Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
7 l 2020 Künstliche intelligenz 15 ➤ In Zukunft werden erheblich mehr Daten näher an der Quelle verarbeitet werden Sei es durch geräteinterne KI-Verarbeitung oder durch zusätzliche Verarbeitung in der Edge Cloud über 5G Die Bearbeitung von Daten durch geräteinterne KI ist dabei wichtig da sie entscheidende Vorteile wie Datenschutz Personalisierung und Zuverlässigkeit bietet Überdies trägt sie zu einer einfachen Skalierung bei Wireless Edge kann nicht nur bestehende Anwendungsfälle verbessern sondern auch neue erschaffen und vertikale Anwendungen ermöglichen Besseres 5G-Netzwerk dank KI In der Mobilfunkbranche wurde viel darüber gesprochen wie KI zur Verbesserung des 5G-Netzwerks beitragen kann Ihre Nutzung sowohl beim 5G-Netz als auch auf Geräteebene wird zu einer effizienteren drahtlosen Kommunikation einer längeren Batterielebensdauer und einer besseren User Experience führen Dabei ist klar dass KI einen starken Einfluss auf verschiedene Schlüsselbereiche des 5G-Netzwerkmanagements hat Sie verbessert beispielsweise die Servicequalität vereinfacht die Bereitstellung erhöht die Netzwerkeffizienz und optimiert die Netzwerksicherheit So könnte Künstliche Intelligenz zum Beispiel dazu verwendet werden Anomalien im Netzwerkverkehr zu erkennen wie beim Flooding oder Identitätswechsel indem sie eine ungewöhnliche Frequenznutzung erkannt Seltener wird diskutiert wie die geräteinterne KI das 5G-EndtoEnd-System verbesset Das Funksignal steht dabei im Zentrum Denn Maschinelles Lernen stellt im Gegensatz zu statischen Algorithmen das perfekte Werkzeug dar um die komplexen RF-Signale rund um ein Gerät herum zu verstehen und zu entschlüsseln Die eingehendere Beschäftigung mit Funksignalen ermöglicht viele Optimierungen wie zum Beispiel ein ausgefeilteres Geräteerlebnis bessere Systemleistung und höhere Funksicherheit Besseres Kundenerlebnis Die geringe Latenzzeit und die hohe Kapazität von 5G ermöglichen die Verteilung der KIgestützten Datenverarbeitung auf einzelne Geräte die Edge Cloud und die zentrale Cloud Das bietet flexible Systemlösungen für eine Vielzahl neuer und verbesserter Anwendungsfälle Diese drahtlose Edge-Architektur ist anpassungsfähig und lässt angemessene Kompromisse für verschiedene Einsatzzwecke zu Je nach Anforderung können Performance-Aspekte oder wirtschaftliche Gesichtspunkte entscheidend dafür sein wie Workloads verteilt werden um die erforderliche Latenzzeit zu erreichen oder die Rechenanforderungen für eine bestimmte Anwendung zu erfüllen Bei Szenarien wie personalisiertem Einzelhandel durch Extended Reality XR kann 5G im Zusammenspiel mit KI dazu beitragen das Kundenerlebnis zu verbessern So könnte das Einkaufen der Zukunft wie folgt aussehen Mit nahtloser XR werden die Renderingund KI-Verarbeitungsaufgaben über eine 5G-Verbindung mit niedriger Latenz zwischen dem Gerät und der Edge Cloud aufgeteilt Beim Schaufensterbummel sehen Kunden dann nur Produkte in der Auslage die für sie interessant sind Das intelligente digitale Schaufenster passt sich an jeden neuen Kunden individuell an Verteiltes drahtloses Lernen Um die digitalisierte Welt besser zu verstehen und zu skalieren gilt es über die Idee der Cloudzentrierten KI hinauszugehen Heute sehen wir eine teilweise verteilte KI dank der Verbreitung von energieeffizienten geräteinternen KI-Kapazitäten Diese ermöglichen es den Geräten Daten zu verfeinern bevor sie zur aggregierten Analyse an die Cloud weitergegeben werden Der nächste Evolutionsschritt der geräteinternen KI besteht darin über die eigentliche Inferenz hinauszugehen und auch Training auf dem Gerät selbst durchzuführen So ist in der Zukunft eine vollständig verteilte KI denkbar die lebenslang auf ihrem Gerät lernt und so die nächste Stufe der Personalisierung mit Datenschutz ermöglicht Training im großen Maßstab ist sehr rechenintensiv weshalb es bisher in der Cloud durchgeführt wurde Verteiltes Lernen über 5G ermöglicht aber Training über die Cloud hinaus zu skalieren Der erste Schritt besteht also darin dass eine zentrale oder Edge Cloud ein globales KI-Modell an die Geräte sendet Als nächstes sammelt jedes Gerät persönliche Daten und führt ein Training am Gerät durch Durch kleinere Trainingsläufe auf kleineren Datensätzen wird die Arbeitsbelastung überschaubarer Zudem haben die KI-Fähigkeiten der Geräte zusammen mit den Verbesserungen der Algorithmen und der Software exponentiell zugenommen Das On-DeviceTraining bringt in dem Zusammenhang drei wichtige Vorteile mit sich u Skalierbarkeit Durch die Verteilung der Verarbeitung auf viele Geräte wie etwa Millionen von Smartphones lässt sich eine beträchtliche Menge an Rechenleistung nutzbar machen u Personalisierung Mit den eigenen Daten wird das Lernen des KI-Modells von Natur aus an den jeweiligen Nutzer angepasst u Datenschutz Die Rohdaten verlassen die Nutzergeräte nie und gelangen nicht in die Cloud Durch On-Device-Training können wertvolle Informationen aus den Nutzerdaten extrahiert werden ohne die Privatsphäre zu verletzen Der nächste Schritt ist die iterative Verbesserung des globalen KI-Modells Aber ohne die Rohdaten in die Cloud zu schicken wodurch der Datenschutz beeinträchtigt würde stellt sich die Frage wie sich das globale KI-Modell verbessern lässt Die Antwort indem man den Parametern des KI-Modells Rauschen hinzufügt um die Daten zu verschleiern dann die Parameter komprimiert das komprimierte Modell verschlüsselt und schließlich das Update an die Cloud sendet Die Cloud aktualisiert nun das KIModell auf der Grundlage der Eingaben von allen Geräten und sendet das verbesserte Modell an die Geräte zurück Diese Schleife iteriert sodass das KI-Modell mit der Zeit immer besser wird Hamid-Reza Nazeman ist Managing Director Germany bei Qualcomm KI und 5G können in hohem Maße voneinander profitieren Zum einen kann durch KI der Netzwerk-Traffic optimiert werden was für verbesserte Konnektivität sorgt Zum anderen verfügt 5G über eine geringe Latenzzeit und hohe Bandbreite was es erlaubt KI-Anwendungen auf die Endnutzergeräte zu bringen und so eine neue User Experience zu schaffen