Het jaar 2024 heeft de kaarten in de hightechsector opnieuw verdeeld rond een centraal thema: de lokale verwerking van gegevens door middel van kunstmatige intelligentie. Waar de voorgaande jaren de nadruk lag op de kracht van externe servers, integreren fabrikanten van processors en smartphones nu neurale rekeneenheden rechtstreeks in hun chips. Deze verschuiving naar on-device embedded AI verandert de manier waarop consumentenelektronica omgaat met privacy, latentie en energieverbruik.
NPU-chips en embedded AI: lokale verwerking vervangt de cloud
Qualcomm en MediaTek hebben hun processors voor 2024 gepositioneerd als “NPU-first” architecturen, wat betekent dat ze zijn ontworpen rond een prioritaire neurale verwerkingsunit. Real-time vertaling, beeldgeneratie en interface-personalisatie worden uitgevoerd op het apparaat, zonder dat gegevens via een externe server hoeven te worden verzonden.
Zie ook : Ontdek het laatste nieuws en trends in de wereld van de online pers
Google heeft dezelfde logica gevolgd met Gemini Nano, dat rechtstreeks op de Pixel 8 Pro draait. Dit model schrijft contextuele antwoorden, genereert samenvattingen en detecteert intenties zonder systematisch gegevens naar de cloud te sturen. Apple heeft in juni 2024 “Apple Intelligence” aangekondigd, een set van generatieve AI-functies die gebaseerd zijn op een mix van on-device verwerking en “Private Cloud Compute”.
Het concrete resultaat voor de gebruiker: AI-functies die offline beschikbaar zijn, een verminderde latentie, en een privacyargument dat centraal is geworden in de communicatie van merken. Om de tech-nieuwtjes op Atypique Info te volgen, vormt deze hardwareverschuiving de rode draad van dit jaar.
Lees ook : De laatste nieuws over beroemdheden en media: trends, exclusives en buzz die je niet mag missen
Europese AI Act: wat het regelgevend kader verandert voor AI-technologieën
De Europese verordening inzake kunstmatige intelligentie (AI Act) is formeel aangenomen in het voorjaar van 2024. Het introduceert een specifiek regime voor “algemene AI-modellen”, een categorie die grote taalmodellen zoals GPT-4 of Gemini omvat.
Leveranciers moeten hun modellen documenteren, risico’s evalueren en transparantie garanderen over de gegenereerde inhoud. Deze verplichting geldt zowel voor Europese bedrijven als voor buitenlandse uitgevers die hun diensten op de markt van de Unie aanbieden.
De AI Act classificeert AI-systemen op basis van hun risiconiveau. Hoog-risico applicaties (geautomatiseerde werving, kredietbeoordeling, biometrische surveillance) ondergaan zwaardere audit- en nalevingsvereisten. Systemen met beperkte risico’s, zoals chatbots, moeten de gebruiker eenvoudigweg laten weten dat hij met een machine interacteert.
Gevolgen voor digitale bedrijven
Uitgevers van AI-oplossingen moeten gedetailleerde technische documentatie en mechanismen voor de traceerbaarheid van trainingsgegevens voorzien. Voor KMO’s die externe AI-componenten in hun producten integreren, wordt de juridische verantwoordelijkheid nu gedeeld tussen de modelleverancier en de integrator.
Cybersecurity en generatieve AI: de dubbele druk voor bedrijven
De massale adoptie van generatieve AI-tools in werkstromen heeft nieuwe aanvalsvlakken geopend. Medewerkers injecteren gevoelige gegevens in AI-chatinterfaces zonder de implicaties voor informatielekken te beseffen.
Tegelijkertijd gebruiken aanvallers dezezelfde tools om geloofwaardigere phishingcampagnes te produceren, kwaadaardige code te schrijven of audio-deepfakes te genereren die gericht zijn op leidinggevenden. Cybersecurity in 2024 bevindt zich in een spagaat tussen twee toepassingen van dezelfde technologie.
- Oplossingen voor gedragsdetectie door AI analyseren de toegangspatronen tot gegevens in real-time om ongebruikelijke exfiltraties te detecteren, ook via legitieme AI-tools.
- Beleidslijnen voor gegevensbeheer bevatten nu specifieke beperkingen op de soorten documenten die gedeeld kunnen worden met externe generatieve AI-diensten.
- Oefeningen voor crisissimulatie omvatten scenario’s van vocale of video-deepfake, waardoor teams gedwongen worden om identiteiten via secundaire kanalen te verifiëren.
Deze spanning tussen productiviteit (AI versnelt taken) en blootstelling (AI vergroot het aanvalsvlak) bepaalt het dagelijks leven van beveiligingsverantwoordelijken in bedrijven.
Edge computing en verbonden objecten: waarom de verwerking dichter bij de sensoren komt
Het volume aan gegevens dat door industriële sensoren, bewakingscamera’s en verbonden voertuigen wordt geproduceerd, overschrijdt wat netwerken kunnen transporteren naar gecentraliseerde datacenters zonder latentie. Edge computing verplaatst de verwerking dichter bij de gegevensbron, op micro-servers of rechtstreeks in de objecten.
In 2024 wordt deze architectuur gecombineerd met ingebedde NPU’s om autonome rekeneenheden te creëren. Een industriële sensor uitgerust met een neurale netwerkprocessor filtert lokaal de anomalieën en verzendt alleen gekwalificeerde waarschuwingen naar de cloud. De winst betreft de bandbreedte, de reactietijd en de veerkracht bij netwerkonderbrekingen.
Concreet gebruik in de industrie en steden
De productielijnen gebruiken edge computing voor visuele kwaliteitscontrole in real-time. Transportnetwerken integreren lokale verwerkingsdozen om de signalering aan te passen op basis van de verkeersstroom, zonder te wachten op een reactie van een externe server.
De geleidelijke uitrol van 5G versterkt deze trend: de snelheid en de lage latentie van het netwerk stellen edge-nodes in staat om efficiënter met elkaar en met de centrale cloud te synchroniseren wanneer dat nodig is.
Het jaar 2024 zal de fundamenten hebben gelegd voor een architectuur waarin de verwerking wordt verdeeld tussen het apparaat, de rand van het netwerk en de cloud. De AI Act reguleert de toepassingen, de NPU-chips democratiseren lokale inferentie, en de cybersecurity probeert de adoptiesnelheid bij te houden. De volgende stap zal afhangen van het vermogen van bedrijven om deze componenten te integreren zonder de kwetsbaarheden of technische schulden te vermeerderen.