نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

23 بهمن 1403 5:14 ق.ظ

Edge AI هدایت موج بعدی پیشرفت های تکنولوژیکی

Edge AI هدایت موج بعدی پیشرفت های تکنولوژیکی

21 اکتبر 2024-هوش مصنوعی لبه -هوش مصنوعی Edge سیستم‌های هوشمند بی‌درنگ را در لبه با قابلیت‌های تصمیم‌گیری، حل مسئله، تشخیص الگو و یادگیری در سطح انسانی خاص فعال می‌کند.

پردازش داده ها و افزایش هوش در لبه یک اولویت استراتژیک است، به ویژه برای پشتیبانی از نیازهای آینده برنامه های کاربردی عمودی – متشکل از سخت افزارهای انباشته شده با پلت فرم های نرم افزاری – مطابق با قانون تراشه های اروپایی و اهداف قرارداد سبز اروپا.

پتانسیل هوش مصنوعی لبه: بررسی مزایا و کاربردهای آن

هوش مصنوعی Edge که نشان‌دهنده همگرایی فناوری اینترنت اشیا (IoT)، محاسبات لبه و هوش مصنوعی (AI) است، امکان پردازش داده‌ها در لبه را فراهم می‌کند و مزایای متعددی مانند کاهش تأخیر، نیاز به پهنای باند، مصرف انرژی و ردپای حافظه را به همراه دارد و در عین حال امنیت و حفاظت از داده‌ها را افزایش می‌دهد. هوش مصنوعی Edge نقشی کلیدی در حوزه‌های مختلف صنعتی ایفا می‌کند و به سخت‌افزار خاصی نیاز دارد تا با نرم‌افزار، الگوریتم‌های هوش مصنوعی، پلتفرم‌ها و مجموعه‌های داده انباشته شود.

هوشمندی در لبه دستگاه امکان پردازش اطلاعات به صورت محلی و پاسخگویی در زمان واقعی به موقعیت ها و سناریوها را به جای برقراری ارتباط با یک ابر مرکزی یا سرور فراهم می کند. سیستم های خودمختار باید در زمان واقعی به آنچه در یک زمینه خاص رخ می دهد پاسخ دهند. تصمیم‌گیری‌ها به زمان حساس هستند و تأخیر در کاربردهای هوش مصنوعی لبه در بخش‌های مختلف صنعتی بسیار مهم است.

پردازش لبه، چشم انداز دستگاه متصل به هم را دوباره تعریف می کند. انتقال پردازش و تجزیه و تحلیل داده ها به لبه و به کارگیری تکنیک های هوش مصنوعی با امنیت جاسازی شده، برنامه های بلادرنگ جدیدی را قادر می سازد که تا حدی از نگرانی در مورد پهنای باند داده و قابلیت اطمینان شبکه فارغ باشند.

تبدیل داده های خام به اطلاعات مفید در لبه، پهنای باند ارتباطی و نیازهای ذخیره سازی داده را کاهش می دهد در حالی که امنیت و حریم خصوصی را افزایش می دهد و مصرف انرژی را کاهش می دهد. برای کاربردهای هوشمند، مفهوم پردازش و محاسبات هوش مصنوعی لبه در ظهور لایه‌های لبه مختلف، از جمله لبه‌های میکرو، لبه‌های عمیق و فرا لبه منعکس می‌شود.

پروژه Chips JU EdgeAI یک ابتکار کلیدی برای انتقال دیجیتال اروپا به سمت راه حل های پردازش هوشمند در لبه و نتیجه ضمنی ابتکار قانون تراشه های اروپایی است. این پروژه به شدت به اروپا کمک می‌کند که فناوری‌ها و برنامه‌های کاربردی برای تقویت قابلیت‌های طراحی و توسعه هوش مصنوعی لبه خود را داشته باشد.

با تقویت اجزا و سیستم‌های الکترونیکی مبتنی بر هوش مصنوعی، پلت‌فرم‌های پردازش لبه، چارچوب‌های هوش مصنوعی و میان‌افزار، و روش‌شناسی (برای سهولت، پیشرفت و طراحی دستگاه‌های هوشمند در لبه)، این پروژه از توسعه راه‌حل‌های عمودی هوش مصنوعی لبه پشتیبانی می‌کند. برای بخش‌های صنعتی عمودی در صنعت دیجیتال، انرژی، محصولات کشاورزی و آشامیدنی، و جامعه دیجیتال، فناوری‌های هوش مصنوعی لبه‌ای، نوآوری در امنیت، اعتماد و بهره‌وری انرژی را در زیرساخت‌های صنعتی پیش می‌برد و استقرار هوش مصنوعی را در بخش‌های توسعه تحقیقات و صنعت اتحادیه اروپا دموکراتیک می‌کند.

قانون تراشه‌های اروپایی رقابت و انعطاف‌پذیری سیلیکونی اروپا را تقویت می‌کند و به دستیابی به انتقال دیجیتال و سبز کمک می‌کند. از طریق پروژه‌های مقیاس بزرگ مانند Chips JU EdgeAI، به شدت به عرضه، انعطاف‌پذیری و رهبری فناوری اروپا در فناوری‌ها و کاربردهای نیمه‌رسانا کمک می‌کند.

قانون تراشه‌های اروپایی با هدف ایجاد مشترک اکوسیستم تراشه‌های اروپایی از طریق پیوند دادن ظرفیت‌های تحقیقاتی، طراحی، تولید و آزمایش در سطح جهانی اروپا است. این شامل حاکمیت فناوری اروپا از طریق تقویت رهبری تحقیقات و فناوری اروپا، تقویت ظرفیت خود برای نوآوری در طراحی، ساخت و بسته بندی تراشه، افزایش ظرفیت تولید و آموزش، و توسعه زنجیره های تامین نیمه هادی جهانی جامد است. همانطور که تراشه های نیمه هادی عملکرد سیستم های دیجیتال را تعیین می کنند، برای فناوری های دیجیتال کلیدی (از جمله هوش مصنوعی، محاسبات لبه، اتصال هوشمند و فراتر از آن) همانطور که در دهه دیجیتال 2030 اتحادیه اروپا تعیین شده است، بسیار مهم هستند.

در این زمینه، پروژه EdgeAI یک اکوسیستم اروپایی پویا را ایجاد کرده است که شامل پروژه‌ها و ابتکاراتی است که به فناوری‌ها و برنامه‌های کاربردی هوش مصنوعی لبه می‌پردازد. این فعالیت‌ها منجر به رویدادهای مشترکی مانند کنفرانس اروپایی فناوری‌ها و کاربردهای هوش مصنوعی EDGE – EEAI 2024 شد که امسال در 21 تا 23 اکتبر 2024 در هتل رجینا مارگریتا، کالیاری، ساردینیا، ایتالیا برگزار شد.

هدف EEAI 2024 ارائه یک انجمن اروپایی برای به اشتراک گذاری آخرین تحقیقات علمی و نتایج صنعتی با استفاده از فناوری ها و برنامه های کاربردی پیشرفته هوش مصنوعی است. دامنه آن پشته فناوری هوش مصنوعی لبه را به دنبال تحقیقات و نوآوری های در حال ظهور از سخت افزار تا نرم افزار، چارچوب های هوش مصنوعی لبه، معماری ها، الگوریتم ها، انواع داده ها و روش ها برای برنامه های مختلف پوشش می دهد.

پروژه Chips JU EdgeAI فعالیت‌های خود را بر پیشبرد توسعه فناوری هوش مصنوعی با توجه به پشته فناوری هوش مصنوعی متمرکز می‌کند، به تحقیق و نوآوری در لایه‌های پشته، از سخت‌افزار هوش مصنوعی، رابط‌ها، چارچوب‌ها، نرم‌افزارها، الگوریتم‌ها، معماری‌ها و روش‌ها و انواع داده‌ها تا برنامه‌های کاربردی در بخش‌های مختلف صنعتی.

توسعه راه‌حل‌های هوش مصنوعی در سراسر پشته فناوری هوش مصنوعی منجر به ظهور پیاده‌سازی‌های هوش مصنوعی لبه‌ای چندوجهی می‌شود که عملکرد بلادرنگ را در لبه برای بخش‌های مختلف صنعتی ارائه می‌دهد، که منجر به ادغام ترکیبی از بلوک‌های ساختمانی AI HW/SW در برنامه‌های مختلف مبتنی بر هوش مصنوعی، الگوریتم‌های نرم‌افزار هوش مصنوعی در سراسر، الگوریتم‌های نرم‌افزار هوش مصنوعی در سراسر، مدل‌های بهینه‌سازی لبه، و مجموعه‌های بهینه‌سازی ترکیب لبه، و مجموعه‌های بهینه‌سازی ترکیبی لبه‌ها می‌شود. معماری های مقیاس پذیر سیستم های روی تراشه (SoC) و سیستم های روی ماژول (SoM).

دستگاه‌های لبه در حال حاضر با SoC/SoM برای ساخت رایانه‌های تک بردی با دستگاه‌های گسسته بسیار کمی کار می‌کنند. راندمان انرژی و هزینه در اینجا معیارهای کلیدی هستند و ساختن سیستم‌هایی با، به‌عنوان مثال، دو پردازنده با ویژگی‌های راندمان توان محاسباتی متفاوت ممکن است به راه‌حل‌های مبتنی بر هوش مصنوعی بسیار کارآمد منجر شود.

پروژه تراشه‌های JU EdgeAI کمک‌های ارزشمندی به پردازش در لبه می‌کند، داده‌ها را مستقیماً در منبع داده‌اش پردازش می‌کند یا آن را به اجزای متصل بارگذاری می‌کند. الگوریتم‌ها و برنامه‌های کاربردی برای بهره‌برداری از معماری‌های هیبریدی توسعه‌یافته HW بهینه‌سازی شده‌اند که CPU‌ها را با واحدهای پردازش تخصصی مانند واحدهای پردازش گرافیکی (GPU)، واحدهای پردازش عصبی (NPU)، واحدهای پردازش تانسور (TPU)، و واحدهای پردازش نورومورفیک تکمیل می‌کنند تا هوش مصنوعی را بر روی پلت‌فرم‌های تراشه‌های مدولار، صنعت انرژی دیجیتال و بخش‌های دیجیتالی، و بخش‌های دیجیتالی و تراشه‌های صنعتی، و بخش‌های دیجیتالی.

این کار به عنوان بخشی از پروژه Chips JU EdgeAI “Edge AI Technologies for Optimized Performance Embedded Processing” انجام می شود که طبق توافقنامه کمک مالی شماره 101097300 از Chips JU بودجه دریافت کرده است. JU KDT از برنامه تحقیقات و نوآوری اتحادیه اروپا Horizon Europe، فرانسه، ایتالیا، اتریش، بلگ، و اتریش، یونان، بلگ نروژ حمایت می شود

https://www.innovationnewsnetwork.com

آیا این نوشته برایتان مفید بود؟

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *