如何让AI能力延伸至边缘:存储是基础

来源: 作者:作者 发布于:2020-08-14 18:00 分类:乐虎平台

 

  (来源:中国经济时报原标题:清华大学彭兰:传统媒体转型应充分理解这三个特征作者:彭兰清华大学新闻与传播学院教授、新媒体研究中心主任)  近日,海淀法院审结了原告英国广播公司(BRITISHBROADCASTINGCORPORATION)与被告北京爱语吧科技有限公司侵害商标权及不正当竞争纠纷一案。法院一审认定爱语吧公司擅自使用“BBC”标识的行为构成侵害商标权及不正当竞争,判决爱语吧公司停止侵害英国广播公司“BBC”系列商标专用权的行为,并赔偿经济损失及合理开支共计100万元。  原告英国广播公司诉称,其是与“BBC”有关的第2021481号、第829907号和第G918771号注册商标(以下简称涉案商标)专用权人,涉案商标及其企业名称“英国广播公司(缩写:BBC)”在中国具有较高知名度。爱语吧公司未经许可,擅自在其运营的2个网站、1个微信公众号以及其开发的5款手机应用软件中突出使用“BBC”标识,侵害了英国广播公司就涉案商标享有的注册商标专用权。

如何让AI能力延伸至边缘:存储是基础

如何让AI能力延伸至边缘:存储是基础

人工智能技术的复兴,主要归功于过去几年以来以IT为代表的计算能力的显著提升。

在与图形处理单元(GPU)以及云计算资源的弹性特征配合使用的情况下,在机器学习与自然语言处理实例当中,AI提出的计算资源需求对于企业而言终于不再是可望而不可及的奢求。

尽管如此,还有另一种不那么广受关注但又同样重要的AI复兴趋势,即AI技术被应用于物联网与边缘计算场景当中。 根据StorCentric公司CEOMihirShah所言,这样的趋势代表着大数据的工作对速度有着严格的要求,同时又必须配合良好的稳定性。 而所有这一切,都必须通过存储底层来支撑换言之,除了计算能力之外,存储已经成为AI在数据生态系统当中发挥重要作用的另一支柱。

存储对于AI技术之所以不可或缺,是因为AI巨大的计算量需要对数据进行大规模快速访问,而这方面要求在边缘计算与备份等实际场景中又显得更加现实且突出。

当配合理想的存储容量时,AI的计算速度才能够为诸多有利于智能物联网(IIoT)的前沿边缘计算用例提供助力。 人脸识别智能物联网的存储要求主要体现在边缘计算应用当中。 比如,美国国防部目前正在利用人脸识别等AI技术对偏远地区进行管理,用以验证进出设施的具体人员。 很明显,涉及高级机器学习、卷积神经网络以及统计认知计算等因素的人脸识别技术对存储设备提出了特殊的要求,而这,也是确保其正常运作的基础所在。

Shah在提到国防部部署人脸识别方案时表示:他们更倾向于使用直接附加存储方案,旨在提升数据流通速度。 这类方案具有便携性、速度性以及易于使用等优势。 在这个特定用例当中,人脸识别的实现在很大程度上依赖于存储对边缘计算的支持。

Shah提到,边缘位置的这些人脸识别系统就位于服务器旁边。

该服务器直接连接至设备。 当有人走进来时,设备会扫描他们的面部并整理出他们的生物识别指标。 而服务器则会即刻进行处理,并与存储设备中的信息进行比对。 AI在边缘在之前提到的示例与其它边缘AI部署方案当中,存储单元往往面临着一系列特定要求。

一般来讲,缩小设备尺寸对于实现物联网而言至关重要。 因此,尺寸成为了边缘位置下,附加存储设备的核心设计因素,而在这样的设计下,同时还要保证其在瘦身之后仍然有能力处理AI所需要的数据规模。

StorCentric公司CTORodHarrison观察到,用于支持边缘计算用例的某些尺寸较小的存储单元能够容纳大约70TB数据。

另外,这种存储设备必须具备用户友好特性,从而满足远程环境当中非技术用户的操作需要。 Shah指出,在这样的环境中,因为没有太多IT专业人员,所以对设备的易用性及速度都提出了要求,为此,我们在设备上配备了Thunderbolt连接端口。 移动边缘计算此外,便携性的重要性同样在不断攀升,除了边缘存储之外,包括边缘计算本身也在强调便携性。

目前最典型的案例,就是大量智能手机正在持续生成传感器数据。 尽管与智能物联网中的IT资产相比,智能手机可能并没有那么大的存储需求,但它也从另一个方面强调了便携性的优势。

另一个典型例子是部署在偏远地区的军用战斗车辆上的存储单元。

这是一种本地存储,操作人员可以将设备带回基地,并下载至中央服务器。

此外,在发生故障的情况下,操作者也能够轻松更换这种存储单元以实现业务连续性。 Shah强调,因为整套系统非常易于使用,所以即使没有IT工作小组,一旦某块驱动器发生故障或者出现了其它意外状况,身在现场的任何士兵都可以弹出这块损坏的驱动器并立刻插入新的驱动器。

智能边缘存储对于智能物联网的提升至关重要,它使得相关设备能够根据需要卸下数据、按需访问数据,并支持由部署在云端的AI提出的计算要求。

如此一来,AI技术的可行性将不仅延伸至认知计算,现时也将延伸至物联网领域。 此外,便捷而可靠的存储对于集中部署的AI方案同样必不可少,并直接为我们带来了当前各类常见的AI实现成果。

在我看来,AI与物联网技术的融合首先将在一系列大型企业当中实现;但随着时间的推移,这方面成果最终将渗透到更多中小型企业之内。

Shah表示。

如何让AI能力延伸至边缘:存储是基础

  最后,在安全方面,应用层有隐私数据安全挑战,华为云区块链服务BCS通过多层加密,国密和同态加密等隐私处理,创造安全和可信的数字环境;3个延伸区块链向IoT、AI5G等前沿技术延伸,驱动产业创新BCS+IOT,溯源场景助力产业共赢:  在HC的现场,华为云应用服务准备了一个鸡尾酒溯源的Demo。鸡尾酒原料链下物联网信息采集,包括酒的原产地信息,生产加工步骤信息等,IoT保证上链前数据不可伪造;上链后为每一瓶酒都有生产溯源ID,从生产到物流,再通过智慧零售到消费者手中,保证信息的真实不可篡改。监管方通过数字化手段轻松监管、消费者基于可信的技术透明消费,而企业构建在链上的可信交易增加企业的美誉度,真正让技术变现。  BCS+AI,可信环境做训练挖掘数据价值:  伯克利分析表明:AI需要跨组织在隐私保护的数据上训练模型,需要多维度的数据;大量的数据需要流通,而高度的流通则带来安全性风险;区块链技术就可以很好的支撑这一需求:以区块链技术为基础,结合加密、安全技术,可以为数据供需双方提供运行环境,数据可用不可得的训练环境,打造数据不泄露、数据使用可追溯、可评估的可信数据价值挖掘平台。  BCS+5G:  5G时代,海量数据,高速率,低时延成为关键特征,如何让点对点数据可信的流通,也是5G时代的一个关键命题。

如何让AI能力延伸至边缘:存储是基础

因此,制备出高效率、低成本以及重现性良好的可溶液加工活性材料,则是提高光电转化效率的基础。  陈永胜介绍,早期的有机太阳能电池的研究主要集中在聚合物的给体材料的设计合成,活性层是基于富勒烯衍生物受体的本体异质结构。随着相关研究的不断推进,以及器件工艺对材料的更高要求,具有确定化学结构的可溶液处理寡聚小分子材料开始引起人们的强烈关注。  “这类材料具有结构单一、易提纯、光伏器件结果重现性好等优点。

如何让AI能力延伸至边缘:存储是基础

如何让AI能力延伸至边缘:存储是基础

不过,过了一段时间后,梁先生对这辆奥迪A6产生了质疑。主要是低配充当高配、实际里程与表显里程不同、事故车三个方面问题。基于此,梁先生要求大搜车给予三倍赔偿也就是100万。


    上一篇:如何解决量子计算机的「退相干」问题? 下一篇:没有了
    Copyright © 乐虎_乐虎网址|直营平台 专业分析各种投稿,打造最大的网站。