Bagaimana Kecerdasan Edge Mendorong Gelombang Berikutnya Aplikasi Computer Vision pada 2019
2018 menandai momen penting untuk computer vision, dengan akurasi deteksi objek dan pengenalan wajah mencapai ketinggian baru. Proliferasi model deep learning—terutama jaringan saraf konvolusional dan tiruan—telah menyediakan solusi siap terapkan yang kuat. Namun, kemajuan ini datang dengan harga: model-model semakin besar dan permintaan komputasi meningkat. Misalnya, YOLOv3, detektor objek yang banyak digunakan, kini berisi 106 lapisan konvolusional penuh—lebih dari dua kali kedalaman pendahulunya—sementara RetinaNet dan varian SSD telah meningkatkan kinerja dengan biaya kompleksitas tambahan.
Menjaga Perkembangan Permintaan Baru
Seiring lonjakan penerapan kamera—terutama dalam skenario streaming langsung resolusi tinggi—terdapat kebutuhan mendesak untuk menerapkan algoritma visi canggih secara real-time. Pemantauan pasif tradisional tidak lagi cukup; kamera harus memberikan kecerdasan proaktif. Streaming video resolusi penuh ke cloud terlalu mahal, intensif bandwidth, dan rawan latensi. Sebaliknya, menerapkan rak server daya tinggi di situs mengkonsumsi ruang, listrik, dan modal yang berharga, terutama saat menskalakan ke beberapa lokasi. Tantangannya jelas: bagaimana kita dapat memproses video dari ratusan kamera secara bersamaan dengan sumber daya terbatas?
Solusi: Video di Edge
Jawabannya ada pada edge computing. Dengan menyematkan kemampuan inferensi yang kuat secara langsung ke dalam kamera atau dengan menerapkan peranti edge kompakt antara kamera dan cloud, beban kerja dapat didistribusikan di banyak perangkat. Pergeseran ini didukung oleh ekosistem yang tumbuh dari prosesor AI dengan kinerja tinggi dan daya rendah. Seri Jetson NVIDIA menyediakan inferensi real-time dalam bentuk tertanam, sementara Myriad dan Neural Compute Stick Intel—hasil akuisisi Movidius—menawarkan solusi yang sama efisien. Pemain baru seperti Mythic dan Graphcore telah mendapatkan ratusan juta modal ventura, dan raksasa industri Google dan Amazon telah meluncurkan chip edge mereka sendiri, menekankan pentingnya strategis kecerdasan pada perangkat.
Apa yang Akan Datang
Visi berbasis edge akan membuka generasi baru wawasan real-time. Pemutar video pasif akan berkembang menjadi penjaga aktif—mendeteksi anak yang beresiko tenggelam, menandai senjata di sekitar sekolah, membuka pintu aman secara otomatis, dan mengidentifikasi kekurangan manufaktur. Di retail, kamera akan memetakan gerakan pembeli untuk mengoptimalkan alur dan mengurangi waktu tunggu, sementara kepatuhan keamanan di pabrik akan dipantau secara real-time. Dengan lebih dari satu miliar kamera yang saat ini digunakan dan satu miliar lagi di horizonte, pemrosesan edge siap membuat setiap kamera benar-benar cerdas.
Perusahaan seperti Kogniz sudah menyediakan layanan kecerdasan video yang memanfaatkan peranti edge—kamera mandiri dan adapter untuk unit IP yang sudah ada—memungkinkan penerapan ringan infrastruktur sesuai permintaan di kamera dan situs tanpa terbatas.
Jed Putterman berfungsi sebagai Co-CEO Kogniz. Tn. Putterman telah mendirikan beberapa usaha teknologi, termasuk Snapcentric (diakuisisi VeriSign) dan Allerez (diakuisisi Mercury Interactive Corporation). Dia memulai karirnya di Oracle Corporation dan berkonsultasi untuk perusahaan besar seperti Sun Microsystems, SGI, dan Aspect Communications. Tn. Putterman adalah lulusan UC Berkeley.
