从数据中心到物联网设备，人工智能计算的持续发展（2）

现在，我也听说了对数据隐私的关注也与此有关。如果我们的信息被发送回云端，它就在那里并且可能可以访问。如果它保持在本地，就在我们的设备上，那么我们的个人数据将保持私密的期望更高。

当我们使用云时，有两种方式可能会成为问题。一是，它是静止的数据。它位于云中，有人对其进行了破解，并且他们可能可以访问这些数据。你的数据。而且还有数据在传输过程中被截获的威胁。因此，如果它必须从设备或传感器移动到云端，那么它很容易受到黑客攻击。

所以你是对的。出于安全机密性的原因，这是人工智能(尤其是在必要时)在设备上完成而不是将其移动到数据易受攻击的地方的另一个原因

我在个人隐私方面提出了这个问题，有人在亚马逊上买东西并透露他们的信用卡号码或你有什么。但这不是隐私的全部范围。在企业环境中，公司可能只是希望能够确保他们控制自己的所有数据，对吧?

不仅控制他们所有的数据，他们中的大多数人还要求客户保护他们的客户数据。因此，它也有法律含义。我很高兴我们提出财务数据并不是许多人认为私有的唯一内容。健康记录，他们孩子的照片。人们希望将数据保密的原因有很多，而且并不总是出于财务考虑。当然，正如我们所提到的，在企业层面，它也超出了他们的财务数据。它继续承担保护其知识产权和客户信息私密性的法律责任。

是否有特定的用例将人工智能从数据中心中吸引出来?

有，而且有很多。其中一些你会认出，因为它们已经在那里了。它们就像我们在家中的智能扬声器一样，越来越多地充当数字助理：能够提醒我们约会或按需播放音乐。这些已经有一段时间了。这些确实是边缘人工智能的一个例子。他们中的大多数，你熟悉的那些——支持 Alexa 的设备、支持 Siri 的设备、Bixby——他们都在使用云。你问它一个问题，它会根据你给它检测的词唤醒。然后它将数据信息传输到云和从云中传输。

它在端点本身变得越来越聪明。因此，虽然这些设备已经出现了一段时间，但他们正试图在现场进行越来越多的预处理。

例如，能够通过声音识别个人并能够有效地个性化它为我们提供的响应的设备正在迁移到尽可能多的设备上，并尽量减少必须流动的内容出云。当然，你会看到各种其他人工智能被用于可穿戴设备、健身设备、手机的例子。所有这些都具有处于边缘的人工智能功能，在某些情况下是在电池供电的设备中，这推动了围绕保持低功耗的大量创新。

是否有可能是通过将 AI 置于边缘而非数据中心而启用的新功能?

是的，有。因此，在边缘有许多新兴的人工智能用例。它们涵盖的范围很广，其中一些你会认出，其中一些可能看起来很新颖。

首先，在这些新兴用例和现有产品中，它们正在日益增强的一种方式是称为自然语言处理的东西。所以我们都知道语音检测，所有这些设备都会得到的唤醒词，但仅此而已。这是一个唤醒词，告诉设备唤醒并开始倾听可能出现的问题。

自然语言处理已经成为人工智能的杀手级应用之一，具有理解完整句子上下文的能力。并且一些神经网络实际上能够以非顺序的方式解析句子。因此，例如，当我们和我交谈时，我们可能会将句子中的单词放在不同的位置。但是一旦他们在一起，我们就会明白其中的含义。我们不必按顺序处理所有内容。我们可以在可能被许多其他单词分开的单词之间建立联系，并且能够理解这一点。因此，自然语言处理再次被我之前谈到的所有增强功能所支持——更小的模型、新的人工智能算法、终端设备上的更多功能和内存——这已成为一个非常重要的用例，

但是对于你关于新兴用例和新事物的观点，我认为有。随着人们希望让更多联网汽车上路，人工智能正被用于车对基础设施、车对车通信。例如，监控设备正在拍摄图像并能够在边缘进行人工智能来确定，也许它专门用于人员检测或车牌检测。这越来越多地在终点完成。

医学诊断开始成为现实，其中人工智能被用于扫描设备并被用于计算机断层扫描，并且能够比正在查看相同扫描的放射科医生和医生做得更好或更好，因为他们已经训练有足够的图像，他们可以检测到人眼可能无法检测到的东西。

当然，每个人都知道的大用例——以及许多令人害怕或迫不及待的用例——是自动驾驶。因此，如果我们考虑该用例，它几乎涵盖了我们一直在讨论的有关需求的所有内容：它必须是实时的。当你以每小时 60 英里的速度在路上行驶时，你无法承受将信息发送到上方道路中物体的云或它是否是物体，然后等待它按顺序返回让它做出反应。因此，为了完成自动驾驶，必须在车辆本身上进行大量实时处理。当然，这也需要相当多的计算能力。因此，自动驾驶几乎成为边缘人工智能的典型代表。

还有一些我们在日常工作中可能会看到的更通俗的应用程序。