從數(shù)據(jù)中心到物聯(lián)網(wǎng)設備，人工智能計算的持續(xù)發(fā)展（2）

現(xiàn)在，我也聽說了對數(shù)據(jù)隱私的關注也與此有關。如果我們的信息被發(fā)送回云端，它就在那里并且可能可以訪問。如果它保持在本地，就在我們的設備上，那么我們的個人數(shù)據(jù)將保持私密的期望更高。

當我們使用云時，有兩種方式可能會成為問題。一是，它是靜止的數(shù)據(jù)。它位于云中，有人對其進行了破解，并且他們可能可以訪問這些數(shù)據(jù)。你的數(shù)據(jù)。而且還有數(shù)據(jù)在傳輸過程中被截獲的威脅。因此，如果它必須從設備或傳感器移動到云端，那么它很容易受到黑客攻擊。

所以你是對的。出于安全機密性的原因，這是人工智能(尤其是在必要時)在設備上完成而不是將其移動到數(shù)據(jù)易受攻擊的地方的另一個原因

我在個人隱私方面提出了這個問題，有人在亞馬遜上買東西并透露他們的信用卡號碼或你有什么。但這不是隱私的全部范圍。在企業(yè)環(huán)境中，公司可能只是希望能夠確保他們控制自己的所有數(shù)據(jù)，對吧?

不僅控制他們所有的數(shù)據(jù)，他們中的大多數(shù)人還要求客戶保護他們的客戶數(shù)據(jù)。因此，它也有法律含義。我很高興我們提出財務數(shù)據(jù)并不是許多人認為私有的唯一內(nèi)容。健康記錄，他們孩子的照片。人們希望將數(shù)據(jù)保密的原因有很多，而且并不總是出于財務考慮。當然，正如我們所提到的，在企業(yè)層面，它也超出了他們的財務數(shù)據(jù)。它繼續(xù)承擔保護其知識產(chǎn)權和客戶信息私密性的法律責任。

是否有特定的用例將人工智能從數(shù)據(jù)中心中吸引出來?

有，而且有很多。其中一些你會認出，因為它們已經(jīng)在那里了。它們就像我們在家中的智能揚聲器一樣，越來越多地充當數(shù)字助理：能夠提醒我們約會或按需播放音樂。這些已經(jīng)有一段時間了。這些確實是邊緣人工智能的一個例子。他們中的大多數(shù)，你熟悉的那些——支持 Alexa 的設備、支持 Siri 的設備、Bixby——他們都在使用云。你問它一個問題，它會根據(jù)你給它檢測的詞喚醒。然后它將數(shù)據(jù)信息傳輸?shù)皆坪蛷脑浦袀鬏敗?

它在端點本身變得越來越聰明。因此，雖然這些設備已經(jīng)出現(xiàn)了一段時間，但他們正試圖在現(xiàn)場進行越來越多的預處理。

例如，能夠通過聲音識別個人并能夠有效地個性化它為我們提供的響應的設備正在遷移到盡可能多的設備上，并盡量減少必須流動的內(nèi)容出云。當然，你會看到各種其他人工智能被用于可穿戴設備、健身設備、手機的例子。所有這些都具有處于邊緣的人工智能功能，在某些情況下是在電池供電的設備中，這推動了圍繞保持低功耗的大量創(chuàng)新。

是否有可能是通過將 AI 置于邊緣而非數(shù)據(jù)中心而啟用的新功能?

是的，有。因此，在邊緣有許多新興的人工智能用例。它們涵蓋的范圍很廣，其中一些你會認出，其中一些可能看起來很新穎。

首先，在這些新興用例和現(xiàn)有產(chǎn)品中，它們正在日益增強的一種方式是稱為自然語言處理的東西。所以我們都知道語音檢測，所有這些設備都會得到的喚醒詞，但僅此而已。這是一個喚醒詞，告訴設備喚醒并開始傾聽可能出現(xiàn)的問題。

自然語言處理已經(jīng)成為人工智能的殺手級應用之一，具有理解完整句子上下文的能力。并且一些神經(jīng)網(wǎng)絡實際上能夠以非順序的方式解析句子。因此，例如，當我們和我交談時，我們可能會將句子中的單詞放在不同的位置。但是一旦他們在一起，我們就會明白其中的含義。我們不必按順序處理所有內(nèi)容。我們可以在可能被許多其他單詞分開的單詞之間建立聯(lián)系，并且能夠理解這一點。因此，自然語言處理再次被我之前談到的所有增強功能所支持——更小的模型、新的人工智能算法、終端設備上的更多功能和內(nèi)存——這已成為一個非常重要的用例，

但是對于你關于新興用例和新事物的觀點，我認為有。隨著人們希望讓更多聯(lián)網(wǎng)汽車上路，人工智能正被用于車對基礎設施、車對車通信。例如，監(jiān)控設備正在拍攝圖像并能夠在邊緣進行人工智能來確定，也許它專門用于人員檢測或車牌檢測。這越來越多地在終點完成。

醫(yī)學診斷開始成為現(xiàn)實，其中人工智能被用于掃描設備并被用于計算機斷層掃描，并且能夠比正在查看相同掃描的放射科醫(yī)生和醫(yī)生做得更好或更好，因為他們已經(jīng)訓練有足夠的圖像，他們可以檢測到人眼可能無法檢測到的東西。

當然，每個人都知道的大用例——以及許多令人害怕或迫不及待的用例——是自動駕駛。因此，如果我們考慮該用例，它幾乎涵蓋了我們一直在討論的有關需求的所有內(nèi)容：它必須是實時的。當你以每小時 60 英里的速度在路上行駛時，你無法承受將信息發(fā)送到上方道路中物體的云或它是否是物體，然后等待它按順序返回讓它做出反應。因此，為了完成自動駕駛，必須在車輛本身上進行大量實時處理。當然，這也需要相當多的計算能力。因此，自動駕駛幾乎成為邊緣人工智能的典型代表。

還有一些我們在日常工作中可能會看到的更通俗的應用程序。