本文是“#揭开AI神秘面纱#”系列文章的一部分，该系列文章(试图)消除围绕AI的术语和流言的歧义。
想象一下这是多么不便，每当你在街上看到一只狗或猫，想知道它是什么物种时，你就不得不跑到当地的图书馆，翻阅百科全书。这就是目前人工应用程序的运作方式。人工智能的运作高度依赖后端的数据及算力。
人工智能可以预测股票、诊断病人、招聘求职者、下国际象棋和围棋，还能完成更多与人类相当或更好的任务。然而，人类仍然有一个优势：他们的智力处于边缘。
人类所做的大多数事情都是由大脑处理和执行的，而大脑的计算能力就在四肢的直接邻近范围内。当他们自己的处理能力和内存不足以解决问题时，他们可以利用位于更远位置的知识。这可以是去图书馆查阅文献或坐在电脑勉强搜索一个未知术语等等任何可行方法。在上述猫和狗的例子中，我们最终会学习到物种的名称，并在看到新动物时参考自己的记忆。
相反，大多数与人工智能和机器学习算法合作的移动应用程序、物联网和其他应用程序必须依赖位于云或数千英里外的数据中心的处理能力，几乎没有人工智能可以应用于边缘。即使你把你最喜欢的酸奶展示给智能冰箱一千次，它仍然需要在云服务器上查找它，才能第次识别出它。即便他们做得非常有效，比任何人浏览产品目录都要快，但它们的处理能力仍不及人类的一小部分。
机器学习算法的问题在于它们都是计算密集型和数据密集型的。这限制了人工智能可以部署的环境，特别是当我们逐渐走向一个计算逐渐从信息技术转向操作技术的世界时，这就是为什么我们需要雾计算技术的发展和部署，它可以在边缘实现人工智能所需的计算性能。
云基人工智能的局限性
得益于宽带互联网连接，人工智能引擎WEBAPI的响应时间可以达到亚秒级。这对于产品建议、销售预测、疾病诊断、工作申请数据处理、作曲等预测性和说明性分析非常有用，而且够用。
但这对于毫秒级的实时操作是不够的。
例如，如果一个机器人外科医生想要给病人做一个敏感的手术，它将需要能够分析图像，并可能每秒几次甚至几十次做出决定。往返云端会造成延迟，可能会产生可怕且不可逆转的后果。
同样的规则也适用于无人驾驶汽车、机器人和无人机，因为它们必须绕过障碍物，在复杂的地形和情况下航行。在警察监控摄像头上已经有了边缘算法的应用，他们需要实时处理和分析快速的图像流。
这些应用程序还依赖于向云发送大量信息，这导致了一系列新的问题。一个是信息的敏感性。在云端发送和存储如此多的信息将带来安全和隐私方面的挑战。应用程序开发人员将不得不考虑他们发送到云端的大量信息是否包含个人身份信息(PII，PersonallyIdentifiableInformation)，以及存储这些信息是否违反了隐私法。他们还必须采取必要的措施来保护他们存储的信息，防止信息被窃取、非法访问和共享。
基于云的人工智能带来的另一个限制是在连接受限或没有连接的环境中，无论是因为缺乏通信基础设施，还是因为所涉及的操作和信息的敏感性。云服务器的唯一替代方案是专有数据中心（专用数据链路），其设置和维护成本很高。
农村农场等偏远地区可以极大地受益于人工智能，但由于连通性差，它们使用人工智能应用的机会有限。随着物联网进入更加边远和无连接的环境，边缘计算或雾计算的必要性将变得更加普遍。
深入理解边缘计算的趋势、原理，建议选读：
深入理解边缘计算：云、边、端工作原理与源码分析京东月销量好评率97%无理由退换京东配送官方店￥61.4购买边缘人工智能的发展趋势是什么
有几种方法可以将人工智能推向边缘，并帮助扩展其应用领域。
分布式计算：由于设备闲置，世界各地的大量计算能力都被浪费了。虽然这些设备的处理能力可能不足以执行数据密集型人工智能算法，但它们的联合资源将能够处理大多数任务。区块链是加密货币的基础技术，它提供了一个有趣的解决方案，可以从众多设备创建分散的计算机算力共享网络。区块链特别适合物联网环境。
AI协处理器：像GPU帮助推动了游戏和渲染等数字图像的创新，AI协处理器可以推动人工智能行业的类似进步。到目前为止，GPU一直被用于同样的目的，因为它们在执行并行操作方面具有强大的能力。这一趋势促使英伟达(Nvidia)等专门从事图形处理的公司进*人工智能领域。我们现在看到了外部人工智能处理器的出现，比如Movidius神经计算棒，它在边缘提供了深度学习计算能力。
先进的算法：科学家和研究人员正在研究能够更接近人类大脑功能的算法，只需要更少的数据来理解概念和做出决定。这有助于降低算力门槛，让人工智能更接近边缘。
这些趋势的发展和结合有望使在更接近操作发生的地方执行人工智能算法成为可能。边缘计算不会取代云的能力。然而，它可以使人工智能的操作模型类似于人类：在边缘执行常规和时间敏感的决策，并在需要更密集计算和历史分析时依托于云。
往期精华：
什么是狭义人工智能、一般人工智能和超级人工智能
在一个机器人智胜人类的世界，人类将何去何从？AI的未来是什么？