Künstliche Intelligenz für Smart Cities
Von Martin Jezequel, Produktmanager für Rechenzentrumslösungen, und Mohamed Ali Hammami, Programmmanager für KI, Edge und IoT – PNY Technologies
„Welche Faktoren beschleunigen den Einsatz künstlicher Intelligenz und welche Auswirkungen könnte diese Technologie auf unseren Alltag haben?“
Viele Experten bezeichnen die heutige Zeit als „vierte industrielle Revolution“, die von künstlicher Intelligenz (KI), Robotik, Genom-Editierung und Neurotechnologie vorangetrieben wird. Mehr als drei Milliarden Menschen leben heute in Megastädten. Dieser exponentielle Anstieg verschärft die Probleme des Lebens in Städten und veranlasst uns dazu, KI intensiv als Vorhersage- und Erkennungstechnologie einzusetzen, um sowohl die Kosten der Datenverarbeitung zu senken als auch die Prozesse unserer Aktivitäten zu optimieren. Im städtischen Kontext wird ein vielseitiger Einsatz des IoT (Internet der Dinge) die Interaktionen positiv beeinflussen und die Sicherheit der Bewohner erhöhen.
Könnten Sie ein konkretes Beispiel für den Einsatz von KI in einer Smart City nennen?
PNY Technologies arbeitet als globaler Anbieter von KI-Lösungen an Projekten im Bereich der künstlichen Intelligenz am Netzwerkrand, auch bekannt als EDGE-KI. Diese Art von Architektur wird dort eingesetzt, wo die Informationen entstehen, also außerhalb des Rechenzentrums oder der Cloud. Ein symbolträchtiges Beispiel für diese Art von Lösung im Kontext von Smart Cities ist das Verkehrsmanagement durch die Installation von Recheneinheiten auf Basis von NVIDIA Jetson-Embedded-Grafikkarten oder speziell trainierten Computermodellen, die verschiedene Anwendungsfälle erkennen, wie z. B. die Identifizierung von Markierungen, Farben und Kennzeichen von Fahrzeugen auf der Straße, die Erkennung von riskantem Fahrverhalten, das Management und die Vorhersage des Straßenverkehrs usw.“ – Mohamed Ali Hammami
„Wie steht EDGE-KI im Vergleich zu Rechenzentrums-KI und Deep Learning da?“
Um EDGE nutzen zu können, müssen Sie zunächst Rohdaten organisieren, ein neuronales Netzwerk aufbauen und ein Modell trainieren, um Inferenzvorgänge an der Peripherie durchführen zu können, beispielsweise zur Verkehrsüberwachung, -steuerung oder zur Erkennung von Verstößen. Die Daten – im Kontext von Smart Cities können dies Fotos von Fahrzeugen, Verkehrszeichen oder Straßennetzdialagramme in Tausenden von Exemplaren sein – sind organisierte und beschriftete Daten sowie Ihre spezifischen Daten, die Sie nun in Ihr Modell einspeisen müssen, um es zu trainieren und ein genaues Ergebnis zu erhalten. Hier sind die Leistungsfähigkeit und die Recheneffizienz der Hardware von entscheidender Bedeutung. Nach dieser entscheidenden Trainingsphase verfügen Sie über ein sehr wertvolles Ergebnis, nämlich Ihr trainiertes Modell, das völlig unabhängig vom ursprünglichen Prozess ist und in ein Edge-AI-Gerät wie eine intelligente Kamera an einer Kreuzung integriert werden kann, die sich in Echtzeit mit neuen Informationen versorgt und völlig autonom arbeitet.
Welche Produkte aus Ihrem PNY-Sortiment erfüllen diesen Bedarf?
GPU-basierte KI-Rechnentechnologien haben sich in den letzten Jahren exponentiell weiterentwickelt. Die Zeitersparnis bei der Berechnung, die diese Lösungen bieten – die Trainingszeit verkürzt sich von mehreren Monaten auf nur wenige Tage –, rechtfertigt die Investition in hohem Maße. Wir bieten den KI-Block von NVIDIA an, der auf der weltweit führenden GPU-Architektur, dem DGX A100, basiert. Darüber hinaus bieten wir die gesamte Software-Schnittstelle für NVIDIA-Hardware sowie die NVIDIA-Netzwerklösungen an, für die wir seit April 2021 als Direktvertriebspartner fungieren. Darüber hinaus unterhalten wir Partnerschaften mit globalen Speicheranbietern wie NMS und NetApp. Die Optimierung von Deep Learning und Training hängt von der Leistung und der guten Abstimmung dieses Pakets aus Rechenleistung, Netzwerk und Speicher ab. Diese Fähigkeit, Komplettlösungen mit hohem Mehrwert anzubieten, macht PNY zu einem wichtigen Akteur im Bereich KI und maschinelles Lernen.“ – Martin Jezequel
