即便是最好的人脸识别算法也会受到口罩干扰

今天的F1赛车:工程杰作

在今天迈凯轮F1赛车圆滑的外观背后，是一项复杂的工程技术，极大地提高了它们的速度、灵活性和精度。然而，为超级跑车提供动力的优秀技术也扩大了黑客的威胁范围。

一看之下，引擎盖下的现代F1赛车揭示了一系列的仪器，必须所有设备都在和谐工作。这辆车有超过25,000个独立的部件，其中仅底盘就有11,000个部件，引擎有6,000个部件，以及8,500个电子元件。

这些组件与高级数据分析相协调。在两小时的比赛中，迈凯轮的F1电子控制单元(ECU)传输了超过7.5亿个数据点，使赛车的性能得以持续监控。ECU拥有300多个传感器，在一场平均300公里的大奖赛中，ECU处理超过1000个输入参数，并将超过300GB的实时数据传回车库。

 

那是在1998年，澳大利亚F1大奖赛期间。在第36圈，芬兰车手米卡·哈基宁通过了进站，然后继续参加比赛。这种做法似乎令人费解。哈基宁加速回到比赛中，但这宝贵的几秒钟让他损失惨重——把领先优势让给了队友大卫库塔。

但这并不是人为的错误，而是更险恶的事情发生了。

“有人窃听了我们的无线电，指示米卡·哈基宁进入维修区。麦克拉伦(英国著名的赛车研发制造公司)首席执行官扎克•布朗在最近与网络安全合作伙伴Darktrace的一次讨论中回忆道:“我们的无线电被黑客入侵，但我们能够手动逆转，让哈基宁回到赛道上。即使是在模拟技术时代，一次音频泄漏也影响了迈凯轮的比赛。今天，这样的裂痕可能会对合作伙伴、经济造成毁灭性的打击。这就是我们在安全方面，依赖人工智能的原因。”

 

行业中的边缘人工智能

无论是在企业层面还是在个人层面，我们都在使用EdgeAI的许多其他实例。从提醒你交通状况的谷歌地图到语音再到文本算法，智能人工智能无处不在。EdgeAI拥有巨大的潜力，根据Itractica的一份报告，到2025年，AIEdge设备出货量将从2018年的1.614亿台增加到26亿台。流行的人工智能支持的边缘设备包括头盔显示器、智能扬声器、手机、PC/平板电脑、汽车传感器、机器人、安全摄像头和无人机。此外，可穿戴健康传感器将具有很高的可采用率。

EdgeAI最有可能使包括供应链和生产线在内的工业密集型应用受益。特别是在新兴的工业物联网(IIoT)中，企业将看到更实实在在的ROI。例如，制造业可以使用边缘AI进行预测性维护、故障排除和识别复杂物理系统中的问题。此外，EdgeAI还可以用于自动化产品测试和检查，以提高质量，同时减少资源消耗。

利用深度学习和边缘人工智能

EdgeAI的另一个应用是支持深度学习的智能相机，它可以处理捕获的图像来跟踪多个物体和人。直接在边缘节点上检测可疑活动，而不是依赖于云，这有时会很耗时。智能摄像机可以通过流式传输数据来减少与远程服务器的通信。这也可以减少远程处理和内存需求。深度学习和EdgeAI应用最受关注的包括入侵者监控系统，以保护房屋免受任何干预。这对于保护房屋和监视老年人至关重要。

文本到语音(TTS)和语音到文本(STT)是两个利用人工智能和数字语言(DL)的应用将功能推向边缘的两个例子。例如，汽车中的免提文本读写功能，驾驶员可以在与信息娱乐系统交互的同时保持对汽车驾驶的注意力。

随着AI边缘的转移，做好准备迎接一系列正在发生的变化。这些构造转变包括5G网络、智能设备等的出现，以及对物联网设备的增长和需求。随着未来的飞速发展，企业将越来越多地使其系统“智能化”，这意味着市场将获得显著收益，以满足智能边缘人工智能平台的计算需求。

（编辑：通化站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!