پایانه های محاسباتی لبه داده های چند حالته را در زمان واقعی و بدون سنجش جمع می کنند

پایانه های محاسباتی لبه داده های چند حالته را در زمان واقعی و بدون سنجش جمع می کنند

با تعمیق اطلاعات آموزشی 2.0 ، جمع آوری و تجزیه و تحلیل داده های آموزش کلاس به یک پیوند کلیدی در آموزش هوشمند تبدیل شده است. اخیراً ، فناوری دستیابی به سنسور در زمان واقعی مبتنی بر پایانه های قدرت محاسبات Edge به یک موضوع داغ در زمینه فناوری آموزش تبدیل شده است. در این مقاله محتوای داغ کل شبکه برای 10 روز گذشته برای کشف سناریوهای برنامه ، ارزش داده ها و روندهای آینده این فناوری ترکیب شده است.

1. پیشینه فنی و مزایای اصلی

از طریق استقرار محلی ، پایانه های محاسبات لبه می توانند داده های چند حالته (مانند صدا ، فیلم ، متن ، اقدامات رفتاری) را در کلاس در زمان واقعی پردازش کنند و از تأخیر و خطرات حفظ حریم خصوصی انتقال ابر جلوگیری کنند. مزایای اصلی آن به شرح زیر است:

2. ابعاد دستیابی به داده های چند حالته

طبق آخرین گزارش نظارت بر کلاس درس که توسط یک شرکت فناوری آموزش منتشر شده است ، پایانه های Edge می توانند 6 نوع زیر از داده های اصلی را ساختار دهند:

iii موارد کاربردی صنعت

در پروژه آزمایشی اخیر کلاس درس هوشمند که توسط یک بخش آموزش استانی خاص انجام شده است ، پس از استقرار ترمینال Edge نتایج قابل توجهی حاصل شده است:

4. چالش های فنی و روندهای توسعه

اگرچه پایانه های محاسباتی لبه پتانسیل بسیار خوبی را نشان می دهند ، اما هنوز هم با سه چالش اساسی روبرو هستند: 1) بهینه سازی الگوریتم فیوژن داده های چند مدلی. 2) استقامت تجهیزات ترمینال ؛ 3) سازگاری سناریوهای مختلف تدریس. کارشناسان صنعت پیش بینی می کنند که روند توسعه زیر در دو سال آینده در این زمینه نشان داده می شود:

1سفارشی سازی تراشه های AI: تراشه های NPU که به طور خاص برای سناریوهای آموزشی طراحی شده اند ، تولید انبوه خواهند شد
2همکاری 5G Edge: از برش شبکه 5G برای تحقق پردازش داده های سلسله مراتبی استفاده کنید
3برنامه دوقلوی دیجیتال: برای شبیه سازی استراتژی تدریس یک کلاس مجازی بسازید

5. خلاصه

پایانه های قدرت محاسبات Edge مسیرهای فنی جدیدی را برای تحول دیجیتالی آموزش کلاس ارائه می دهند. از طریق داده های چند مدلی بدون سنجش در زمان واقعی ، نه تنها می تواند ارزیابی دقیق تدریس را تحقق بخشد ، بلکه یک پایه داده برای یادگیری شخصی نیز فراهم می کند. با اجرای خط مشی "زیرساخت های آموزش جدید" ، انتظار می رود این فناوری در دوره انفجار در برنامه های در مقیاس بزرگ در سال 2024 به وجود بیاید.