Edge AI กับ Cloud AI คืออะไร ? ทำงานยังไง ? พร้อมบอกข้อดี-ข้อเสีย

เปรียบเทียบ Edge AI กับ Cloud AI

เพียงไม่กี่เดือนหลังจากที่ Samsung ได้เปิดตัวสมาร์ทโฟนที่มาพร้อมกับจุดขาย Galaxy AI มีหรือคู่แข่งอย่าง Apple จะอยู่เฉยได้ ภายในงาน Worldwide Developers Conference (WWDC) 2024 ทาง Apple ก็ได้เปิดตัว AI ของตัวเองบ้าง แน่นอนว่ามี คำเก๋ๆ (Buzzword) คูล ๆ มาด้วย ในชื่อ "Apple Intelligence" นั่นเอง

หากใครได้ชมงานเปิดตัว ก็น่าจะสังเกตเห็นว่า เทคโนโลยี AI ที่ทาง Apple นำเสนอ จะเน้นไปที่การปรับปรุงประสบการณ์ของผู้ใช้งานเป็นหลัก และย้ำเรื่องความปลอดภัยในการใช้งานว่าข้อมูลส่วนตัวของผู้ใช้จะไม่ถูกส่งไปยังเซิร์ฟเวอร์โดยไม่ได้รับอนุญาต คุณสมบัติหลายอย่างเป็นการประมวลผลภายในตัวอุปกรณ์โดยตรง มีเพียงบางคุณสมบัติเท่านั้น ที่ต้องประมวลผลบนคลาวด์ หรือทำงานร่วมกับ ChatGPT

การประมวลผล AI ภายในอุปกรณ์เป็นหลัก ก็เป็นหลักการเดียวกับ การประมวลผลแบบเอดจ์ (Edge computing) แต่ในกรณีนี้จะเรียกว่า Edge AI แทน

แล้ว Edge AI กับ Cloud AI มันแตกต่างกันอย่างไร ? มาศึกษาข้อมูลเพิ่มเติมกันสักหน่อยดีกว่า

ภาพจาก : https://www.apple.com/newsroom/2024/06/introducing-apple-intelligence-for-iphone-ipad-and-mac/

Edge AI คืออะไร ? (What is Edge AI ?)

Edge AI คือการนำกระบวนการทำงาน และหลักอัลกอริทึม ที่ เทคโนโลยี AI จำเป็นต้องใช้ในการทำงาน มาประมวลผลภายในตัวอุปกรณ์โดยตรง แทนที่จะต้องส่งข้อมูลไปประมวลผลบนเซิร์ฟเวอร์คลาวด์ 

เทคนิคนี้ส่งผลให้การประมวลผลข้อมูล เกิดขึ้นใกล้กับแหล่งผลิตข้อมูล ซึ่ง Edge AI สามารถเริ่มต้นทำงานได้ทันทีที่ได้รับข้อมูลมา ทำให้ไม่ต้องรออัปโหลดข้อมูล และดาวน์โหลดผลลัพธ์จากเซิร์ฟเวอร์ให้เสียเวลา ช่วยให้ AI สามารถตอบสนองคำสั่งได้เร็วขึ้น และยังเพิ่มความปลอดภัยให้กับข้อมูลของผู้ใช้งานอีกด้วย

ทั้งนี้ บางงาน Edge AI อาจไม่สามารถจบงานได้ด้วยตัวเอง ก็จำเป็นต้องส่งผลลัพธ์ที่ได้จากการประมวลผลไปแล้วเบื้องต้น ไปจบงานต่อที่ Cloud AI อีกที

ภาพจาก : https://topdigital.agency/edge-ai-how-edge-computing-empowers-a-new-wave-of-artificial-intelligence/

Edge AI ทำงานอย่างไร ? (How does Edge AI work ?)

ถึงเราจะบอกว่า Edge AI จะเป็นกระบวนการทำงานที่เกิดขึ้นแบบ Local ภายในตัวอุปกรณ์ แต่นั่นไม่ได้หมายความว่ามันต้องทำทุกอย่างด้วยตัวเอง อย่างในขั้นตอนการเทรนด์ โมเดลการเรียนรู้ของเครื่องจรัก (Machine Learning - ML) มันเป็นงานที่ต้องใช้ทรัพยากรคอมพิวเตอร์ระดับสูง สามารถรับมือกับฐานข้อมูลขนาดใหญ่ได้ หลังจากที่เทรนด์เสร็จแล้วค่อยนำโมเดลมาใส่เพื่อทำงานในระบบ Edge AI 

การทำงานของ Edge AI แม้จะสามารถใช้ หน่วยประมวลผลกลาง (CPU) และ หน่วยประมวลผลกราฟิก (GPU) ในการประมวลผลได้ แต่เพื่อไม่ให้เป็นภาระกับทรัพยากรของระบบมากเกินไป ฮาร์ดแวร์ของ Edge AI ก็จะมาพร้อมกับชิปประมวลผล AI Accelerator

ซึ่งเจ้าชิป AI Accelerator มีอยู่แล้วในสมาร์ทโฟนกลุ่มเรือธง ส่วนในคอมพิวเตอร์ตอนนี้ ทั้งทาง Intel และ AMD ก็ประกาศอย่างชัดเจนว่าทิศทางจากนี้ไปจะเป็น AI PC คอมพิวเตอร์เตอร์ที่ CPU มี AI Accelerator รวมอยู่ด้วยในตัว เพื่อใช้ในการประมวลผล Edge AI

ภาพจาก : https://www.prnewswire.com/news-releases/intel-announces-new-core-ultra-processors-designed-to-deliver-enhanced-performance-youtube-first-look-and-learn-more-info-at-bh-photo-302015989.html

ข้อดี-ข้อเสีย ของ Edge AI (Edge AI Pros and Cons)

Cloud AI คืออะไร ? (What is Cloud AI ?)

Cloud AI หมายถึงระบบ Artificial intelligence (AI) ที่การประมวลผลข้อมูล และตัวโมเดล AI จะถูกจัดเก็บ และประมวลผลบนเซิร์ฟเวอร์คลาวด์เป็นหลัก ต่างจาก Edge AI ที่การทำงานจะเป็นแบบ Local ภายในตัวอุปกรณ์

รากฐานของ Cloud AI ได้ก่อร่างสร้างตัวกันมาตั้งแต่การมาถึงของเทคโนโลยี Cloud Computing อย่าง Google Cloud AI, AWS SageMaker และ Microsoft Azure AI หลังจากผ่านมาเกือบสิบปี ในที่สุดแพลตฟอร์มเหล่านี้ ก็ได้ให้บริการเครื่องมือสำหรับใช้พัฒนา Machine learning, Data analytics และ Cognitive service (เช่น Natural language processing และ Computer vision)

จุดแข็งของ Cloud AI อยู่ที่การที่มันทำงานอยู่บนเซิร์ฟเวอร์ ทำให้ง่ายต่อการขยายสเกลระบบ และการทำงานก็มีความยืดหยุ่นกว่า Edge AI

ภาพจาก : https://learn.microsoft.com/en-us/azure/architecture/ai-ml/architecture/automate-document-processing-azure-form-recognizer

Cloud AI ทำงานอย่างไร ? (How does Cloud AI work ?)

ระบบ Cloud AI ประกอบด้วยองค์ประกอบหลายอย่างที่ทำงานร่วมกัน เพื่อให้มันรองรับการทำงานของ AI ได้ โดยมีองค์ประกอบสำคัญ ดังต่อไปนี้

1. Data Storage และ Processing : Cloud AI พึ่งพาพื้นที่เก็บข้อมูลบนคลาวด์ (Cloud storage) ในการขยับขยายสเกล และรักษาความปลอดภัย ให้กับฐานข้อมูลขนาดใหญ่ที่จำเป็นต้องใช้ในการฝึกฝนโมเดล AI
2. Machine Learning Service : บนแพลตฟอร์ม Cloud AI ทางผู้ให้บริการจะเตรียมเครื่องมือสำหรับพัฒนา Machine learning เอาไว้ให้แล้ว อย่างเช่น Automated model training และ Inference engines (เครื่องมืออนุมาน) เพื่อให้การพัฒนา และการปรับใช้โมเดลง่ายขึ้น
3. APIs และ SDKs : Application Programming Interfaces (APIs) และ Software Development Kits (SDKs) ที่ทางผู้ให้บริการ Cloud AI เตรียมไว้ให้ ช่วยให้นักพัฒนา สามารถผนวกคุณสมบัติ AI ลงไปในแอปพลิเคชันได้อย่างง่ายดาย
4. Compute Infrastructure : Cloud AI อาศัยประโยชน์จากพลังประมวลผลของเซิร์ฟเวอร์คลาวด์ ในการคำนวณงาน AI ที่มีความซับซ้อน อย่างการฝึกฝนโมเดล Deep learning และสร้าง Real-time inference 
5. Monitoring และ Management Tools : แพลตฟอร์ม Cloud AI นำเสนอเครื่องมือ Monitoring (ตรวจสอบ) และ Management (บริหารจัดการ) สำหรับใช้ในการตรวจสอบประสิทธิภาพ และการใช้ทรัพยากรในการทำงานของ AI

ข้อดี-ข้อเสีย ของ Cloud AI (Cloud AI Pros and Cons)

การทำงานร่วมกันระหว่าง Edge AI และ Cloud AI (Collaboration between Edge AI and Cloud AI)

เราเห็นแล้วว่า Edge AI และ Cloud AI ต่างก็มี และข้อเสียที่แตกต่างกัน แล้วจะเลือกใช้งานอย่างไรดี คำตอบนี้ง่ายมาก ไม่จำเป็นต้องเลือก เพราะแนวโน้มในการออกแบบโครงสร้างในปัจจุบันนี้ จะอาศัยการทำงานแบบผสม (Hybrid) อะไรที่ทำในตัวอุปกรณ์ได้ก็ใช้ Edge AI อะไรที่ Edge AI ทำไม่ไหว ก็ค่อยส่งงานต่อไปยัง Cloud AI ด้วยเทคนิคนี้ ทำให้โครงสร้างของระบบมีเสถียรภาพ และประสิทธิภาพที่ดีกว่าการเลือกใช้เพียงระบบใด ระบบหนึ่งมาก