1/3
- 下载图片
- 复制图片
旅人
在边缘设备使用生成式AI已成趋势
生成AI正在边缘计算领域取得了巨大成功，专家们相信它将彻底改变各个行业。虽然人工智能的重点主要是通过OpenAI的GPT项目实现的生成式人工智能，但在其他领域也取得了重大进展，例如对象检测和分类。这些进步在面部识别系统、工业自动化等领域具有实际应用。
生成AI不同于对象检测和分类。它的中心是创建新的内容或复制输入数据的特征以产生新的输出。这项技术使用复杂的算法和大量的数据集进行训练，可以生成以前不存在的新图像、文本或音乐。
在边缘生成AI具有非常大的潜力。各个行业中的企业越来越多地将计算资源移动到更接近数据创建位置的位置，使边缘位置成为收集、过滤和聚合本地数据的理想选择。此外，生成式AI流程可以消耗这些数据并产生可以由用户或设备在本地使用的结果。有两个关键的进步为边缘生成AI铺平了道路。首先，OpenAI的ChatGPT和Google的PaLM和LaMDA等公开可用的大型语言模型（LLM）对于边缘环境来说太大了。为了解决这个问题，正在开发针对特定任务或领域进行调整的较小模型，在保持有效性的同时大幅减少资源需求。其次，硬件加速对于边缘生成AI至关重要。从历史上看，这种类型的硬件既昂贵又节能。然而，随着集成gpu的小型计算机的出现，调优llm现在可以有效地部署在远边缘位置。
生成人工智能在边缘的新兴应用包括零售中的语音辅助购物者建议，餐馆中的交互式问答系统，客户反馈上下文中的情感分析或语言翻译，以及仓库中的自主决策。专家们预计，在边缘利用生成式AI的创新应用程序将迅速采用。虽然有些可能是短暂的，但其他的将在各个行业证明是有价值的和可行的。
随着行业的继续发展和边缘生成AI的业务驱动力获得动力，培养鼓励创新应用的技术堆栈至关重要。通过正确的方法，生成式人工智能有潜力改变行业并推动增长。
生成AI正在边缘计算领域取得了巨大成功，专家们相信它将彻底改变各个行业。虽然人工智能的重点主要是通过OpenAI的GPT项目实现的生成式人工智能，但在其他领域也取得了重大进展，例如对象检测和分类。这些进步在面部识别系统、工业自动化等领域具有实际应用。
生成AI不同于对象检测和分类。它的中心是创建新的内容或复制输入数据的特征以产生新的输出。这项技术使用复杂的算法和大量的数据集进行训练，可以生成以前不存在的新图像、文本或音乐。
在边缘生成AI具有非常大的潜力。各个行业中的企业越来越多地将计算资源移动到更接近数据创建位置的位置，使边缘位置成为收集、过滤和聚合本地数据的理想选择。此外，生成式AI流程可以消耗这些数据并产生可以由用户或设备在本地使用的结果。有两个关键的进步为边缘生成AI铺平了道路。首先，OpenAI的ChatGPT和Google的PaLM和LaMDA等公开可用的大型语言模型（LLM）对于边缘环境来说太大了。为了解决这个问题，正在开发针对特定任务或领域进行调整的较小模型，在保持有效性的同时大幅减少资源需求。其次，硬件加速对于边缘生成AI至关重要。从历史上看，这种类型的硬件既昂贵又节能。然而，随着集成gpu的小型计算机的出现，调优llm现在可以有效地部署在远边缘位置。
生成人工智能在边缘的新兴应用包括零售中的语音辅助购物者建议，餐馆中的交互式问答系统，客户反馈上下文中的情感分析或语言翻译，以及仓库中的自主决策。专家们预计，在边缘利用生成式AI的创新应用程序将迅速采用。虽然有些可能是短暂的，但其他的将在各个行业证明是有价值的和可行的。
随着行业的继续发展和边缘生成AI的业务驱动力获得动力，培养鼓励创新应用的技术堆栈至关重要。通过正确的方法，生成式人工智能有潜力改变行业并推动增长。
2024-03-20
浏览171
AI智能
暂无评论
登录后评论
2
评论
分享