Energooszczędna sztuczna inteligencja pozwoli na zrównoważony rozwój internetu rzeczy i aplikacji brzegowych
Łącząc zdolności analityczne i decyzyjne sztucznej inteligencji z możliwościami internetu rzeczy (IoT) w zakresie łączności i gromadzenia danych, sztuczna inteligencja rzeczy (AIoT) umożliwia tworzenie bardziej inteligentnych i responsywnych urządzeń. Dzięki wyposażeniu tych systemów w funkcje analizy danych i podejmowania autonomicznych decyzji w czasie rzeczywistym przy użyciu lokalnych zasobów obliczeniowych AIoT znacząco ulepsza rozmaite rozwiązania – od inteligentnych domów, przez opiekę zdrowotną, aż po procesy przemysłowe i systemy motoryzacyjne. Sporym wyzwaniem jest jednak efektywne wykorzystanie ogromnych ilości danych generowanych przez IoT. Gromadzenie i przetwarzanie tak niewyobrażalnej ilości danych wymaga znacznej mocy obliczeniowej, a sprawę dodatkowo komplikuje zastosowanie złożonych algorytmów. Odpowiedzią na te wyzwania jest finansowany przez Unię Europejską projekt VEDLIoT, w ramach którego trwają prace nad platformą IoT, która wykorzystuje algorytmy uczenia głębokiego (sieci neuronowe) rozproszone na różnych poziomach infrastruktury IoT, umożliwiając przetwarzanie brzegowe, we mgle i w chmurze. „Naszym celem było opracowanie innowacyjnych, energooszczędnych metodologii uczenia głębokiego, specjalnie dostosowanych do rozproszonych aplikacji AIoT, działających w wielu lokalizacjach lub na wielu urządzeniach. Skupiliśmy się nie tylko na optymalizacji algorytmów, ale także zajęliśmy się integralnymi wyzwaniami dotyczącymi zapewnienia bezpieczeństwa i ochrony tych systemów”, mówi koordynator projektu Jens Hagemeyer.
Zdolność IoT do uczenia się
Jednym z najważniejszych elementów projektu VEDLIoT było opracowanie kognitywnej platformy sprzętowej IoT, posiadającej zdolność uczenia się na podstawie danych i rozumowania w celu podjęcia decyzji. Wykorzystanie najbardziej zaawansowanych mikroserwerów posiadających zoptymalizowane akceleratory sprzętowe zapewnia tej platformie modułowość i skalowalność. Oznacza to, że można ją dostosować do indywidualnych potrzeb i wymogów najróżniejszych aplikacji. Ta elastyczność pozwalająca na zastosowanie jej w różnych przypadkach użycia pomaga zwiększyć efektywność energetyczną i wydajność systemu. „Oferując możliwość indywidualnego dostosowania konfiguracji sprzętowych, platforma VEDLIoT zapewnia zrównoważone działanie urządzeń IoT i brzegowych. Powinno to pomóc wydłużyć ich trwałość użytkową na różnych poziomach infrastruktury obliczeniowej (kontinuum obliczeniowe), poprawiając ich stopień dostosowania do rozległego ekosystemu nowoczesnych aplikacji, które obsługują”, podkreśla Hagemeyer. Platforma sprzętowa VEDLIoT łączy w sobie wyspecjalizowany sprzęt, różnorodne akceleratory sprzętowe dostosowane do konkretnych zastosowań oraz zaawansowane środki bezpieczeństwa wykorzystujące zaufane środowiska wykonawcze i rozproszone poświadczenia. W ramach projektu powstały ramy projektowania dla systemów AI o krytycznym znaczeniu dla bezpieczeństwa, dzięki czemu mogą one spełniać surowe wymagania bezpieczeństwa. Integrujące wielu dostawców rozwiązania zaproponowane przez zespół projektu VEDLIoT zwiększają elastyczność i adaptowalność, jednocześnie zmniejszając zależność od prawnie zastrzeżonych platform i upowszechniając zastosowanie technologii AIoT w różnych branżach.
Testy technologii w różnych przypadkach użycia
Uczestnicy projektu VEDLIoT z powodzeniem przeprowadzili walidację opracowanych przez siebie technologii w zróżnicowanych przypadkach użycia, w tym w systemach IoT stosowanych w sektorach motoryzacyjnym i przemysłowym oraz inteligentnych środowiskach domowych. Wśród najważniejszych działań demonstracyjnych należy wymienić samowystarczalne inteligentne lustro, wykrywanie i omijanie pieszych, wykrywanie zjawiska łuku elektrycznego w systemach dystrybucji zasilania prądem stałym oraz usługę konserwacji predykcyjnej silników elektrycznych. Ponadto w wyniku otwartego zaproszenia do zgłaszania propozycji projektów opracowano dziesięć aplikacji w obszarach takich jak spawanie laserowe i badanie jakości miodu. „Udało nam się uzyskać ponad dziesięciokrotne zwiększenie wydajności i efektywności energetycznej we wszystkich kluczowych obszarach zastosowań – za sprawą optymalizacji komponentów sprzętowych i akceleratorów, a także łańcuchów narzędzi i modeli”, zaznacza Hagemeyer. Uzyskane rezultaty podkreślają wkład uczestników projektu VEDLIoT w rozwój technologii AIoT, na który składają się skalowalne, wydajne i bezpieczne rozwiązania. Wiele wskazuje na to, że wyniki projektu zyskają szeroki oddźwięk, wyznaczając nowe standardy wydajności, efektywności energetycznej i bezpieczeństwa dla aplikacji AIoT, brzegowych i chmurowych.
Słowa kluczowe
VEDLIoT, AIoT, uczenie głębokie, brzeg sieci, sztuczne sieci neuronowe, chmura, sztuczna inteligencja rzeczy, akcelerator sprzętowy, energooszczędność, efektywność energetyczna
