<form id="1tbf9"><nobr id="1tbf9"></nobr></form>

          <address id="1tbf9"></address>

            <address id="1tbf9"></address>

                    <form id="1tbf9"></form>

                    ./t20191227_935108_taonews.html
                    專題
                    首頁  >  專題  >  媒體視點  >  名刊精選  >  《張江科技評論》

                    《張江科技評論》

                    開博時間:2019-06-06 14:03:00

                    《張江科技評論》是由上??茖W技術出版社與上海市張江高科技園區管理委員聯合創辦的一本科技評論類雜志。該刊報道評價國內外創新性科學技術的發展趨勢及其商業價值,介紹上海在建設全球領先科創中心進程中的制度成果、技術成果、創業成果,推動產學研密切協作,促進科技成果轉化,服務經濟轉型發展。

                    文章數
                    分享到:

                    邊緣智能計算與智能邊緣計算

                    2019-12-27 12:18:00

                      權威機構預測,到2020年,世界上的物聯網設備數量將超過200億臺。這些設備小到一些基本的傳感器節點,只負責記錄傳感數據并提交用以支撐云端計算的數據;大到一些基站等邊緣節點,能夠處理和分析傳入的信息,在本地利用有限的資源進行一些簡單的任務。在這樣的設備規模下,傳統的云計算架構已無法滿足如此大量的計算任務,邊緣計算由此誕生。

                      基于邊緣計算框架,可以使許多智能化的設想,如智慧城市、車聯網等付諸實際應用,并使得這些復雜的智能應用實現在邊緣端的實時處理。借助于邊緣計算,大規模的數據不需要經歷云端傳輸的延時,直接在邊緣側處理,從而極大地提高了用戶服務質量,這就是我們所稱的邊緣智能計算。與此同時,機器學習,特別是深度學習,又是處理這樣龐大數據的絕佳方法。通過將這些機器學習方法融入邊緣計算架構中,優化邊緣緩存、邊緣計算任務卸載以及整體邊緣上的資源調度,以達到優化整體邊緣計算系統性能的效果,這就是智能邊緣計算。

                      邊緣智能計算

                      邊緣計算將計算、網絡、存儲等能力擴展到物聯網設備附近的網絡邊緣側,而以深度學習為代表的人工智能技術讓每個邊緣計算的節點都具有計算和決策的能力,這使得某些復雜的智能應用可以在本地邊緣端進行處理,滿足了敏捷連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的需求。目前,邊緣計算與人工智能的互動融合正深入推動智慧城市、智能制造、車聯網等應用的發展,促進了產業的實現與落地,為全面提升智能化水平提供了重要保障,給人們的生產生活帶來了便利。

                      智慧城市部署了海量的物聯網設備用于服務城市中的各個領域。然而,這些物聯網設備產生的海量數據,不僅給云計算中心帶來了沉重負擔,也占用了大量網絡資源。此外,例如監控視頻的實時分析,涉及實時性和隱私性要求時,云計算平臺往往無法做出任何保證。這時,邊緣計算與深度學習相結合,在邊緣設備上搭載高性能芯片和深度學習算法,就可以在接近數據源的邊緣側實現對視頻中人體、車輛等目標的檢測、提取和建模,只需要將處理后的小數據上傳到云端即可,既減少了云計算負荷和帶寬浪費,也保證了低延遲和數據隱私保護。

                      智能酒店作為智能家居的延伸,近些年受到了廣泛關注,尤其是阿里巴巴集團宣布推出了未來酒店以后。智能酒店系統主要通過邊緣網關快速集成各種物聯網設備,在邊緣端使用人工智能技術,其作為本地節點快速響應本地事件,實現一體化。與傳統酒店相比,智能酒店致力于提供無人化的自助服務體驗,除了刷臉入住、環境自調節等黑科技外,室內實現了智能語音控制功能,通過客房控制系統(RCU),可以用語音控制電視、空調、窗簾、燈具等設備,如有必要,也可以語音呼叫酒店相關服務。

                      車聯網將車內、車與人、車與車、車與路、車與服務平臺連接起來。然而,由于其受到信息和通信技術的嚴重制約,而且傳統的云服務延遲較高,所以車聯網對緊急事件的處理能力較差。邊緣計算可以將計算資源部署到更靠近終端車輛的地方,來滿足計算密集型和低延遲應用的要求,同時深度學習能夠動態協調網絡、緩存和計算資源,也可以實時對各類傳感器數據進行處理分析,輔助駕駛,提升車輛的智能化水平和自動駕駛能力。二者結合減少了數據的往返時間,極大地提高了實時響應、路邊服務、附近消息互通等功能的服務質量,為信息服務智能化、車輛控制智能化、交通管理智能化提供了保障。

                      邊緣計算支撐的智能計算

                      隨著時代的發展,每天所產生的數據越來越多,而且一些人工智能模型的日漸成熟,使得越來越多的人工智能應用如智能監控、車聯網、自動駕駛等的實現成為可能。然而,由于本地計算能力的不足,這些復雜的計算任務往往需要借助云計算才可以實現。以視頻監控為例,在傳統的云計算架構中,監控終端需要直接將監控數據傳輸到云端,但由于實時捕獲的照片或視頻具有非常大的尺寸和高的生成頻率,使用普通的線路進行數據傳輸無法達到實時的效果,只能通過搭建專用的高速線路來進行數據傳輸。這樣的解決方案一方面成本太高,另一方面由于物聯網設備產生的數據量急劇增加,在響應延遲和通信負擔方面對云計算構成巨大的挑戰。受制于互聯網的容量與實時傳輸的壓力,將所有的數據傳輸到云中進行數據處理已不再是延遲敏感和大規模應用的明智解決方案。這促使了邊緣計算的發展。

                      在邊緣計算架構支持下的視頻監控應用中,各終端節點協同工作,共同為整個系統做貢獻。終端節點如小區監控攝像頭、道路交通攝像頭等在承擔錄制與發送視頻的同時,其本身也具有一定的計算能力,因而這些終端在進行數據發送之前需要先進行數據的壓縮,這樣可以保證在有限的數據鏈路中最大效率地傳輸數據。邊緣服務層由多個基礎設施如路由器、基站等組成,這些邊緣節點運行一些輕量級的機器學習模型,而這些模型保證可以在邊緣節點的運算能力范圍內及時處理且不會損失預測識別的精度。這些邊緣節點為分布式部署,每個節點只負責其服務范圍內的終端節點。云端服務層主要負責整合與更新邊緣節點上模型的參數。由于邊緣節點得到的模型受限于其局部數據,云端服務器通過整合不同邊緣節點的模型數據來獲取一個更加全知全能的模型。當邊緣節點遇到一個無法識別的目標或識別準確度很低的目標時,邊緣節點會立即將數據發送到云端,通過云端更完整的模型與更強大的計算能力來識別未知的目標并將結果返回給邊緣側,同時下發該邊緣節點更新后的模型參數。通過各個節點的相互協作,可以充分利用邊緣計算的優勢來支撐更多時延敏感的應用,同時降低這些應用的開發成本。

                      智能邊緣計算

                      移動設備上的多媒體應用得到了迅速發展,預計到2021年,全球移動數據流量將增長至每年500 EB(艾字節,相當于1018字節)。用戶對于多媒體內容的訪問需求不斷攀升,為了支撐龐大的數據流量,需要更多的網絡資源,這也導致服務器出現流量擁擠的狀況,加大了網絡負載。

                      邊緣緩存技術能很好地解決流量負載問題,它可以在邊緣節點中預緩存終端用戶所需的內容,從而降低網絡中的流量負載。在邊緣緩存技術中,我們通常關注的問題包括緩存什么、在哪里以及何時緩存等幾個方面,這需要依賴于對用戶需求以及內容流行度的預測,在這方面,深度強化學習有著很好的應用。深度強化學習是人工智能技術的一種,能夠通過與環境的交互學習來處理決策問題,而邊緣計算技術也賦予邊緣節點計算與存儲能力,這使得在邊緣計算架構中使用人工智能技術成為可能。通過挖掘網絡中的用戶信息和數據指標,借助深度強化學習技術來學習整合,可以更好地了解用戶行為和網絡特征,進而使每個邊緣節點能夠感知其網絡環境,在有限存儲空間中智能地選擇要緩存的內容,提升緩存性能。

                      人工智能技術除了在邊緣緩存機制中發揮作用外,在計算任務卸載中也起到了優化作用。在邊緣計算架構中,終端可以將計算任務卸載到附近的邊緣節點或者云端執行,然后再接收處理結果。但是,由于網絡條件的變化和資源的限制,任務可能無法以低執行成本進行卸載。因此,可以使用深度強化學習技術,在任務卸載過程中學習卸載決策和執行成本,在訓練過程中不斷地引導深度強化學習模型中最大化相應獎勵函數,最終實現計算任務智能化卸載的決策能力,優化計算任務的執行效率。

                      此外,人工智能技術在邊緣計算的資源調度方面發揮著舉足輕重的作用。由于邊緣節點中通信資源和計算資源的局限性制約了任務處理能力,而深度強化學習技術作為邊緣計算平臺中的智能決策者,可以對資源進行合理調度,提升資源的利用效率。通過將深度強化學習技術融入邊緣計算框架中,優化邊緣計算的多個方面,可以為邊緣計算提供有力的技術支持。

                      邊緣計算與人工智能技術相輔相成。在邊緣智能計算方面,邊緣計算為人工智能提供了一個高質量的計算架構,對一些時延敏感、計算復雜的人工智能應用提供了切實可行的運行方案。在智能邊緣計算方面,人工智能技術也在邊緣計算的許多環節中扮演著決策者的角色,對節點資源起到了優化作用,成為邊緣計算的重要技術支柱。

                      技術的交叉融合往往會帶來一些創造性的解決方案。當下邊緣計算與人工智能的聯系日益加強,二者相互促進、相互依托,為5G時代顛覆性創新成果的誕生奠定了堅實基礎。

                      作者:王曉飛,天津大學智能與計算學部計算機科學與技術學院教授,博士生導師。

                      韓溢文,天津大學智能與計算學部計算機科學與技術學院博士生。

                      本文來自《張江科技評論》

                    上一篇:可持續發展的未來實驗室設計
                    下一篇:揭秘CR929展示樣機的“設計智慧”
                    ©2011-2020 版權所有:中國數字科技館
                    未經書面許可任何人不得復制或鏡像
                    京ICP備11000850號 京公網安備110105007388號
                    信息網絡傳播視聽節目許可證0111611號
                    國家科技基礎條件平臺
                    久久这里只精品国产免费99热4_一起射久久_久久在线视频_日日天天夜夜久久_日日扞夜夜燥国产