边缘机器学习（Edge ML）是自物联网（IoT）以来人们最关注的技术之一。随着物联网的兴起，连接到云的智能设备激增，但是网络尚未准备好支持这种需求。云网络拥塞，公司忽略了云计算的关键问题，例如安全性。

Edge ML到底是什么？Edge ML是一种技术，通过该技术，智能设备可以使用机器和深度学习算法在本地处理数据（使用本地服务器或设备），从而减少了对云网络的依赖。术语“边缘”是指通过深度学习和机器学习算法在设备或本地（并且最接近收集数据的组件）进行的处理。

边缘设备仍会在需要时将数据发送到Cloud，但是在本地处理某些数据的能力可以筛选发送到Cloud的数据，同时还可以进行实时数据处理（和响应）。

广义上讲，人工智能是训练机器领域，可以自主执行通常认为需要智能化的任务。在这之下是机器学习，机器在其中自动自主地学习新任务。深度学习是机器学习的子类别。它涉及训练机器，以模仿人脑学习新事物的方式来处理信息。

Edge ML依赖于机器学习和深度学习算法来本地处理数据，具体取决于应用程序。

Edge ML如何工作

在Edge ML出现之前，智能设备会将所有数据发送到云端（请参阅IEEE arXiv：200317172v2）。您可能已经听说过“大数据”一词。大数据以部分源自物联网的数据集大量涌入而得名，大数据已成为一个不断成长的领域，试图构造和分析海量数据集。处理这些数据（例如医疗和工业领域的关键数据集）将极大地改善诸如对紧急情况进行预测和（几乎）立即做出响应的能力。但是，收集的许多数据都是多余的。

与传统机器不同，Edge ML设备将在源处分析和处理传入数据，并确定需要由云中更强大的算法处理的内容，而不是可以在本地处理的内容。设备可以执行该功能（并使用户满意），而不会使云网络瘫痪。如果相反，您向Alexa询问天气，则该设备将需要在外部来源（云中）中搜索该数据。

当前和将来的应用

Edge ML仍然是一种较新的技术，尽管它吸引了人们的注意力，但创新者仍在确定如何在各种平台上实施此技术。

现有的一些平台包括智能扬声器，例如亚马逊的Echo和Google的Home。在能源和工业领域，一些公司开发了带有预测传感器和算法的系统，这些传感器和算法可监视组件的运行状况，以在需要维护时通知技术人员。其他系统则监视机器故障或紧急情况等。

未来，人们会在医院和辅助生活设施中开发基于Edge ML的系统，以监控患者的心率，血糖水平（使用摄像头和运动传感器）等。这些技术可以挽救生命，如果在边缘对数据进行本地处理，则在快速响应对于挽救生命至关重要时，将实时通知员工。

Edge ML是一项好的技术，将继续被开发。Edge ML驱动的设备（如IoT）成为一种生活方式只是时间问题，那将是多么令人兴奋的时刻。