AI skal bruges lokalt på IoT-enheder
Små IoT-enheder – eller sensorer – installeret i for eksempel bygninger, varmesystemer og renseanlæg spiller en vigtige rolle til styring af energiforbrug, varme, indeklima og så videre. I dag er denne type sensorer afhængige af AI-algoritmer på cloud-platforme eller decentrale netværk, hvor data og kommandoer sendes via internettet og trådløse netværk. Men det skal ændres.
I et nyt projekt, “Embedded AI”, som er støttet af Nationalt Center for Forskning i Digitale Teknologier (DIREC), skal forskere sammen med industrien undersøge, hvordan man kan udvikle kunstig intelligens, der kan implementeres direkte i IoT-enheder, så de kan mere selv.
Embedded AI i sensorer
I det treårige projekt samarbejder DTU, Aarhus Universitet, Københavns Universitet og Copenhagen Business School med pumpeproducenten Grundfos Holding, motor- og maskinproducenten MAN Energy Solution, vinduesproducenten VELUX og teknologivirksomheden Indesmatech.
De beskrives som stærke repræsentanter for virksomheder, der vil kunne styrke konkurrenceevnen ved at kende de rigtige værktøjer og platforme til at udnytte embedded AI (eAI) i deres produkter.
Billigere, hurtigere og mere energivenligt
Jan Madsen, der er professor, sektionsleder og vicedirektør på DTU Compute, er leder af projektet. Han forklarer, at det er helt åbenlyst, at man ikke vil kunne det samme som med skyen og decentrale netværk (edge network), hvis man implementerer kunstig intelligens direkte i de små sensorer. Til gengæld vil det koste mindre, bruge mindre energi og kunne reagere hurtigere.
”Det vil også øge sikkerheden og privacy, fordi man kan holde data der, hvor de opsamles, så der er mange fordele ved embedded AI,” siger Jan Madsen.
Han forklarer, at der sker meget inden for forskning i embedded AI, men at forskellen fra den nuværende forskning og deres er, at de samarbejder tæt med virksomhederne og tager udgangspunkt i deres problemstillinger og visioner for, hvor de gerne vil hen med embedded AI.
”Vi vil finde noget specifikt for hver case, men vi får også identificeret det, der er generisk og gælder på tværs af virksomhederne,” siger Jan Madsen.
Se også: Hvordan kan virksomheder benytte kunstig intelligens?
Kan ændre forretningsmodeller
I projektet vil man undersøge selve processen med at komme fra store platforme til små, udforske egnede tool-platforme, tjekke hvilke muligheder nye typer chip giver for embedded AI og kortlægge, hvordan embedded AI vil kunne ændre forretningsmodellerne for virksomheder.
Thorkild Kvisgaard, Head of Electronics, Director Technology Innovation hos Grundfos, har været med til at sætte projektet i søen. Han forklarer, at der er ”et klart behov for at kunne flytte noget af den kunstige intelligens fra de store platforme, som kører på mainframe-computere og så videre, ned og køre i mere embedded devices”.
”Vi har i Grundfos selv eksperimenteret med teknologien, men vi oplever et gab mellem det, som data science-eksperter arbejder med på store cloud-platforme, og det, som IoT-programmører arbejder med. Så vi håber, at projektet også vil skabe bedre forståelse for hinandens arbejdsområder.”
Se også: Nyheder om AI