邊緣人工智慧:通往可持續與可及的人工智慧未來之路

你聽說過 ENIAC 電腦嗎?

ENIAC 於1946年首次亮相,標誌著電腦時代的開端。這台重量達27噸、佔地1,800平方英尺的宏偉主機,擁有6,000個手動開關和17,468個真空管,消耗驚人的200千瓦電力。作為全球首台可程式化的通用電子數位電腦,ENIAC 改變了科技的面貌。當時的報導至今仍能引起共鳴,尤其是在當前的人工智慧(AI)發展中。

《流行科學月刊》宣稱:“借助閃電般的電腦來解決長期困擾人類的問題,今天的方程式或許明天就能變成火箭。”《費城晚報》也指出:“賓州大學的30噸電子大腦比愛因斯坦思考得更快。”

時光飛逝,75年後,驅動現代設備如智能冰箱的 Cortex-M4 芯片速度比 ENIAC 快10,000倍,僅使用90 µA/MHz且佔用空間極小。這一計算技術的演變體現了科技的成熟與專業化,大幅提升了針對性和成本效益。

AI 專業化的令人振奮的道路

正如當年 ENIAC 產生的興奮感,AI 也帶來了巨大的期待與焦慮,特別是自生成式 AI 去年流行以來。要理解 AI 的未來,回顧計算硬體的發展軌跡尤為重要。科技通常始於大型中央化,隨後向專業化和地方化發展,以提供更可及和高效的解決方案。例如,從電話交換臺到智能手機,從大型發電廠到住宅太陽能板。AI 也正經歷著這一變革。驅動 AI 的大型語言模型(LLMs)正變得笨重,迫切需要專業化、去中心化和民主化,這類似於所謂的“邊緣 AI”。

LLMs:機遇與挑戰

如 GPT(生成式預訓練變壓器)等 LLMs 的出現使 AI 時代成為可能,這些模型訓練於龐大的數據集,能理解和生成類似人類的語言。然而,這些龐大的模型也並非沒有局限性。其龐大的數據需求和計算能量導致高運營成本,令無限擴展變得艱難。

主要挑戰包括:

- 高質量訓練數據的可獲得性

- 維持大型模型的環境影響

- 經濟可行性以支持持續擴展

- 大型 AI 實體的安全問題

隨著 AI 的快速擴展,我們已接近一個轉捩點。那些使主機數十年演變的過程,可能在 AI 領域僅需數月,因為挑戰要求向高效的去中心化 AI 應用轉型。

邊緣 AI 的崛起

邊緣 AI 的興起已在進行中,主要體現在物聯網(IoT)中的小型專用模型中。這種模型將計算能力從集中數據中心轉移到網絡邊緣,更接近數據生成和使用,促進了如下進步:

- 小型語言模型:這些是能生成類人文本的緊湊 AI 版本。小型化轉化為更快且更具成本效益的處理,特別適用於如智能手機等功率有限的設備。最近的平行 GPU 技術使這些模型成為可能。

- 邊緣 AI:這一術語指的是在本地設備上運行的 AI——如智能手機、街道攝像頭或汽車,而非遠端數據中心。在邊緣處理加快了速度,因為數據不必長途傳輸,同時提高了隱私,減少了對互聯網傳輸的需要。

- 專家混合體系:這種架構包括多個小型 AI 單元,各自在特定任務上表現出色。在面臨挑戰時,系統會選擇最合適的專家,以提高效率和效果。

這些創新增強了 AI 的適應性,使其能在各種平台上應用,從智能冰箱到交通管理、自駕車等。

邊緣 AI 的風險與回報

邊緣 AI 既帶來挑戰也提供益處:

益處:

- 創新增長:消除了開發中的瓶頸,激發了有志開發者的創意利基應用。

- 資源效率:減少延遲和處理需求,大幅降低成本。

- 隱私/安全加強:本地處理減少了對互聯網傳輸的需要,降低了風險。

- 定制化:模型可基於本地數據訓練,提供更相關、獨立的解決方案。

挑戰:

- 質量控制:模型的激增需要強健的質量保證流程。

- 安全與治理:更多設備引入潛在安全漏洞,亟需監管監督。

- 限制範圍:邊緣 AI 模型針對特定任務,可能限制了其在不同場景下的擴展性。

- 監管需求:領導者需要監控發展,以避免重複和確保有效管理。

邊緣 AI 的演變為重新思考 AI 應用的創建與管理提供了獨特機會。在處理複雜性和成本時,確保新技術保持兼容性、可控性與有效驗證至關重要。

展望未來

隨著我們向邊緣 AI 轉型,我們站在一個新的 AI 發展時代的邊緣,這一轉變類似於從大型主機轉向個人電腦。這一變革為 AI 的可及性、效率和針對性需求的提升帶來了巨大希望,將推動創新邊界的探尋。

AI 的未來無限廣闊,唯有我們的想像力和對負責任開發的承諾約束著它。

Most people like

Find AI tools in YBX

Related Articles
Refresh Articles