आजको धेरै जसो उद्यम AI अझै पनि क्लाउड डाटासेन्टरको सीमा भित्र काम गर्दछ।
यसले विश्लेषण वा निजीकरण जस्ता डिजिटल कार्यहरू राम्ररी ह्यान्डल गर्छ, तर टेल संसारमा भौतिक निर्णयहरू लागू गर्नको लागि संघर्षको आवश्यकता पर्दा यसलाई लागू गर्न आवश्यक छ। तत्काल र आईटी पूर्वाधार सर्दै छ।
लेख तल जारी छ
सफ्टवेयर विकास, AI र edge मा उपाध्यक्ष काउचबेस।
भौतिक AI ले बौद्धिकतालाई सीधै सवारी साधन, गोदाम, एयरक्राफ्ट, रिटेल स्पेस र औद्योगिक वातावरणमा जडान गर्दछ। ड्रपहरू, विलम्बता मामिलाहरू र अपरेशनहरू रोक्न सक्दैनन् किनभने नेटवर्क लिङ्क असफल भएको छ।
संस्थाहरूले थप सेन्सरहरू र किनारा यन्त्रहरू प्रयोग गर्दा, यो मोडेल एक परिचालन आवश्यकता बन्न थालेको छ।
डेटा व्यवस्थापन एआई स्ट्याकको लागि महत्त्वपूर्ण छ
जानकारी र मोडेल स्टेटहरू, ती सबै उपलब्ध रहनुपर्दछ जब यन्त्रहरू, सवारी साधनहरू वा मेशिनहरू क्लाउडबाट विच्छेद गरिएका छन्। id=”slice-container-newsletterForm-articleInbodyContent-Nn3a2VTNaCyXPFp8S8dxgM” class=”slice-container newsletter-inbodyContent-slice newsletterForm-articleInbodyContent-Nn3a2VTNaMx8Px slice-container-newsletterForm”>
यसले तीन मुख्य प्राविधिक आवश्यकताहरू सिर्जना गर्दछ। पहिले, विलम्बता शून्यमा पुग्नै पर्छ। क्लाउड मिलिसेकेन्ड-महत्वपूर्ण निर्णयहरूको लागि धेरै ढिलो छ। अचानक अवरोध पत्ता लगाउने एक स्वायत्त वाहन, हराइरहेको वस्तु पहिचान गर्ने गोदाम रोबोट वा उपकरण परिवर्तनहरूमा प्रतिक्रिया दिने स्मार्ट निर्माण प्रणालीले टाढाको API प्रतिक्रियाको लागि पर्खन सक्दैन; निर्णयहरू स्थानीय रूपमा हुनुपर्छ।
दोस्रो, कमजोर जडानको बावजुद डाटा उपलब्ध रहनुपर्छ। धेरै परिचालन वातावरणहरूमा अस्थिर जडानहरू छन्, त्यसैले भौतिक एआई प्रणालीहरूले अफलाइन काम गर्न जारी राख्नुपर्छ। यो “अफलाइन-पहिलो” दृष्टिकोणले क्लाउड पहुँच अनुपलब्ध हुँदा पनि डाटा भण्डारण, अनुमान र निर्णय तर्क सक्रिय रहने सुनिश्चित गर्दछ।
तेस्रो, गणना कुशल हुनुपर्छ। एज हार्डवेयर स्वाभाविक रूपमा सीमित छ, जसको मतलब मोडेलहरू साना, विशेष र अनुकूलित हुनुपर्छ, प्रायः हार्डवेयर प्रवेगको साथ। डेटाबेसहरू र फराकिलो AI स्ट्याक हल्का, कार्यसम्पादन र स्रोत कुशल हुनु आवश्यक छ। यस वास्तुकलामा, डाटाबेस AI पाइपलाइनको अभिन्न अंग हो, जसले स्रोतमा निर्णयहरू गर्न आवश्यक डेटा मोडेलहरू प्रदान गर्दछ। pt-2 mb-4″>
अब के पढ्ने
>
स्वायत्त सवारीसाधनहरू प्याचि मोबाइल कभरेजबाट गुड्छन्। गोदामहरूले RF हस्तक्षेप अनुभव गर्छन्। एयरक्राफ्ट र क्रूज जहाजहरू सीमित ब्यान्डविथको साथ लामो समयसम्म चल्छन्। आधुनिक उत्पादन साइटहरूले पनि नियमित रूपमा मृत क्षेत्रहरू अनुभव गर्छन्।
यी अवस्थाहरूमा, विलम्बता, एआईले क्लाउडमा राउन्ड ट्रिपको लागि पर्खन सक्छ भन्ने विचार एक सीमित कारक हो। भौतिक एआई स्थानीय प्रशोधन र स्थानीय डेटामा निर्भर गर्दछ किनभने यो एक मात्र तरिका हो, लगातार, भरपर्दो सञ्चालनको ग्यारेन्टी गर्ने।
<2h id="how-physical-ai-is-already-being-deployed-3">कसरी भौतिक एआई पहिले नै तैनाथ भइरहेको छ
स्वायत्त र जडान भएका सवारी साधनहरूमा, सन्दर्भ आवश्यक छ। उदाहरणका लागि एउटा सेल्फ-ड्राइभिङ कार कम्पनीले ठूलो मात्रामा सेन्सर डाटा उत्पन्न गर्छ जुन तुरुन्तै प्रशोधन गरिनुपर्छ। क्लाउड निर्भरता केवल व्यवहार्य छैन किनभने गैर-स्वायत्त सुविधाहरू विश्वसनीय रूपमा कार्य गर्न स्थानीय भण्डारण र अफलाइन क्षमतामा निर्भर छन्।
उडनले धेरै समान अवरोधहरू देखाउँदछ। एयरलाइन्सहरू एआईसँग चालक दलको कार्यप्रवाह, मर्मतसम्भार, रसद र यात्रु अनुभवमा सुधार गर्न चाहन्छन्, तर विमानहरू बीच-बीचमा कनेक्टिभिटीसँग सञ्चालन हुन्छन्। डाटा स्थानीय रूपमा सङ्कलन र भण्डारण गरिनु पर्छ, अनबोर्ड प्रणालीहरू बीच साझेदारी गरिएको छ र विमान पुन: जडान हुँदा कुशलतापूर्वक सिंक गरिएको छ।
रिटेल र रसदले केही सबैभन्दा पहुँचयोग्य उदाहरणहरू प्रदान गर्दछ। पेप्सीमा, गोदामहरूमा किनारा उपकरणहरूले शेल्फ स्टकको विश्लेषण गर्न र स्वचालित रूपमा पुनःपूर्ति प्रारम्भ गर्न भिजन मोडेलहरू चलाउँछन्। बौद्धिकता महत्त्वपूर्ण छ, तर व्यावहारिक चुनौती भनेको स्थानीय रूपमा डाटा व्यवस्थापन गर्नु र जडानलाई अनुमति दिँदा यसलाई विश्वसनीय रूपमा सिंक गर्नु हो। अपरेटरहरूले वास्तविक-समय लेनदेन, निजीकरण र जहाजहरूमा अन-बोर्ड अपरेशनहरूलाई समर्थन गर्न आवश्यक छ जुन दिनको लागि स्थिर जडान नहुन सक्छ। यी क्षेत्रहरूमा, ढाँचा एकरूप छ: AI ले डाटा उत्पन्न भएको ठाउँमा काम गर्दा मात्र काम गर्छ।
किन यति धेरै AI प्रमाण-अवधारणाहरू मापन गर्न संघर्ष गर्छन्
वास्तुकलाहरू क्लाउड अनुमानहरू वरिपरि बनाइन्छ जुन वास्तविक-विश्व वातावरणमा समाहित हुँदैन। सही डाटा वास्तुकला ले हरेक चुनौतीको समाधान गर्दैन, तर यसले असफलताको सबैभन्दा सामान्य बिन्दुहरू मध्ये एकलाई सम्बोधन गर्छ: प्रयोगशाला अवस्था र परिचालन वास्तविकता बीचको अन्तर।
भौतिक एआई मोडेलको लागि भौतिक प्रक्रियाको स्थानीय प्रक्रियाको वरिपरि डिजाईन गर्ने स्थानीय प्रक्रियाको मोडेलको आवश्यकता पर्दछ। निर्णयहरू, निरन्तर स्थानीय भण्डारण ताकि उपकरणहरूले आउटेजको समयमा कार्य गर्दछ, हल्का किनारा डाटाबेसहरू र अनुकूलन मोडेलहरू जुन हार्डवेयर अवरोध र कुशल सिंक्रोनाइजेसनसँग मेल खान्छ जब कनेक्टिविटी फर्किन्छ डाटा स्थिरता सुनिश्चित गर्न। यस तहलाई सही रूपमा प्राप्त गर्नाले AI प्रणालीहरूले किनारामा भरपर्दो रूपमा काम गर्न सक्छन् कि छैनन् भन्ने कुरा निर्धारण गर्छ।
The-enterprissealway शिफ्ट पहिले नै चलिरहेको छ
अटोमोटिभ, उड्डयन, रसद, निर्माण र यात्रा व्यवसायहरूले पहिले नै यो मोडेल अपनाइरहेका छन् किनभने तिनीहरूको वातावरणले यसको माग गर्दछ। क्लाउड अत्यावश्यक रहन्छ, तर प्रत्येक AI कार्यभार क्लाउड-फर्स्ट हुनु पर्छ भन्ने धारणाले यसको आवश्यकताहरू पूरा गर्दैन।
जसरी धेरै उद्यमहरू उपकरण र स्वायत्त हुँदै गएका छन्, AI ले कार्यको बिन्दुमा काम गर्न आवश्यक छ, एकत्रीकरणको बिन्दुमा होइन। यो प्रारम्भिक रूपमा पहिचान गर्ने संस्थाहरूले महत्त्वपूर्ण वातावरणमा अनुमानित, लगातार र सुरक्षित रूपमा व्यवहार गर्ने AI प्रणालीहरू प्रयोग गर्ने सम्भावना बढी हुन्छ। href=”https://www.techradar.com/best/best-erp-software” data-url=”https://www.techradar.com/best/best-erp-software” data-hl-processed=”none” data-mrf-recirculation=”inline-link” data-before-rewrite-localise=”https://www.techradar.com/best/best-erp-software”>हामीले उत्कृष्ट ERP सफ्टवेयरको श्रेणी निर्धारण गरेका छौँ।