[lwptoc]
Sejak di tambahkan sebagai salah satu bidang studi pada tahun 1956 di Universitas, Kecerdasan Buatan atau Artificial Intelligence (AI) telah melalui periode optimisme dan pesimisme dalam ukuran yang sama. Tidak di ragukan lagi bahwa hari ini kita menyaksikan salah satu optimisme besar.
Data Science
Data Science adalah posisi pekerjaan ketiga yang paling di cari di seluruh dunia. Faktanya, dalam penelitian terbaru kami (siapa?) tentang State of Edge Computing di Spanyol, Data Scientist adalah profesional yang paling di cari di antara perusahaan Spanyol di market yang mengalami pertumbuhan eksponensial dan di perkirakan akan mencapai 190 miliar dolar pada tahun 2025.
Begitulah keunggulan AI di market industri sehingga tidak lagi masuk akal untuk membicarakannya sebagai teknologi tunggal. Melainkan sebagai banyak cabang yang melayani fungsi yang berbeda-beda untuk industri yang berbeda.
Di antara tren yang di identifikasi sebagai yang paling matang dan paling dekat dengan tahap produksi adalah tren yang dapat kita identifikasi dalam rutinitas sehari-hari. Misalnya, pemrosesan bahasa sederhana yang kita gunakan saat kita berbicara dengan chatbot yang semakin mirip manusia, pencitraan mesin yang memungkinkan pemrosesan video real time otomatis, dan pencarian semantik, yang menghasilkan hasil pencarian yang lebih baik.
Di sisi lain, ada yang lebih futuristik yang tidak akan muncul setidaknya selama 10 tahun. Beberapa contoh menarik adalah teknologi AI TRISM (Trust, Risk and Security Management), yang memungkinkan untuk mengatur model AI sehingga membuatnya lebih tahan terhadap serangan keamanan dan privasi, dan transformer, yang memungkinkan untuk mengadaptasi model AI agar sesuai dengan konteksnya. dan akan berdampak besar pada peningkatan aplikasi seperti penerjemah, pembuatan dokumen otomatis, atau analisis urutan biologis.
Teknologi pendukung lainnya yang akan memakan waktu hingga dua sampai lima tahun dari penerapan hingga kematangan market, yang dapat di sebut sebagai, “Near Future of Al.” Di antaranya adalah human-centered AI, generative AI, the orchestration and automation of AI, dan leading all the others on the maturity curve. AI on the Edge, juga di kenal sebagai “Edge AI.” Pada tahun 2021, Edge AI menjadi teknologi yang akan matang dalam waktu dekat.
Edge Al and the Distributed Intelligence Revolution in the Industrial World
Edge Al atau Al on the Edge dapat di ringkas sebagai kemampuan untuk mengeksekusi algoritma kecerdasan buatan pada perangkat (IoT devices, edge devices) yang sangat dekat dengan sumber data.
Teknologi ini tumbuh secara eksponensial, di dukung oleh statistik yang mengkhawatirkan. Lebih dari 60% organisasi industri tidak memiliki infrastruktur Cloud yang membantu mereka berinovasi secara efisien.
Jadi, jika kita amati secara seksama ke proyek Edge AI. Tren apa yang paling di perhatikan saat kita saksikan pada tahun 2022 dan 2023?
Belajar Elektronika, Arduino, dan IoT step by step dengan bantuan tangga belajar? Daftar sekarang dan dapatkan PROMO
5 Tren Utama di Edge AI Tahun 2022
-
Kritikal Industri Akan Menjadi Penggerak Utama: dari SCADA hingga Edge AI
Di Barbara IoT, kita menemukan pola berulang dalam industri yang berada di garis depan Edge Al, semuanya menangani banyak aset terdistribusi kritis. Dengan kata lain, mereka adalah industri yang menghadapi tantangan besar dari fragmentasi teknologi, skalabilitas, dan cybersecurity. Ini dapat di minimalkan dengan menjalankan algoritma Al edge. Dapat di perkirakan industri ini akan mengembangkan kasus penggunaan yang sangat ambisius dan transformatif.
Sistem SCADA yang telah di gunakan sejak tahun 80-an memiliki tujuan yang sama dalam hal pengambilan dan pemrosesan data. namun, sistem SCADA perlu di lengkapi dengan teknologi yang lebih modern sehingga dapat menjawab kebutuhan yang semakin menuntut untuk interoperabilitas, keterbukaan, dan keamanan. Di sinilah Edge Al dapat membantu/melipatgandakan nilai sistem ini.
-
Thin Edge Akan Melengkapi Thick Edge
Ada interpretasi yang berbeda tentang arti dari apa itu “edge” ketika kita kembali ke Edge Al. Secara tradisional, edge telah di identifikasi sebagai infrastruktur operator jaringan yang paling dekat dengan pengguna. Misalnya, ketika kita berbicara tentang 5G, kita merujuk pada operator yang meluncurkan banyak node yang di sebut “Multi Access Edge Computing” yang di gunakan untuk pemrosesan data jarak dekat. Node ini di pasang di server yang sangat mirip dengan yang dapat di temukan di pusat data yang di rancang untuk meng-host layanan cloud. Dan node ini memiliki potensi dan kemampuan tinggi untuk memproses algoritma AI yang kompleks. Inilah beberapa analis di sebut Edge “Thick”.
Namun, baru-baru ini node Edge dari jenis lain mulai di kembangkan. Node yang terhubung langsung ke sensor dan saklar, yang ketika dipasang pada perangkat berdaya rendah seperti gateway atau konsentrator. Berfungsi untuk menjalankan algoritma AI yang lebih sederhana dengan waktu respons yang lebih singkat dan lebih dekat. ke waktu nyata. Edge jenis baru ini, yang di sebut Edge “Thin”, akan memungkinkan untuk menangani proyek skala besar dengan cepat dan fleksibel yang mencakup lokasi terpencil atau persyaratan untuk keamanan tinggi dan isolasi data.
-
Edge Mesh sebagai Paradigma Baru untuk Mengaktifkan Kecerdasan Buatan / AI Terdistribusi
Edge AI secara tradisional di dasarkan pada model keputusan yang di latih menggunakan data besar. Model, yang terdiri dari serangkaian rumus matematika, di pasang di Edge Nodes. Dari sana, setiap node dapat membuat keputusannya sendiri tergantung pada data yang di terimanya dan model yang telah di instal.
Paradigma baru, yang di kenal sebagai Edge Mesh. Memungkinkan keputusan node dikondisikan oleh keputusan node lain seolah-olah itu adalah jaringan kisi. Salah satu contoh yang baik untuk memahami kekuatan arsitektur baru ini adalah smart traffic system.
Sebuah node Edge dapat membuat keputusan tentang waktu lampu lalu lintas menggunakan algoritma AI yang memperhitungkan jumlah mobil dan orang yang terdeteksi oleh sensor. Namun, keputusan ini dapat di lengkapi dengan sempurna oleh keputusan yang di buat oleh node lain di jalan-jalan terdekat.
Tujuan Edge Mesh adalah untuk mendistribusikan kecerdasan di antara berbagai node untuk menawarkan kinerja. Waktu respons, dan toleransi kesalahan yang lebih baik di bandingkan dengan arsitektur yang lebih tradisional.
-
Manajemen Siklus Hidup Menggunakan MLOps Semakin Penting
Saat industri bergerak menuju peluncuran Edge AI dengan node yang lebih terdistribusi dan algoritma pelatihan yang lebih kompleks, kemampuan untuk mempertahankan siklus hidup model terlatih ini, dan perangkat yang menjalankannya, akan menjadi kunci masa depan teknologi ini.
Dalam hal ini, proyek dan perusahaan yang menerapkan filosofi DevOps untuk pengembangan, peluncuran, dan pemeliharaan algoritme AI akan ditingkatkan.
Cara kerja ini di sebut MLOps, kombinasi Machine Learning dan DevOps.
Tapi apa sebenarnya itu? Pada dasarnya, ini bertujuan untuk mengurangi waktu pengembangan, pengujian, dan implementasi AI pada model Edge melalui integrasi berkelanjutan dari peralatan dan lingkungan pengembangan, pengujian, dan operasi.
-
Edge AI Memungkinkan Pertukaran Data Tak Terbatas
Tidak di ragukan lagi bahwa berbagi data akan menjadi hal terpenting untuk meningkatkan proses di sektor industri dengan banyak pemangku kepentingan dalam value chain.
Mari kita lihat model jaringan listrik dalam waktu dekat, Smart Grid. Untuk dapat menerima atau menawarkan layanan yang lebih baik. Pemasok harus mampu menganalisis dan mengolah informasi dari sejumlah pemangku kepentingan seperti prosumer, operator, distributor, dan aggregator. Tanpa data exchange yang transparan dan gesit, mustahil untuk mencapai optimalisasi jaringan yang di perlukan pada tahun 2050.
Dengan Edge AI, pemrosesan data terpusat ON di mungkinkan, yang akan membantu mengatasi beberapa kendala yang di hadapi industri saat ini seperti keamanan data. Privasi, dan kedaulatan.
source from : https://www.iotforall.com/edge-ai-trends-2022
Mau belajar elektronika dasar? Arduino? atau Internet of Things? Ikuti kursus online Indobot Academy!
