiên, điều đó không có nghĩa là triển khai “học máy” ở biên là điều dễ dàng. Nó yêu cầu các mô hình học máy trưởng thành hơn và các cách mới để quản lý việc triển khai của họ, theo ông Ben-Haim.

Từ đám mây tới biên và ngược lại

Mặc dù một số kịch bản tính toán biên có thể hoàn toàn không sử dụng các mô hình điện toán tập trung, nhiều nhà phân tích thấy tính toán biên cho phép tính liên tục của máy tính có các khía cạnh phân tán và tập trung. Thay vì đại diện cho một con lắc ra khỏi các trung tâm dữ liệu tập trung, máy tính biên cung cấp khả năng tính toát tốt, ông Bob Gill, nhà phân tích của Gartner cho biết trong một hội thảo trực tuyến năm 2018.

Một số mô hình điện toán biên khẳng định nó sẽ thay thế đám mây, tôi không tin điều đó sẽ xảy ra”; Bill Malik, phó chủ tịch chiến lược cơ sở hạ tầng tại Trend Micro cho biết.

Có rất ít trường hợp sử dụng trong đó biên độc lập có ý nghĩa”, Daniel Newman, nhà phân tích chính tại Futurum Research cũng có ý kiến tương tự.

Hầu hết thời gian, luồng dữ liệu sẽ là hai chiều giữa biên và đám mây. Trong khi đám mây có thể thúc đẩy việc theo dõi các xu hướng rộng lớn và các hiệu ứng bậc hai như thay đổi về mức tiêu thụ năng lượng hoặc chất lượng không khí, điện toán biên đưa ra câu trả lời địa phương cho các câu hỏi địa phương, ông Mitch Malik nói.

Accenture xem tính toán biên như một phần mở rộng đám mây. “Biên được sử dụng bởi nhiều khách hàng của chúng tôi song song với công nghệ phân tích đám mây và công nghệ máy học để tạo ra các dịch vụ kinh doanh mới và có giá trị”, Charles Nebolsky, giám đốc quản lý và lãnh đạo thực hành mạng cho Accenture Technology cho biết. Một ví dụ là sáng kiến Connected Mine của Accenture để hợp lý hóa cách các công ty khai thác quản lý các hoạt động trong hầm lò của họ. “Sau đó, chúng tôi đã mở rộng giải pháp Connected Mine với tính toán biên tại một khách hàng khai thác công nghiệp nơi họ sử dụng video độ phân giải cao của thiết bị khoan để xác định mật độ đá”, theo ông Nebolsky. Khả năng đó cho phép máy khoan điều chỉnh góc và tốc độ trong thời gian thực, đồng thời hỗ trợ bảo trì thiết bị dự đoán. Băng thông của các luồng video mật độ cao cần thiết có thể được vận chuyển trở lại đám mây với các khung hình yêu cầu mỗi giây theo cách tiết kiệm chi phí để xử lý đám mây trực tiếp, ông Nebolsky cho biết.

Một ví dụ khác về luồng dữ liệu vòng tròn này xuất hiện thông qua Volvo Trucks, nơi triển khai các hệ thống chẩn đoán từ xa và viễn thông trên các phương tiện gần đây. Hệ thống hoạt động, một phần, bằng cách sử dụng máy tính trên bo mạch phát hiện các thông số bất thường và kích hoạt mã sự cố. Từ đó, hệ thống viễn thông của nó truyền dữ liệu hoạt động đến Trung tâm thời gian hoạt động của Volvo, có thể phối hợp trả lời với các bên liên quan như cửa hàng sửa chữa, đại lý và đại lý dịch vụ khách hàng. Mặc dù điện toán trên xe tải giúp chẩn đoán các vấn đề, khía cạnh tập trung của việc triển khai cho phép các cửa hàng sửa chữa và đại lý chuẩn bị cho xe tải đến bảo trì.

Theo ông Bill Roberts, giám đốc IoT tại SAS cho biết, “Volvo đang giảm dần những gì đang nhanh chóng trở thành mô hình trưởng thành phổ biến liên quan đến phân tích biên và trí tuệ nhân tạo và học máy”. Bước tiếp theo hợp lý sẽ là cho phép khả năng tính toán biên trên xe tải xác định dữ liệu lỗi nào có thể thực hiện được. Sự thay đổi như vậy sẽ giải phóng băng thông trên mạng để thu thập dữ liệu điện tử bổ sung dẫn đến những hiểu biết sâu sắc hơn về phân tích được phát triển trên đám mây, theo ông Roberts. Những người hiểu biết này có thể được vận hành ở bất cứ đâu từ biên hoặc đám mây tùy thuộc vào trường hợp sử dụng ra lệnh.

Thử nghiệm tích hợp tài nguyên năng lượng phân tán cung cấp một ví dụ khác về điện toán đám mây phân tán và kết hợp. Dự án cung cấp một giải pháp thay thế cho lưới điện xoay chiều tập trung truyền thống, đấu tranh để sử dụng hiệu quả năng lượng từ các nguồn dòng điện trực tiếp phân tán như tấm pin mặt trời hoặc tua-bin gió. Thử nghiệm tận dụng các phân tích dựa trên biên trong thời gian thực được triển khai trên phần cứng xen kẽ trong lưới để kết nối các thiết bị di sản không đồng nhất và điều khiển tập trung với đầy đủ khả năng đáp ứng thời gian thực và vận hành tự động. Nền tảng được trang bị cho hoạt động tự chủ và phân tích dựa trên biên, đồng thời cung cấp dữ liệu và kiểm soát cho một hoặc nhiều trung tâm kiểm soát.

Kết nối 5G cũng đã thu hút sự quan tâm đến kiến ​​trúc biên để cho phép tính toán bên ngoài các trung tâm dữ liệu truyền thống. Mặc dù có một vài ví dụ về các tổ chức có dự án điện toán biên hỗ trợ 5G, nhưng điều đó có thể thay đổi khi mạng 5G trở nên lỗi thời. Những lợi ích của phương pháp này tương tự như của đám mây, mặc dù có độ trễ thấp hơn. Kiến trúc này rất phổ biến cho các ứng dụng học máy.

BÌNH LUẬN

Vui lòng nhập bình luận của bạn
Vui lòng nhập tên của bạn ở đây