Spolu s nárůstem zařízení IoT (internet věcí) zažíváme významný nárůst shromažďovaných dat (či dokonce IoT datovou záplavu). Největší výzvou je ztráta hodnoty dat, pokud je nelze dostatečně rychle analyzovat. Jak to řešit? Přesunutím výpočetní techniky a zpracování z centralizovaných serverů ke zdroji – na zařízení shromažďující tato data. Tento proces se označuje jako Edge Computing a tato zařízení jako Edge Devices (koncová zařízení).
Prozatím spočívala úloha vzdáleného zařízení především v přijímání, ukládání a odesílání dat do cloudových systémů. Nicméně, Edge Computing je o zpracování a využití dat v místě zařízení – jinými slovy Edge je zaměřen na zařízení, která jsou připojena k věcem v IoT. Obecnou myšlenkou je zpracování dat spolu s tvorbou výstupů lokálně na koncovém zařízení.
Nejlepší příklad – videozáznam. Představte si jaká šířka pásma je potřebná pro streamování HD videa, jak dlouho to trvá, jak velký by měl být úložný prostor, jak dlouho trvá zpracování a jaké je zpoždění důležitých informací, které ze záznamu pocházejí. Pojďme se přesunout na Edge – nyní můžeme tam někde na zařízení analyzovat video záznam z kamery v reálném čase a doručovat jen důležité informace.
Co jsou hybné síly Edge Computingu?
Už jsme zmínili jednu – rostoucí objem dat ze zařízení/prostředí/trhů atd. Existuje však více důvodů, proč provádět výpočty v Edge (na okraji):
- omezení nákladů na přenos dat do cloudu
- snížení reakčního času, okamžité provedení analýzy (například v terénu)
- kybernetická bezpečnost – vyhnout se odesílání a ukládání surových dat v cloudu
- přístup k temporálním datům pro analýzy v reálném čase
- schopnost pracovat i bez připojení do cloudu.
Sečteno podtrženo, jde o snížení latence a zvýšení spolehlivosti tím, že přesuneme inteligenci mimo centrální cloud.
Přivedení Edge k životu – praktické aplikace
Podívejme se na několik příkladů:
Monitorování parkovacích míst – je skutečně nutné mít každý snímek z kamery? Nebo jen informaci o tom, kolik aut se na parkovišti nachází? Porovnejte hodiny dlouhé video s informací jako je: 23 vozů na parkovišti.
Dalším příkladem může být rozpoznávání speciálního dopravního značení informující o objížďkách. Ještě víc – Edge je skutečně zásadní pro autonomní vozidla, neboť umožňuje inteligentní technologie, jako je zamezení kolizím.
Je toho zde více – předvídání údržby ve výrobě. Díky tomu, že zpracováváme data blíže ke zdroji, mohou zařízení detekovat anomálie na vysokorychlostních montážních linkách na základě toho, co se děje v továrně. V důsledku toho jsou poskytována včasná varování, umožňující předcházet problémům.
Maloobchod – přesun na koncová zařízení, tudíž blíže zákazníkovi, umožňuje doručovat vysoce personalizovaná doporučení produktů, nabídky a komunikaci založenou na chování zákazníků v prodejnách.
Nástroje pro práci – Google Cloud umožňující Edge Computing
V roce 2018 představila společnost Google dvě důležité komponenty – software a hardware – které zplnomocní koncová zařízení.
První je Cloud IoT Edge. Jedná se o softwarovou komponentu, která rozšiřuje zpracování dat a strojové učení v Google Cloud na miliardy koncových zařízení, jako jsou robotické paže, větrné turbíny a ropné plošiny, takže mohou v reálném čase pracovat s daty ze svých senzorů a předvídat výsledky lokálně. Cloud IoT Edge může běžet na Linuxových operačních systémech.
Jak pracuje Cloud IoT Edge?
Druhý je čip Edge TPU. Je to účelově postavená hardwarová součástka společnosti Google, která může obohatit Vaše zařízení spuštěním umělé inteligence v Edge (na okraji). Poskytuje vysoký výkon s malou fyzickou stopou, jak vidíte níže. Je také optimalizována pro nízkou spotřebu energie. Není to ale jen hardwarové řešení. Kombinuje vlastní hardware a otevřený software a poskytuje Vám nejmodernější algoritmy umělé inteligence, které Vám poskytnou vysoce kvalitní a snadno použitelné řešení umělé inteligence pro Edge.
Edge TPU
