作者：Eleanor Hecks 《Designerly》杂志总编辑

随着人工智能技术的日益普及，部分决策者开始将其与现有技术相结合。针对边缘智能设备的情境化人工智能便是极具说服力的范例。该技术能通过分析历史细节、环境参数等关联要素解读信息并作出响应，从而提供更精准、更迅捷的处理方案。

边缘智能在设备端直接处理数据，而非将内容传输至云端后再处理。这种特性特别适用于对时效性要求极高或需高度安全的应用场景——传统方法在此类场景中往往速度过慢或风险过高。工程师应如何理解情境化人工智能对边缘智能创新的推动作用？

实现策略驱动的安全防护

众多企业采用人工智能驱动的安防摄像头、网络活动监控、行为分析及门禁控制措施。在边缘端处理传入信息可缩短响应周期，提升主动性。

部分企业还提供可适应特定安全策略的边缘智能技术。以Camio为例，其运用两种人工智能技术分析动态演变的上下文环境，并根据客户设定的参数作出响应。用户可定义监控活动、检测事件及技术响应方式的具体参数。

Camio软件运行于虚拟机环境，客户可根据具体应用场景在指定数量的物理服务器上部署系统。其边缘AI处理服务采用订阅模式，满足客户减少云端数据传输的需求。该系统还能接收边缘设备的警报信息，确保无论客户选择保护和监控何种对象，都能获得全面覆盖。

访客顾问、新聘承包商及计划中的学校/行业团体访问，可能临时改变现场安保流程。Camio的语境AI功能可响应此类短期调整，确保企业通过灵活调整政策保持应变能力。

大型场馆安全数据负载优化

统计显示74%的高管将AI应用于至少1/4的工作场景。尽管应用偏好各异，部分企业已开始探索运用该技术解决已知难题。三家企业领袖联手攻克大型场馆监控摄像头产生的海量数据难题。

这些产品提升了观众参与音乐会、体育赛事等热门活动的安防水平。部分场馆需同时运行数十台摄像机，海量数据可能造成通信网络负担并推高运营成本。该边缘人工智能解决方案旨在验证优化异常检测与监控数据负载管理的技术。

领导团队在某职业足球队主场体育场规划了三项演示：首项演示通过监控摄像头现场部署的远端设备，实现实时风险评估并运用人工智能图像识别技术分析视频。该技术将根据潜在威胁等级与网络拥塞状况即时压缩数据。安保人员还能从边缘服务器接收可操作的报告摘要。

第二项演示旨在验证基于AI的图像识别工具在情境中识别显著事件的能力。该方案将检测跌倒或攻击性行为等场景，供人员评估其可扩展性和稳健性。最终演示融合便携摄像头、移动网络技术和内置AI处理能力，打造兼容任何环境的安全解决方案，同时最大限度减轻现有通信网络负荷。

部分消费级监控产品已具备将熟人标记为无威胁对象、对陌生人发出警报的技术。无论部署于大型场馆或私人庭院，这种情境化人工智能都能帮助监控系统聚焦关键事件。

优化垃圾来电筛选机制

尽管互联网极大改变了人们的沟通方式，电话在个人和商业应用中仍不可或缺。当客户拨打服务热线时，有时会收到预估等待时间，从而获得准确预期。

当人们在手机屏幕上看到“疑似垃圾来电”等提示时，情境化人工智能也能发挥作用。许多应用程序利用设备端算法评估来电的合法性。

由于许多诈骗者通过搜索活跃号码实施诈骗，频繁遭遇骚扰电话的用户往往选择忽略或转入语音信箱。这些应对方式并不理想，尤其当用户正焦急等待潜在工作机会的回复或新医生的实验室结果时。多数筛选技术会将此类重要来电归类为陌生号码，而用户却在焦灼中等待消息。

短信领域同样面临类似挑战。尽管犯罪分子试图通过短信实施欺诈，但政府机构和医疗机构等合法组织也会向用户发送短信。谷歌通过设备端人工智能解决了这一问题，可在安卓设备的消息应用中检测诈骗短信。算法能识别对话过程中的可疑模式。

用户会收到提示，可选择忽略警告或举报并屏蔽发件人。许多其他垃圾信息智能技术仅在收件人开始互动时才生效。而该技术能在事后持续分析内容，通过解读短信内容并防止用户轻信表面信息，从而避免部分人陷入危险境地。

情境人工智能推动边缘智能发展

这些引人入胜的案例表明，情境人工智能正成为驱动边缘技术发展的核心力量，该技术融合了算法等先进成果。随着解决方案日趋成熟并获得广泛应用，工程师们应期待更多可能性的涌现。（译自Embedded Computing Design）