博客 | 首席技术官办公室

您期待已久的边缘用例

Lori MacVittie 缩略图
洛里·麦克维蒂
2021 年 6 月 2 日发布


互联网上的成功一直与猫视频呈正相关,Edge 也不例外。 

为了避免被指责犯了事后谬误,我要说的是,我只是部分认真地认为猫视频是边缘成功的重要指标。 对于那些不熟悉这种逻辑谬误的人来说,你可能会从一个臭名昭著的图表中认出它,该图表证明“世界上海盗的减少正在导致全球变暖。”(数据科学中心)这种谬误在一定程度上导致了更吸引人的短语“相关性不能证明因果关系”。

不过,我要指出的是,通过快速的互联网搜索,你就能找到大量文章、博客和视频,它们都在提倡使用猫视频和表情包进行营销、社交媒体和一般客户互动。

或许猫咪视频是个例外。

无论如何,我肯定会用猫视频来说明边缘的用例。 

寻找我的猫

首先,考虑一下您所居住的社区很可能安装了大量可视门铃。 据估计,截至 2020 年,美国 16% 的家庭都在使用这种设备。

亚马逊的Ring占据了门铃使用量的 40%,其次是谷歌的 Nest,占 24%。 所有其他品牌的门铃使用量均不到 10%,包括 Vivint、Remo、August、SkyBell 和 SimplySafe。 Strategy Analytics 估计,目前美国有超过 2000 万个家庭使用可视门铃。 (美国商业资讯,2020 年 2 月 13 日)

假设你的猫逃跑了。 因为猫就是这样的。 你找不到它们,而美味佳肴今天也无法发挥它们的魔力。 想象一下,您可以利用附近所有视频门铃的功能来找到您的猫。

识别物体(包括猫)的能力是机器学习的常见用例。 研究表明其成功率很高,并且其在生态学、野生生物学、动物学、保护生物学和动物行为领域有广泛的应用。

为什么不追踪你丢失的猫?

如果这些摄像机的数据(视频)能够自动且廉价地汇总,那么搜索它们并识别猫将是一个相当简单的事情。 此外,如果能够从此类视频中提取位置信息,人们就能很快知道你的猫可能在哪里。

目前,挑战并不完全是技术性的。 它们是商业甚至是社会(隐私)挑战。

尽管存在这些挑战,但考虑到过去几年技术的变化,此类解决方案已经成熟。 机器学习和人工智能的日益成熟以及边缘计算的更强大为以新的方式整合端点和边缘计算提供了机会。

端点是解决方案的一部分

这一概念(端点是解决方案空间的一部分)是我们认为边缘计算必须重新定义的前提的一部分。  

edge 2.0 架构

就像云计算最初诞生于人们认识到可以利用闲置计算并将其转化为服务一样,边缘端点和节点的闲置计算和处理能力也可以用于新的和有趣的用途。 就像找到你的猫一样。

由于基础设施复兴,可以提供优化的计算功能,使其能够与最小的设备集成,因此空闲计算功能正在增加。 当我们探索在边缘交付、分发和优化应用的新方法时, GPU 和 DPU 方面取得的令人振奋的进步是我们多个内部创新项目的一部分。

端点(摄像头、电话、门铃)通常比我的第一台电脑、我的第一台游戏机、甚至我的第一部“智能”手机包含更多的计算能力。 他们有能力成为解决方案的一部分,而不是被动的参与者。 剩下的只是将它们纳入一个能够适当尊重隐私、确保安全并作为更大资源池的一部分运行的平台的手段。

现在,我们是否真的会看到基于视频门铃的实时邻里猫查找服务的发展? 或许不是。 但这个概念是合理的,因为我们已经利用人力来审查数百个面向公众的安全摄像头的视频。 机器学习和人工智能正在利用计算能力来自动化和扩展人类的流程——通过审查视频来搜寻被盗汽车、被绑架儿童,甚至是丢失的猫。

想象一下能够实时进行这些搜索。

我们认为 Edge 2.0 平台可以实现这种功能。