Miksi Edge AI on informaatiomaailman uusi iskusana? 4 esimerkkiä

Mitä Edge AI:n ympärillä pyörivän hypetyksen takaa löytyy? Miksi siitä on tullut informaatiomaailman uusi iskusana? Esittelen tässä jutussa neljä käytännön esimerkkiä eri toimialoilta.

Kerrataanpa vielä alkuun, mistä oikein olikaan kysymys.

💡 Reunalaskennassa (edge computing) laskenta, eli datan käsittely, tuodaan ”verkon reunalle”. Vaikka verkon reunan määritelmä ei todellakaan ole yksiselitteinen, tarkoittaa reunalaskenta yksinkertaisesti sanottuna sitä, että laskenta tehdään mahdollisimman lähellä sitä fyysistä paikkaa, josta data kerätään. Jos data kerätään laitteesta sensoreilla ja se prosessoidaan paikan päällä GPU-prosessorilla, voidaan puhua reunalaskennasta. Samoin reunalaskentaa tapahtuu silloin, kun mobiililaite käsittelee kuvainformaatiota suoraan laitteessa lähettämättä dataa pilveen.

💡 Edge AI on reunalaskentaa niin kutsutun tekoälyn menetelmin. Edge AI:sta voidaan puhua, kun reunalaskennassa sovelletaan koneoppimiseen perustuvaa analytiikkaa tai muita edistyneen analytiikan menetelmiä.

Viime vuosina yritykset ovat innolla vieneet järjestelmänsä ja datansa omista konesaleistaan pilveen. Reunalaskenta ja Edge AI eivät tule koskaan korvaamaan pilvipalveluita, vaan täydentävät niitä. Edge AI:ssa jo määritelmän mukaan kerätään dataa hyvin rajatulta alueelta, jolloin analytiikka on väkisinkin pistemäistä. Edge AI:n tuottama informaatio voidaan viedä pilveen laajemman analytiikan syötteeksi.

Edge AI -markkina ja trendit

Miksi Edge AI sitten on niin kova juttu? Uuteen teknologiaan liittyy aina paljon hypeä, mutta Edge AI -markkinan kasvuun on nähtävissä useita konkreettisia syitä.

Global Edge AI Software Market Growth  -raportin mukaan yksin Edge AI:n ohjelmistomarkkina tulee kasvamaan 346,5 miljoonasta dollarista noin 1,1 miljardiin dollariin vuoteen 2024 mennessä. Samassa suhteessa kasvavat Edge AI:n laitteistojen ja konsultoinnin markkinat.  Grand View Research arvioi, että koko globaali edge computing -markkina kasvaa 37,4 prosenttia vuodessa ja tulee olemaan 43,4 miljardia dollaria vuoteen 2027 mennessä.

5G

5G-verkkoja aletaan pikkuhiljaa rakentaa, aluksi hyvin paikallisesti ja tiheästi asuttuihin keskuksiin. Verkot mahdollistavat suurten ja nopeiden datavirtojen keräämisen. Edge AI -teknologian arvo nousee arvoon arvaamattomaan, kun näitä datavirtoja päästään hyödyntämään ja analysoimaan tehokkaasti mahdollisimman lähellä 5G-verkkoon kytkettyjä laitteita.

IoT:n massiiviset datamäärät

IoT ja sensoriteknologia tuottavat niin suuria datamääriä, että pelkkä datan kerääminen on käytännössä usein hankalaa ja joskus mahdotonta. Esimerkiksi uusimmissa Airbus A350 -lentokoneissa on 50 000 sensoria, jotka keräävät 2,5 teratavua dataa päivässä.

Sensoridata yksinään on pelkkää kohinaa. Data ei kerro meille mitään, jos se on irrotettu syntypaikastaan ja sillä ei ole datan merkitystä kuvaavaa metadataa. Siksi pelkkä datan talteen laittaminen ei riitä.

Hieman kärjistäen voisikin sanoa, että vasta Edge AI mahdollistaa paljon hypetetyn IoT-datan täysimittaisen hyödyntämisen. Massiivinen määrä sensoridataa voidaan analysoida paikallisesti ja operatiiviset päätökset voidaan automatisoida. Vain olennaisin data talletetaan pilvessä tai konesalissa sijaitsevaan tietovarastoon.

Asiakaskokemus

Ihmiset haluavat palveluilta jouhevaa ja saumatonta käyttökokemusta. Sekuntienkin viive pilaa helposti asiakaskokemuksen. Reunalaskenta vastaa tähän tarpeeseen käytännössä poistamalla tiedonsiirrosta aiheutuvan viiveen.

Lisäksi sensorit, kamerat, GPU-prosessorit ynnä muut laitteistot halpenevat jatkuvasti, joten sekä räätälöidyt että pitkälle tuotteistetut Edge AI -ratkaisut tulevat yhä useampien ulottuville.  

4 esimerkkiä eri toimialoilta 

Teollisuus

Valmistavan teollisuuden laadunvalvonta on Edge AI:n käyttötapaus, josta on erittäin lupaavia kokemuksia. Edistynyt konenäkö (videoanalytiikka) pystyy valvomaan tuotteiden laatua väsymättä, luotettavasti ja erittäin tarkasti. Videoanalytiikalla pystytään kokemustemme mukaan havaitsemaan jopa sellaiset laatupoikkeamat, jotka ovat ihmissilmällä lähes mahdottomia huomata.

Tuotannon automatisointi edellyttää edistynyttä analytiikkaa esimerkiksi laitevikojen ennakoinnissa. Sensoreista tulevan datan analysointi ja poikkeamien havaitseminen lähes reaaliajassa mahdollistaa esimerkiksi laitteen pysäyttämisen ennen sen rikkoontumista. Näin voidaan säästyä merkittäviltä laitteistovahingoilta tai loukkaantumisilta. Myös esimerkiksi materiaalivirtojen automaattinen analysointi videoanalytiikalla on yksi lupaava käyttötapaus.

Voit lukea lisää Edge AI:n mahdollisuuksista valmistavassa teollisuudessa Smart Factory palvelusivuiltamme.

Kuljetus ja liikenne

Useimmille tuttu Edge AI:n sovellus on itseajava auto. Auto kerää jatkuvasti ympäriltään dataa, jota se analysoi reaaliajassa. Yllättävissä tilanteissa ei ole aikaa siirrellä dataa pilveen ja takaisin, vaan päätökset täytyy tehdä silmänräpäyksessä.

Matkustajakoneet ovat jo pitkään toimineet pitkälle automatisoidusti ja sensoreista kerättävän datan reaaliaikainen analysointi voi parantaa lentoturvallisuutta entisestään.

Vaikka täysin autonomiset ja kokonaan ilman miehistöä seilaavat laivat ovat todellisuutta ehkä vasta vuosien päästä, on nykyaikaisissa aluksissa jo nyt paljon edistynyttä data-analytiikkaa.

Edge AI -teknologiaa voidaan hyödyntää myös esimerkiksi matkustajamäärien laskemisessa ja nopeasti liikkuvien kulkuneuvojen äärimmäisen tarkassa paikantamisessa. Junaliikenteessa nykyistä tarkempi paikannus on ensimmäinen askel ja edellytys kohti autonomista raideliikennettä.

Energia-ala

Älykäs sähköverkko (smart grid) tuottaa valtavasti dataa. Aidosti älykäs verkko mahdollistaa kysyntäjouston, kulutuksen seurannan ja ennakoinnin, uusiutuvan energian hyödyntämisen ja hajautetun energiantuotannon. Älykäs sähköverkko vaatii kuitenkin laitteiden keskinäistä viestintää, eikä tietoja välttämättä ole mielekästä kierrättää perinteisen pilvipalvelun kautta.

Kaupan ala

Suuret kauppaketjut ovat tehneet asiakasanalytiikkaa jo pitkään. Analytiikka perustuu tällä hetkellä suurelta osin toteutuneiden ostosten, siis kuittirividatan, analysointiin. Vaikka tällä päästään hyviin tuloksiin, ei kuittirividata kuitenkaan kerro kaikkea. Se ei kerro, miten ihmiset liikkuvat myymälässä, millä mielellä he ovat, mitä he pysähtyvät katsomaan jne.

Videoanalytiikka, jossa analysoidaan täysin anonymisoitua, videokuvasta ekstraktoitua dataa, tuottaa ihmisten ostokäyttäytymisestä ymmärrystä, jolla voidaan parantaa asiakaspalvelua ja koko ostokokemusta.

Millaisia hyötyjä Edge AI voisi tuoda sinun liiketoiminnallesi?

Ota selvää ja varaa puolen tunnin keskustelu asiantuntijamme kanssa helposti tästä 👇