Edge AI'nin gerçek dünyadaki uygulamalarını anlama

Kişisel bilgisayarlar, IoT cihazları veya özel uç sunucular gibi cihazlarda verileri doğrudan işleyip analiz eden Uç Yapay Zekâ teknolojisi, işlemleri yerel olarak gerçekleştirerek veri depolama ve işlemeyi daha hızlı ve erişilebilir hâle getirir. Gecikme ve bant genişliği sınırları gibi bulut sistemleriyle ilgili yaygın sorunların önüne geçerek daha hızlı ve güvenilir performans sağlar. Örneğin otonom araçlarda, engelleri algılama veya trafik ışıklarına anında tepki verme gibi gerçek zamanlı kararlar için yerel işleme kritik önem taşır. Verileri doğrudan araçta işleyen Uç Yapay Zekâ, uzaktaki bir bulut sunucusuna bağlı kalındığında çok yavaş kalacak anlık tepkileri mümkün kılar.

Uç Yapay Zekâ giderek daha popüler hâle geliyor ve küresel pazarın 2034'e kadar 143,06 milyar dolara ulaşması bekleniyor. Farklı sektörler; gecikme, güvenlik ve maliyet gibi zorlukları ele alırken iş akışlarını iyileştirmek, görevleri otomatikleştirmek ve yeniliği teşvik etmek için uç yapay zekâyı kullanıyor.

Bu makalede, uç yapay zekânın sağlık ve üretim gibi alanlarda nasıl fark yarattığına ve uygulamaya koyarken akılda tutulması gereken birkaç noktaya bakacağız.

Şekil 1. Küresel uç yapay zekâ pazarı.

Edge AI nasıl çalışır#

Uç Yapay Zekâ, uç bilişimi ve yapay zekâyı (AI) bir araya getirir. Uç bilişim, verileri üretildikleri yere daha yakın bir noktada işleyen; gerçek zamanlı analiz, gelişmiş güvenilirlik ve maliyet tasarrufu sağlayan bir teknoloji çerçevesidir. Yapay zekâ bileşeni, makine öğrenimi algoritmalarını doğrudan uca taşıyarak cihazların yerel olarak akıllı kararlar almasını mümkün kılar. Bu yaklaşım, işlem gecikmelerine yol açabilecek merkezi bir bulut veya veri merkezine duyulan ihtiyacı azaltır. Bulut, Uç Yapay Zekâ'nın sağladığı daha hızlı ve yerel işlemeyi tamamlayacak şekilde daha karmaşık veri depolama, büyük ölçekli analiz ve yapay zekâ modeli güncellemeleri için kullanılmaya devam edebilir.

Şekil 2. Uç yapay zekâya genel bakış.

Edge AI sistemlerinin nasıl çalıştığına bir göz atalım:

• Veri toplama: Cihazdaki sensörler, endüstriyel ortamlardaki sıcaklık ölçümleri veya ekipman durumu gibi ham ortam bilgilerini toplar.
• Veri temizleme: Toplanan veriler, gürültüyü filtrelemek ve ilgili ayrıntılara odaklanmak için cihazda hızla işlenir.
• Tahmin yapma: Temizlenen veriler, doğrudan uç cihazın içine yerleştirilmiş bir AI modeli tarafından analiz edilir.
• Karar verme: Yapay zekâ sistemi, analize dayanarak kararlar alır ve gerekli eylemleri veya tepkileri başlatır.

Edge AI ve bulut AI#

Edge AI ve Bulut AI, kendilerine özgü avantajları ve ödünleşimleri olan, AI uygulamasına yönelik iki farklı yaklaşımdır. Edge AI'da veriler doğrudan yerel cihazlarda işlenir; böylece düşük gecikme, gelişmiş gizlilik ve internet bağlantısına minimum bağımlılık sağlanır.

Uç Yapay Zekâdan farklı olarak Bulut Yapay Zekâ, verileri işlemek için uzak sunucuları kullanır ve daha fazla ölçeklenebilirlik ile esneklik sunar. Ancak bu, verilerin internet üzerinden aktarılması gerektiğinden genellikle daha yüksek gecikme ve daha fazla bant genişliği kullanımı pahasına gerçekleşir. Hassas verilerin harici sunuculara aktarılması ve bu sunucularda saklanması gerektiğinden Bulut Yapay Zekâ gizlilik endişelerine de yol açabilir.

Şekil 3. Edge AI ve Bulut AI karşılaştırması.

Bir diğer önemli fark, Bulut Yapay Zekâ ile ilişkili maliyet ve ağ yüküdür. Güçlü uzak sunucularda işlem yapmak, özellikle video veya ses gibi yüksek hacimli veriler işlenirken pahalı olabilir; bu verilerin ağ üzerinden aktarılması da ek yük oluşturur.

Edge AI, verileri doğrudan cihazda işleyerek bulutla ilgili maliyetleri düşürür, ağ yükünü hafifletir ve hassas bilgileri yerinde güvende tutar. Ham veriler yerine genellikle yalnızca nihai sonuçlar (veya çıkarımlar) aktarılır; böylece daha verimli ve gizliliği önceleyen bir çözüm sunulur.

Görüntü tanıma için Edge AI#

Bilgisayarlı görü uygulamaları çoğunlukla, önceden tanımlanmış bir biçimi olmayan yapılandırılmamış verilerden, özellikle de görüntü ve videolardan, çok büyük miktarda verinin analiz edilmesini gerektirir. Gerçek zamanlı izleme gerektiren durumlarda tüm bu verileri işlenmek üzere uzak bir bulut sunucusuna göndermek verimsiz olabilir. Bu soruna iyi bir çözüm, bilgisayarlı görü modellerini uç cihazlarda çalıştırmaktır.

Ultralytics YOLO11 gibi bilgisayarlı görü modelleri genellikle bulutta eğitilir, ancak gerçek zamanlı uygulamaları doğrudan sahada desteklemek için uçta dağıtılabilir. YOLO11, anında yanıt gerektiren görevler için özel olarak tasarlanmıştır; bu nedenle güvenlik sistemleri, kalite kontrol sistemleri ve akıllı ev cihazları gibi uygulamalarda özellikle kullanışlıdır. Görsel bilgilerin (kameralardan, sensörlerden vb.) toplandığı yerde verileri yerel olarak işlediklerinde bu uygulamalar daha verimli çalışır.

Şekil 4. Bilgisayarlı görü modellerinin uçta dağıtılması.

Edge AI uygulamaları#

Edge AI'ın ne olduğunu incelediğimize göre, şimdi gerçek dünyadaki bazı uygulamalara daha yakından bakalım.

Sağlık uygulamalarında Edge AI#

Hızlı teşhis ve mükemmel hasta bakımı her sağlık kuruluşunun önceliğidir; uç yapay zekâ da bu hedeflere ulaşmada önemli bir rol oynar. Sağlık hizmeti sağlayıcıları, uç yapay zekâ ve akıllı cihazların kullanımıyla dönüştürücü değişimlere tanık oluyor. Bu teknolojiler birlikte daha hızlı, güvenli ve duyarlı sağlık sistemleri oluşturuyor.

Uç yapay zekâyla çalışan giyilebilir cihazlar kalp atış hızı, kan basıncı, glikoz düzeyi ve solunum gibi yaşamsal belirtileri sürekli izleyebilir. Ani düşmeleri bile algılayıp bakım verenleri hemen bilgilendirebilirler. Ambulanslarda uç yapay zekâ, hasta monitörlerinden gelen verileri olay yerinde analiz edebilir. Analizden elde edilen içgörüler doktorlarla paylaşılabilir ve hastaneye ulaşmadan önce tedavileri hazırlamalarına yardımcı olabilir.

Uç yapay zekâ, sağlık personelinin nesne algılama uygulamaları gibi senaryolarda YOLO11 türü bilgisayarlı görü modellerinin dağıtımına da yardımcı olabilir. Bu özel uygulama, bir odadaki sağlık çalışanlarının konumlarını ve hareketlerini gerçek zamanlı belirlemeye odaklanır; güvenlik protokollerine uyumu izlemeye ve durumsal farkındalığı artırmaya yardımcı olur.

Nesne algılama, işlemler sırasında personelin doğru konumda olup olmadığını ve ekipman çevresinde güvenli konumlanmayı sürdürmek gibi hijyen ve güvenlik yönergelerine uyup uymadığını doğrulamaya yardımcı olabilir. Uç yapay zekâ, ameliyathanede sürekli bulut bağlantısı gerektirmeden değerli içgörüler sunar; gizliliği korur ve sağlık ekiplerine anında geri bildirim sağlar.

Şekil 5. Hastane personelini izlemek için Ultralytics YOLO11 kullanımına bir örnek.

Endüstriyel otomasyon için Edge AI#

Dünyanın dört bir yanındaki üreticiler, operasyonlarını daha hızlı, verimli ve üretken hâle getirmek için Edge AI teknolojisinden yararlanıyor. Sensörlerden ve IoT cihazlarından alınan gerçek zamanlı verileri kullanan Edge AI, kestirimci bakımı mümkün kılar; fabrikaların ekipman arızasının ilk belirtilerini tespit etmesine ve büyük sorunlar yaşanmadan önce bozulmaları tahmin etmesine yardımcı olur. Bu proaktif yaklaşım, duruş süresini azaltır, ekipman ömrünü uzatır ve operasyonların sorunsuz yürütülmesini sağlar.

Uç yapay zekâ, ürün kusurlarını sevkiyat için paketlenmeden önce tespit etmek üzere görsel yapay zekâdan yararlanarak kalite kontrolü de iyileştirir. Görüntüleri ve videoları doğrudan sahada analiz eden uç yapay zekâ kusurları hızla belirleyebilir ve müşterilere yalnızca yüksek kaliteli ürünlerin ulaşmasını sağlayabilir. Anında geri bildirim, üreticilerin sorunları hemen gidermesine; israfı azaltmasına, ürün standartlarını iyileştirmesine ve müşteri memnuniyetini artırmasına olanak tanır.

Evdeki IoT cihazları için Edge AI#

Birisi yaklaştığında otomatik olarak çalan akıllı kapı zillerinden oda boşken kapanan ışıklara kadar akıllı evler, sakinlerin yaşam kalitesini artırmak için uç yapay zekâ kullanan cihazlarla doludur. Sakinler ister kapıdaki kişiyi görmek ister akıllı telefonlarıyla evin sıcaklığını ayarlamak istesin, uç teknolojisi uzak bir sunucuya bağlı kalmak yerine verileri doğrudan sahada işleyerek bunu mümkün kılar. Uç Yapay Zekâ kullanmak sakinlerin gizliliğini korumaya ve kişisel verilere yetkisiz erişim riskini azaltmaya yardımcı olur.

Ev otomasyonu açısından uç yapay zekânın yerel işlemesi, anında geri bildirim gerektiren uygulamalar için kritik öneme sahiptir. Bu uygulamalar arasında güvenlik sistemleri, aydınlatma sistemleri ve çevresel kontroller yer alır. Verileri uçta işleyen akıllı evler, internet bağlantısına ihtiyaç duymadan bağımsız çalışabilir. Ayrıca bilgisayarlı görüyle bütünleşen uç yapay zekâ, ev içindeki erişilebilirliği artırabilir. İnsan poz tahmini gibi tekniklerden yararlanarak evdeki ışık veya TV gibi diğer sistemleri kontrol etmek için el hareketi algılama sistemleri oluşturulabilir.

Şekil 6. Uç Yapay Zekâ destekli akıllı ev kontrol sistemi.

Zorluklar ve sınırlamalar#

Sundukları avantajlara rağmen Edge AI sistemleri hâlâ gelişiyor ve belirli zorluklarla sınırlamalarla karşılaşıyor. Edge AI çözümlerini işine veya evine entegre etmeye karar vermeden önce göz önünde bulundurman gereken bazı sınırlamalar şunlardır.

• Güvenlik riskleri: Edge AI verileri yerel tutarak güvenliği artırsa da, başlıca insan hatası ve güvenli olmayan parolalar nedeniyle yerel düzeyde bazı risklerle de karşı karşıyadır.
• Sınırlı hesaplama gücü: Uç Yapay Zekâ sistemleri genellikle bulut tabanlı yapay zekâdan daha az hesaplama gücüne sahiptir ve bu da onları belirli görevlerle sınırlar. Bulut büyük modelleri çalıştırabilirken Uç Yapay Zekâ daha basit ve küçük görevler için en uygunudur.
• Makine uyumluluğu sorunları: Özellikle iş ortamlarında uç yapay zekâ, farklı makine türlerinden kaynaklanan zorluklarla karşılaşır; uyumluluk sorunları, uyumsuz makineler birlikte kullanıldığında arıza ve aksamalara yol açabilir.

Uç bilişimin gücünden yararlanma#

Edge AI, verileri üretildikleri yerde doğrudan işleyerek sektörlerin daha hızlı çalışmasını ve daha akıllı kararlar almasını sağlıyor. Bu yaklaşım operasyonları hızlandırıyor, veri güvenliğini artırıyor ve internet maliyetlerini düşürüyor.

Sağlık, üretim ve akıllı evler gibi sektörlerde Uç Yapay Zekâ verimliliği artırır ve sürekli bulut erişimine ihtiyaç duymadan hızlı karar alınmasını sağlar. Olası güvenlik riskleri ve karmaşık görevler için sınırlı kapasite gibi bazı kısıtlamaları olsa da görevleri gerçek zamanlı yönetebilmesi Uç Yapay Zekâyı geleceğin değerli bir aracı hâline getirir.

Daha fazla bilgi edinmek için GitHub depomuzu ziyaret et ve topluluğumuza katıl. Çözümler sayfalarımızda otonom araçlardaki ve tarımdaki yapay zekâ uygulamalarını keşfet.