如今,人們正在進(jìn)入由人工智能(AI)驅(qū)動(dòng)的新一輪技術(shù)創(chuàng)新時(shí)代,機(jī)器學(xué)習(xí)處于技術(shù)最前沿。即使在今天,機(jī)器學(xué)習(xí)也是任何設(shè)備體驗(yàn)的重要技術(shù),為各種任務(wù)、功能、應(yīng)用程序提供支持。從設(shè)備上的安全性(如面部解鎖、面部識(shí)別和指紋識(shí)別),到智能手機(jī)攝像頭和音頻功能(允許用戶通過諸如Socratic、Snapchat、FaceApp、Shazam等應(yīng)用程序獲得更智能和有趣的體驗(yàn)),經(jīng)常使用各種基于機(jī)器學(xué)習(xí)的功能由消費(fèi)者提供。
但是,對(duì)于創(chuàng)建大量數(shù)據(jù)的基于機(jī)器學(xué)習(xí)的任務(wù),這些任務(wù)通常會(huì)轉(zhuǎn)移到云端進(jìn)行處理,然后再通過操作發(fā)送回設(shè)備。例如,Socratic和Shazam都在云中使用機(jī)器學(xué)習(xí)處理,而不是在設(shè)備上。這就帶來了一個(gè)問題:在設(shè)備上進(jìn)行機(jī)器學(xué)習(xí)處理會(huì)不會(huì)更簡(jiǎn)單、更快捷?
能夠在設(shè)備或邊緣上執(zhí)行基于機(jī)器學(xué)習(xí)的任務(wù),而不是將其發(fā)送到云端進(jìn)行處理,許多人將其描述為“機(jī)器學(xué)習(xí)演進(jìn)的下一個(gè)階段”。有許多重要的限制,功耗、成本、延遲、隱私等限制因素使得在云端和設(shè)備之間來回傳輸?shù)臋C(jī)器學(xué)習(xí)數(shù)據(jù)不切實(shí)際。幾年前,機(jī)器學(xué)習(xí)在邊緣領(lǐng)域似乎是一個(gè)“白日夢(mèng)”,而設(shè)備的技術(shù)創(chuàng)新使它們能夠處理計(jì)算密集型任務(wù)。
云計(jì)算的約束
云端的機(jī)器學(xué)習(xí)處理的所有約束都是相互關(guān)聯(lián)的。
首先,處理云端的機(jī)器學(xué)習(xí)任務(wù)所需的大量數(shù)據(jù)的功率和成本是巨大的,更不用說通過不斷增長(zhǎng)的帶寬需求產(chǎn)生的大量流量。早在2017年,就有人指出,如果每個(gè)人每天使用他們的Android語音助手三分鐘,那么谷歌公司必須將其擁有的數(shù)據(jù)中心數(shù)量翻一番。
而在2019年,谷歌公司可能解決了這一特殊挑戰(zhàn)——事實(shí)上,在最近的會(huì)議中,谷歌公司表示可以讓500GB語音輔助模式縮小到0.5GB,因此它可以在移動(dòng)設(shè)備上完全運(yùn)行。然而,它確實(shí)說明了云端的機(jī)器學(xué)習(xí)可以處理巨大基礎(chǔ)設(shè)施和經(jīng)濟(jì)需求。邊緣的機(jī)器學(xué)習(xí)可以通過減少對(duì)基于云計(jì)算的機(jī)器學(xué)習(xí)所需的云計(jì)算服務(wù)和支持基礎(chǔ)設(shè)施的依賴來減輕這些負(fù)擔(dān)。
用于云端的機(jī)器學(xué)習(xí)處理的巨大經(jīng)濟(jì)成本可能最好通過開發(fā)人員的經(jīng)驗(yàn)來說明。每臺(tái)設(shè)備在服務(wù)器上進(jìn)行一秒鐘的計(jì)算大約需要0.00003美元。這顯然是一個(gè)非常小的成本,但是當(dāng)考慮到開發(fā)商的目標(biāo)是盡可能多的受眾時(shí),其成本很快就會(huì)開始上升。例如,對(duì)于一百萬臺(tái)設(shè)備,服務(wù)器上一秒鐘的計(jì)算成本是28美元,即每分鐘1680美元。對(duì)于以1億用戶為目標(biāo)的極其成功應(yīng)用程序,開發(fā)商將支付每分鐘160萬美元的費(fèi)用!
最重要的是,將云計(jì)算用于基于機(jī)器學(xué)習(xí)的任務(wù)根本不可行。即使距離很近,也需要大量的電力才能將數(shù)據(jù)發(fā)送到云端。在設(shè)備上,基于機(jī)器學(xué)習(xí)的處理所需的功率量要小得多。
在設(shè)備和云端之間來回發(fā)送數(shù)據(jù)將會(huì)產(chǎn)生明顯的滯后或延遲,大多數(shù)基于機(jī)器學(xué)習(xí)的應(yīng)用程序,特別是那些對(duì)時(shí)間要求嚴(yán)格的應(yīng)用程序來說都是不能容忍的。改善延遲開啟了基于機(jī)器學(xué)習(xí)的應(yīng)用程序可以完成的新功能。例如,如果由于發(fā)送、處理、接收增強(qiáng)視頻所花費(fèi)的時(shí)間而在云端完成機(jī)器學(xué)習(xí)處理,那么Snapchat AR體驗(yàn)是不可能的。
通過逐步查看流程,可以最好地說明用于云端的機(jī)器學(xué)習(xí)處理的延遲問題。在當(dāng)前的4G網(wǎng)絡(luò)上以一種方式(從設(shè)備到云端)啟動(dòng)數(shù)據(jù)流提供50ms的理論延遲,這大約是4個(gè)視頻幀的延遲。然后,為了處理云端的機(jī)器學(xué)習(xí)數(shù)據(jù),一個(gè)視頻幀可能延遲16ms。最后,從云端回流到設(shè)備是50ms的延遲。因此,整個(gè)過程大約有10個(gè)視頻幀的延遲,使得其延遲遠(yuǎn)遠(yuǎn)高于提供即時(shí)響應(yīng)設(shè)備上的機(jī)器學(xué)習(xí)。5G技術(shù)確實(shí)有可能將此設(shè)備更改為邊緣處理,因?yàn)槠洳渴鹬挥?ms的延遲,但5G技術(shù)的廣泛應(yīng)用仍需要一段時(shí)間。
最后,云計(jì)算與設(shè)備之間的持續(xù)交互創(chuàng)建了一個(gè)更容易受到隱私威脅的場(chǎng)景。用戶可以更容易地在他們的設(shè)備上處理他們的個(gè)人數(shù)據(jù),而不是將其發(fā)送到云端。如果為機(jī)器學(xué)習(xí)任務(wù)生成的數(shù)據(jù)經(jīng)過數(shù)百英里到達(dá)云端,然后返回到設(shè)備并做出決定,那么很有可能受到影響。基本上,防止攻擊用戶隱私的最佳方法是確保敏感數(shù)據(jù)不會(huì)離開設(shè)備。
開發(fā)人員希望機(jī)器學(xué)習(xí)處于邊緣
開發(fā)人員的需求最適合邊緣的機(jī)器學(xué)習(xí)處理。機(jī)器學(xué)習(xí)正在改變開發(fā)人員編寫算法的方式。在以往,針對(duì)特定用例需要人工編寫代碼,這非常耗時(shí),并且使用機(jī)器學(xué)習(xí)有時(shí)容易出錯(cuò),開發(fā)人員不再需要編寫代碼。相反,他們創(chuàng)建了一個(gè)模型,并用數(shù)據(jù)集對(duì)其進(jìn)行訓(xùn)練,與人工編寫代碼相比,這種方法更加強(qiáng)大。
機(jī)器學(xué)習(xí)多年來一直為開發(fā)人員所熟知,但主要用于數(shù)據(jù)中心的高計(jì)算設(shè)備。直到最近,它才被用于移動(dòng)設(shè)備,因?yàn)樗鼈兊挠?jì)算效率變得更高,并且能夠運(yùn)行更復(fù)雜的機(jī)器學(xué)習(xí)模型。將最新的設(shè)備創(chuàng)新與開發(fā)人員的需求結(jié)合起來,使機(jī)器學(xué)習(xí)成為了首選。設(shè)備上的機(jī)器學(xué)習(xí)處理通過實(shí)時(shí)處理和低延遲為開發(fā)人員提供即時(shí)結(jié)果,同時(shí)允許他們?cè)跊]有網(wǎng)絡(luò)連接的情況下執(zhí)行機(jī)器學(xué)習(xí)任務(wù)。
云計(jì)算機(jī)器學(xué)習(xí)處理有時(shí)可能是適當(dāng)?shù)?/strong>
盡管面臨各種挑戰(zhàn),但數(shù)據(jù)處理的云計(jì)算模型意味著可以不斷更改和升級(jí)機(jī)器學(xué)習(xí)算法。因此,任何與云計(jì)算交互的設(shè)備也可以改進(jìn)其處理機(jī)器學(xué)習(xí)任務(wù)的方式。此外,還有一些需要大量計(jì)算,并對(duì)時(shí)間不敏感的任務(wù)。因此,云計(jì)算的延遲并不是一個(gè)大問題。其例子包括無人機(jī)的數(shù)據(jù)處理,這些無人機(jī)為研究、工業(yè)、軍隊(duì)提供詳細(xì)圖像或視頻輸入,或者對(duì)患者進(jìn)行放射學(xué)或X射線檢查等醫(yī)學(xué)成像。雖然仍然很重要,但邊緣的機(jī)器學(xué)習(xí)并不一定是所有基于機(jī)器學(xué)習(xí)的任務(wù)的“一刀切”解決方案。所有參與機(jī)器學(xué)習(xí)處理的團(tuán)隊(duì)(從開發(fā)人員到原始設(shè)備制造商)都需要確定設(shè)備上的哪些任務(wù)能從邊緣的機(jī)器學(xué)習(xí)中獲益。
邊緣的機(jī)器學(xué)習(xí)是未來的需求
利用各種基于機(jī)器學(xué)習(xí)的任務(wù)和應(yīng)用程序的移動(dòng)設(shè)備已經(jīng)被全世界數(shù)十億人使用。大多數(shù)情況下,需要設(shè)備上的實(shí)時(shí)響應(yīng),而邊緣的機(jī)器學(xué)習(xí)將提供這種響應(yīng)。用戶和開發(fā)人員不希望依賴云計(jì)算技術(shù),因?yàn)樵朴?jì)算的功率、成本、隱私和速度受到限制。對(duì)于智能設(shè)備來說,現(xiàn)在還處于起步階段,但機(jī)器學(xué)習(xí)將是未來發(fā)展的最佳選擇。