Verdienen Sie Geld mit Ihren Tech-Blogs, Gadgets und Tipps

Mahdollistaako 5G Smart Wireless Edge -tekniikan? Tekoäly ja keskinäiset 5G-palvelut

Huomautus: Seuraava artikkeli auttaa sinua: Ottaako 5G käyttöön Smart Wireless Edge -tekniikan? Tekoäly ja keskinäiset 5G-palvelut

Vaikka nämä tekniikat ovat itsessään vallankumouksellisia ja jokaisella on potentiaalia mullistaa monia toimialoja sekä parantaa tuottavuutta ja tuottavuutta, 5G:n ja tekoälyn yhdistelmä on todella muuttava.

Näiden kahden teknologian yhdistäminen johtaa meidät uuteen teknologiaan nimeltä Intelligent Wireless Edge.

Älykkään langattoman reunan avulla voimme käsitellä laitteella, pilvireunaa ja 5G:tä yhdessä ja saada vakaan, nopean yhteyden kaikissa palveluissa ja älylaitteissa missä ja milloin tahansa. Tarkemmin sanottuna olemme saavuttamassa välittömän älykkyyden uudelle tasolle, jota emme ole koskaan aiemmin kokeneet.

Uuden tekniikan avulla suuria tietomääriä käsitellään lähellä niiden lähdettä. Tämä käsittely voidaan suorittaa laitteella, joka on varustettu tekoäly yhdistetty reunapilveen, jota isännöi a 5G Pieni latenssi verkko.

Tietojen käsittely kuluttajalaitteissa, jotka on varustettu tekoäly on ratkaisevan tärkeä, koska se tarjoaa monia etuja, kuten yksityisyyden, personoinnin ja luotettavuuden. Kuvassa 1 on esitetty tämän tekniikan suorituskyky. Ottaen huomioon valtavan tulvan 5G -yhteensopivat laitteet, useimmat älykkäät sovellukset voidaan ottaa käyttöön langattomien verkkojen reunalla.

Tässä prosessissa yritykset ottavat käyttöön “älykkään reunan” konseptin ja poikkeavat siitä tekoäly.

Käytä Edge-laitteissa. Vastaavasti on odotettavissa, että tulevaisuudessa törmäämme uuteen käsitteeseen nimeltä “Edge Learning”, joka on monitieteinen tiede ja on tuote 5G teknologiat ja tekoäly.

Reunaoppimisen keskeinen teema on reunalaitteiden rajallisen laskentatehon ja datan voittaminen. Tätä tarkoitusta varten käytetään Mobile Edge Computing Platformia (MEC) ja reunalaitteiden jakaman tiedon poimintaa.

Tässä arkkitehtuurissa kaksi tärkeää näkökohtaa ovat hajautetun datan oppiminen ja reunapalvelinten ja -laitteiden välinen viestintä. Älykästä langatonta reunaa voidaan käyttää yhdessä nykyisten palveluiden kanssa ja tulevaisuudessa monissa uusissa sovelluksissa, joista osa ei ole vielä virallisesti tullut teknologiamaailmaan!

kuva 1

Tekoäly parantaa 5G:n suorituskykyä ja tekniikkaa tukevia laitteita.

Käyttö tekoälystä Sisään 5G Verkot parantavat langattoman viestinnän suorituskykyä, pidentävät laitteen akun käyttöikää ja tarjoavat paremman käyttökokemuksen. Älykkäät algoritmit ovat tehokkaita useimmilla alueilla, mutta saavuttavat tämän Suorituskyvyn langattomissa verkoissa. Painopiste on langattomiin verkkoihin liittyvissä merkittävissä haasteissa, joita on vaikea ja monimutkainen ratkaista perinteisillä menetelmillä. Siksi koneoppiminen on paras vaihtoehto tällä alalla.

Tarvitsemme laajaa tietämystä langattomista amplitudeista, taajuuksista ja taajuuksista selvittääksemme missä tekoäly Voi käyttää.

Lähes kaikki johtavat teknologia- ja tietoliikenneyritykset, kuten Qualcomm, pyrkivät käyttämään sitä tekoäly suorituskyvyn parantamiseksi 5G Verkot ja jotenkin tekevät älykkäät algoritmit kiinteän osan laitteistoa.

Jos tämä saavutetaan, AI sillä on dramaattinen vaikutus kriittisiin alueisiin 5G-verkot, mm. B. tehokkaampi hallinta, parannettu palvelun laatu, helpompi käyttöönotto, parempi verkon suorituskyky ja parannettu verkon suojaus (kuva 2).

Esimerkiksi, tekoäly osaa käyttää ainutlaatuisia menetelmiä, kuten analysoida kuluttajien käyttäytymistä ja havaita verkkoliikenteen poikkeavuuksia, kuten kylläisyyttä, identiteettivarkauksia tai epänormaalia spektrin käyttöä.

Kuva 2

Vähemmän tunnettu aihe on miten Tekoäly voi parantaa 5G:n suorituskykyä Verkon päätepistejärjestelmät. Koneoppiminen on yleensä paras tapa ymmärtää, kuinka monimutkaiset RF-signaalit toimivat vastaanottimen tai lähettimen ympärillä. Mitä enemmän tiedämme niiden lähettämistä radioaalloista 5G Laitteet otsikon Radiotietoisuus

(Radio Awareness) tarkoittaa, että voimme optimoida tehokkaammin 5G Verkot lisäävät laitteiden määrää tietyllä alueella 5G 5G-verkkojen monimutkaisen järjestelyn ansiosta parantaa verkon yleistä suorituskykyä ja parantaa verkon turvallisuutta (kuva 3).

Kuva 3

5G:n avulla voit hyödyntää tekoälyä paremmin

Matala latenssi ja korkea 5G Salli kapasiteetti tekoäly Laskelmat voidaan jakaa laitteiden, reunapilven ja keskuspilven välillä parhaan laskentajoustavuuden saavuttamiseksi. Langaton reuna-arkkitehtuuri on yhteensopiva ja mahdollistaa erilaisten laskentatapahtumien lähettämisen ja vastaanottamisen.

Kuten näette, tämä ei ole ainoa AI joka paranee 5G suorituskyky, mutta 5G on myös tekoälypohjainen Käyttäjäkokemus. Paranna virtuaalisia avustajia optimoidun äänirajapinnan ja vastaavien sovelluksissa, kuten Boundless XR:n tarjoamassa henkilökohtaisessa vähittäiskaupassa. Rajaton XR-tekniikka viittaa mekanismiin, joka jakaa prosessoinnin “jaetun renderoinnin” kautta.

Yllä olevassa tekniikassa käsitteiden käsittely ja ymmärtäminen tapahtuu laitteella tehokkaan reunapilvigrafiikan avulla 5G Pieni latenssi, suuri kapasiteetti. Qualcomm on yksi yrityksistä, jotka haluavat tuoda tällaisia ​​teknologioita mobiililaitteiden maailmaan.

Asian selventämiseksi kuvittele, että ostaminen ja vähittäismyynti tulevaisuudessa on erilaista kuin nykyinen.

Rajaton XR-tekniikka mahdollistaa tekoäly laitteen ja pilven välillä a. kautta yhdistettyjen työkuormien renderöimiseen ja käsittelyyn 5G-linkki jaettu pienellä viiveellä.

laittaa. Kun tarkastelet verkkokauppaa älypuhelimella, koet täysin erilaisen ja persoonallisen kuvan, joka perustuu kohdealustalle jo tallennettuihin tietoihin. Älykäs langaton reuna välittäjänä analysoi nämä tiedot verkossa ja antaa sinulle täysin erilaisen kokemuksen.

Se näyttää makuusi sopivat vaatteet. Jos etsit erikoishuutokauppoja tai valmistelet syntymäpäivälahjaa, tiedot käsitellään hetkessä ja saat oikeat tiedot. Tällaisessa tilanteessa ostoskokemus on täysin interaktiivinen.

Uusi tietojenkäsittelyparadigma: Hajautettu langaton oppiminen

Ymmärtääksemme paremmin tulevaisuuden digitaalista maailmaa meidän on siirryttävä konseptiin, joka ylittää pilvikeskeisyyden idean. tekoäly. Tänään tarkastelemme nopeasti Distributedin merkkejä Tekoäly, joka kuvastaa yritysten pyrkimyksiä toteuttaa globaalia tekoälyä kuluttajalaitteisiin, jotta laitteet käyttävät optimaalisesti energiaa.

Päättelytoimintonsa ansiosta tekoäly antaa kuluttajalaitteiden analysoida tietoja ennen sen lähettämistä pilveen ja lähettää dataa datakeskuksiin vain tietyissä tapauksissa.

Seuraava askel käyttöönotossa tekoäly laitteissa, ei voida päätellä, ja se pyörii laitteen harjoittamisen ympärillä. Tulevaisuudessa, tekoäly tarjoaa elinikäisen, täysin hajautetun oppimisen ja koulutuksen laitteessa, mikä johtaa tarkempaan personointiin ja parempaan käyttäjien yksityisyyteen. Mutta miten päästään tähän pisteeseen (kuva 4)?

Kuva 4

Reuna- tai keskipilvi lähettää globaalin viestin AI Määritä malli laitteille ensimmäisessä vaiheessa. Jokainen laite käyttää sitten käyttäjästä kerättyjä tietoja laitteen mallin oppimiseen (kuva 5). Laajamittainen koulutusprosessi vaatii suurta laskentatehoa, minkä vuoksi pilvi on nykyään käytössä.

Nyt, jos jaamme suuret koulutukset pienempiin harjoitussarjoihin, voimme käsitellä työtaakkaa. Lisäksi älykkään mallin Ominaisuuksia laitteessa parannetaan huomattavasti ja laite pystyy hyödyntämään älykkäämpiä algoritmeja ja ohjelmistoja paremmin.

Kuva 5

Kuluttajalaitteiden koulutuksella on seuraavat kolme keskeistä etua, jotka lisäävät käyttöä tekoäly:

  • Skaalaus: Suuri laskentateho voidaan saavuttaa jakamalla yhteiset käsittelyprosessit miljoonille laitteille. Se vaatii nopean tiedonsiirtokanavan, joka lähettää tai vastaanottaa tietoja nopeasti.
  • Personointi: Täysin muokattavissa oleva innovatiivinen malli luodaan, kun käyttäjän harjoitustiedot ovat laitteellaan.
  • Tietosuoja: Raakadataa ei koskaan siirretä käyttäjän laitteelta pilveen. Kun näitä tietoja käytetään laitteeseen asennetun mallin kouluttamiseen, yksityisyys säilyy eikä tietoja jaeta kolmansille osapuolille tai yrityksille.

Kuinka voimme käyttää globaalia tekoälymallia kaikissa laitteissa?

Ilman raakadatan lähettämistä pilveen herää kysymys, kuinka voimme parantaa globaalin järjestelmän suorituskykyä AI Mallia kunnioittaen yksilön yksityisyyttä. Qualcommin insinöörit onnistuivat ratkaisemaan tämän ongelman lisäämällä kohinaa parametreihin Tekoälyn malli. Seuraaviin tämän alueen vaiheisiin kuuluu eri laitteissa käytettävien älykkäiden mallien suorituskyvyn parantaminen.

Ne hämärtävät tiedot, pakkaavat joitain mittareita, koodaavat pakatun mallin ja lähettävät lopulta päivitetyn mallin pilveen. Seuraavaksi pilvi päivittää tekoälymallin kaikilta laitteilta saamiensa tulojen perusteella ja lähettää sitten optimoidut tulokset Siirrä AI-malli laitteisiin (kuva 6).

Tämä silmukka toistetaan uudestaan ​​​​ja uudestaan ​​mallin suorituskyvyn parantamiseksi tekoäly. Tämä prosessi ei tietenkään ole vain se, mitä tässä yhteenvedossa sanotaan. Qualcomm tekee laajaa tutkimusta viimeisimmästä kehityksestä 5G edistyy tekoälyssä.

Lisäksi Qualcomm haluaa tutkia mahdollisia etuja, joita idea innovatiivisesta langattomasta reunasta voi tarjota.

Kuva 6

Mikä rooli tekoälyllä tulee olemaan tulevissa mobiiliverkoissa?

Laajan saatavuuden ansiosta 5G, Matkapuhelinoperaattorit kohtaavat uusia haasteita; Integroi Tekoälytekniikat ja -mallit 5G:ssä Verkostot ovat yksi parhaista tavoista voittaa ongelmia ja monimutkaisia. Ericsson on kysynyt sen käytöstä liikekumppaneiltaan tekoäly Sisään 5G verkostoja, ja vastaukset joihinkin niistä ovat omalla tavallaan mielenkiintoisia.

Arvioiden mukaan 53 % palveluntarjoajista on käyttänyt tätä Tekoälyn mahdollisuudet 5G:ssä Jotkut aikovat kuitenkin käyttää tekoälyä hallitakseen 5G-verkkoja paremmin vuoteen 2025 mennessä.

Käyttökustannusten alentaminen ja verkkoon sijoitetun pääoman tuotto ovat sen tärkeimpiä tavoitteita 5G Palveluntarjoaja. Jotkut Ericssonin kumppanit uskovat, että paras tuotto sijoitukselle saavutetaan tekoäly verkkosuunnittelussa ja suunnittelussa. Sitä vastoin muut aikovat käyttää sitä tekoäly hallita 5G-verkkojen suorituskykyä. Kuvassa 7 on esitetty tärkeimmät alueet, joilla tekoälyin sijoitetun pääoman tuotto todennäköisimmin koituu.

Kuva 7

Matkapuhelinoperaattorit ovat tulleet siihen tulokseen, että niiden on kehitettävä nykyisiä alustoja suurten tietomäärien keräämiseksi, jäsentämiseksi ja analysoimiseksi AI voi käsitellä. Tästä syystä yritykset, jotka voivat käyttää tekoäly Ratkaisuilla 5G-haasteisiin saadaan lyhyellä aikavälillä merkittävä kilpailuetu kilpailijoihinsa nähden, mikä varmistaa niiden pitkän aikavälin kannattavuuden.