Edge AI: cómo Edge Computing potencia una nueva ola de inteligencia artificial

Investigaciones recientes sugieren que la cantidad de dispositivos de Internet de las cosas utilizados en todo el mundo superará los 38 mil millones para 2025. El fuerte aumento afectará inevitablemente el estado de adopción de la IA, ya que ambos conceptos, Internet de las cosas e inteligencia artificial, siempre han ido de la mano.

Con el estándar de oro del desarrollo de sistemas IoT, el enfoque centrado en la nube, que está pasando de moda lentamente, la IA también comenzará a acercarse al límite. Las razones del cambio al perímetro varían, pero las más notables incluyen la alta latencia y los altos costos de computación en la nube. Estos son particularmente agudos para los sistemas IoT a gran escala.

Aún así, mientras que los proveedores de software de inteligencia artificial están ampliando sus ofertas mediante el desarrollo de sistemas de inteligencia artificial perimetral, las empresas se preguntan: ¿qué es exactamente la inteligencia artificial perimetral, cómo funciona bajo el capó y cuáles son los casos de uso comunes de la inteligencia artificial perimetral para desarrollar? Si este es el tipo de preguntas que te haces, sigue leyendo. En el artículo a continuación, destacamos las entrañas, los casos de uso, los beneficios y las limitaciones de la IA perimetral.

¿Qué es la IA perimetral y en qué se diferencia de la IA en la nube?

Una arquitectura estándar de IoT se puede dividir aproximadamente en tres componentes: las cosas, las puertas de enlace y la nube. Las cosas representan todo tipo de herramientas, dispositivos y equipos mejorados con sensores que generan datos. Las puertas de enlace son dispositivos centralizados, por ejemplo, enrutadores, que conectan las cosas a la nube. Juntos, los dispositivos finales y las puertas de enlace forman la capa de borde.

Edge AI, a su vez, significa implementar algoritmos de IA más cerca del borde de la red, es decir, a dispositivos conectados (nodos finales) o puertas de enlace (nodos de borde).

A diferencia del enfoque basado en la nube, donde los algoritmos de IA se desarrollan y se implementan en la nube, los sistemas de IA centrados en el borde toman decisiones en cuestión de milisegundos y se ejecutan a un costo menor.

Otros beneficios de la IA perimetral en comparación con las soluciones de IA en la nube incluyen:

• Menor tiempo de procesamiento: dado que los datos se analizan localmente, no es necesario enviar solicitudes a la nube y esperar respuestas, lo cual es de suma importancia para aplicaciones críticas en el tiempo, como dispositivos médicos o sistemas de asistencia al conductor.
• Costos y ancho de banda reducidos: sin necesidad de enviar datos de sensores de gran volumen a la nube, los sistemas de IA de borde requieren un ancho de banda más bajo (utilizado principalmente para transferir metadatos), por lo tanto, incurren en costos operativos más bajos
• Mayor seguridad: el procesamiento de datos localmente ayuda a reducir los riesgos de que la información confidencial se vea comprometida en la nube o mientras está en tránsito
• Mayor confiabilidad: la IA perimetral continúa funcionando incluso en caso de interrupciones de la red o si los servicios en la nube no están disponibles temporalmente
• Consumo de energía optimizado: el procesamiento local de datos suele consumir menos energía que enviar los datos generados a la nube, lo que ayuda a prolongar la vida útil de la batería de los dispositivos finales.

Según Markets and Markets, se espera que el tamaño del mercado global de software de IA de borde alcance los $ 1.8 mil millones para 2026, creciendo a una CAGR del 20.8%. Se espera que varios factores, como el aumento de las cargas de trabajo empresariales en la nube y el rápido crecimiento en la cantidad de aplicaciones inteligentes, impulsen la adopción de soluciones de IA de punta.

Cómo funciona la IA perimetral bajo el capó

A pesar de una creencia errónea común, una solución estándar de IA centrada en el borde generalmente se implementa de manera híbrida: los dispositivos de borde toman decisiones basadas en la transmisión de datos y un centro de datos (generalmente, uno en la nube) que se usa para revisar y volver a entrenar los modelos de IA implementados.

Por lo tanto, una arquitectura de IA de borde básica generalmente se ve así:

Para que los sistemas de IA de borde puedan comprender el habla humana, conducir vehículos y realizar otras tareas no triviales, necesitan una inteligencia similar a la humana. En estos sistemas, la cognición humana se replica con la ayuda de algoritmos de aprendizaje profundo, un subconjunto de la IA.

El proceso de entrenamiento de modelos de aprendizaje profundo a menudo se ejecuta en la nube, ya que lograr una mayor precisión requiere grandes volúmenes de datos y una gran potencia de procesamiento. Una vez entrenados, los modelos de aprendizaje profundo se implementan en un dispositivo final o de borde, donde ahora se ejecutan de forma autónoma.

Si el modelo encuentra un problema, los comentarios se envían a la nube, donde comienza el reentrenamiento hasta que el modelo en el borde se reemplaza por uno nuevo y más preciso. Este ciclo de retroalimentación permite mantener la precisión y la eficacia de la solución de inteligencia artificial perimetral.

Un resumen de las tecnologías de hardware y software que permiten la inteligencia artificial perimetral

Una implementación de IA perimetral estándar requiere componentes de hardware y software.

Dependiendo de la aplicación de IA perimetral específica, puede haber varias opciones de hardware para realizar el procesamiento de IA perimetral. Los más comunes abarcan CPU, GPU, circuitos integrados específicos de la aplicación (ASIC) y matrices de puertas programables en campo (FPGA).

Los ASIC permiten una alta capacidad de procesamiento a la vez que son energéticamente eficientes, lo que los convierte en una buena opción para una amplia gama de aplicaciones de IA perimetral.

Las GPU , a su vez, pueden ser bastante costosas, especialmente cuando se trata de admitir una solución perimetral a gran escala. Aún así, son la opción de acceso para casos de uso críticos de latencia que requieren que los datos se procesen a la velocidad del rayo, como automóviles sin conductor o sistemas avanzados de asistencia al conductor.

Los FPGA proporcionan aún mejor potencia de procesamiento, eficiencia energética y flexibilidad. La principal ventaja de los FPGA es que son programables, es decir, el hardware "sigue" las instrucciones del software. Eso permite un mayor ahorro de energía y reconfigurabilidad, ya que uno puede simplemente cambiar la naturaleza del flujo de datos en el hardware en lugar de ASIC, CPU y GPU codificados.

En general, al elegir la opción de hardware óptima para una solución de IA de borde, se debe considerar una combinación de factores, que incluyen la reconfigurabilidad, el consumo de energía, el tamaño, la velocidad de procesamiento y los costos. Así es como se comparan las opciones de hardware populares de acuerdo con los criterios establecidos:

Fuente

A su vez, el software de IA perimetral incluye la pila completa de tecnologías que permiten el proceso de aprendizaje profundo y permiten que los algoritmos de IA se ejecuten en dispositivos perimetrales. La infraestructura de software de IA perimetral abarca el almacenamiento, la gestión de datos, el análisis de datos/inferencia de IA y los componentes de red.

Casos de uso de IA perimetral

Las empresas de todos los sectores ya se están beneficiando de la inteligencia artificial perimetral. Aquí hay un resumen de los casos de uso más destacados de IA de borde de diferentes industrias.

Retail: potenciando la experiencia de compra

Una experiencia de compra positiva es una de las principales preocupaciones de los minoristas, ya que es el factor que determina la retención de clientes. Con el uso de análisis impulsados ​​por IA, los minoristas pueden mantener satisfechos a los consumidores, asegurándose de que se conviertan en clientes habituales.

Una de las muchas aplicaciones de IA perimetral que ayuda a los empleados minoristas en sus operaciones diarias y crea una mejor experiencia para el cliente es utilizar la IA perimetral para determinar cuándo es necesario reabastecer y reemplazar los productos.

Otra aplicación de IA de vanguardia está utilizando soluciones de visión por computadora en sistemas de pago inteligentes que, en última instancia, podrían liberar a los clientes de la necesidad de escanear sus productos en el mostrador.

Los minoristas también están utilizando análisis de video inteligente para profundizar en las preferencias de los clientes y mejorar los diseños de las tiendas en consecuencia.

Manufactura: traer una fábrica inteligente

Las empresas manufactureras, especialmente aquellas involucradas en la fabricación de precisión, deben garantizar la precisión y seguridad del proceso de producción. Al mejorar los sitios de fabricación con IA, los fabricantes pueden garantizar que el taller sea seguro y eficiente. Para ello, adoptan aplicaciones de IA que realizan inspecciones en el taller, como las que utilizan Procter & Gamble y BMW.

Procter & Gamble utiliza una solución de inteligencia artificial avanzada que se basa en las imágenes de las cámaras de inspección para inspeccionar los tanques de mezcla química. Para evitar que los productos con fallas pasen a la etapa de fabricación, la solución de IA de borde implementada directamente en las cámaras identifica las imperfecciones y notifica a los gerentes de planta sobre las desviaciones de calidad detectadas.

BMW utiliza una combinación de computación de punta e inteligencia artificial para obtener una vista en tiempo real del piso de la fábrica. La empresa obtiene una imagen clara de su línea de montaje a través de las cámaras inteligentes instaladas en toda la planta de fabricación.

Automoción: habilitación de coches autónomos

Los automóviles autónomos y los sistemas avanzados de asistencia al conductor confían en la IA de borde para mejorar la seguridad, mejorar la eficiencia y reducir el riesgo de accidentes.

Los automóviles autónomos están equipados con una variedad de sensores que recopilan información sobre las condiciones de la carretera, la ubicación de los peatones, los niveles de luz, las condiciones de manejo, los objetos alrededor del vehículo y otros factores. Debido a problemas de seguridad, estos grandes volúmenes de datos deben procesarse rápidamente. Edge AI aborda las tareas de monitoreo sensibles a la latencia, como la detección de objetos, el seguimiento de objetos y el conocimiento de la ubicación.

Seguridad: potenciando el reconocimiento facial

Una de las áreas que están cambiando cada vez más al borde es el reconocimiento facial.

Para las aplicaciones de seguridad con capacidades de reconocimiento facial, por ejemplo, un sistema de seguridad inteligente para el hogar, el tiempo de respuesta es crítico. En los sistemas tradicionales basados ​​en la nube, las imágenes de la cámara se mueven continuamente por la red, lo que afecta la velocidad de procesamiento y los costos operativos de la solución.

Un enfoque más efectivo es el procesamiento de datos de video directamente en las cámaras de seguridad. Dado que no se necesita tiempo para transferir los datos a la nube, la aplicación puede ser más confiable y receptiva.

Electrónica de consumo: habilitar nuevas funciones en dispositivos móviles

Los dispositivos móviles generan muchos datos. El procesamiento de estos datos en la nube conlleva una serie de desafíos, como la alta latencia y el uso del ancho de banda. Para superar estos problemas, los desarrolladores móviles han comenzado a ajustarse a la IA de borde para procesar los datos generados a mayor velocidad y menor costo.

Los casos de uso móvil habilitados por edge AI incluyen reconocimiento de voz y rostro, detección de movimiento y caída, y más.

Sin embargo, el enfoque común sigue siendo híbrido. Los datos que requieren más almacenamiento o altas capacidades informáticas se envían a la nube oa la capa de niebla, mientras que los datos que se pueden interpretar localmente se quedan en el perímetro.

Barreras para la adopción de la IA de vanguardia

Poder de cómputo limitado

El entrenamiento de algoritmos de IA requiere suficientes poderes informáticos, que son en gran medida inalcanzables en el perímetro. Por lo tanto, la mayoría de las aplicaciones centradas en el borde todavía contienen la parte de la nube, donde los algoritmos de IA se entrenan y actualizan.

Si se inclina por la creación de una aplicación centrada en el borde que dependa menos de la nube, deberá pensar en las formas de optimizar el almacenamiento de datos en el dispositivo (por ejemplo, manteniendo solo los marcos que muestran un rostro en las aplicaciones de reconocimiento facial) y el Proceso de entrenamiento de IA.

Vulnerabilidades de seguridad

Aunque la naturaleza descentralizada de las aplicaciones perimetrales y la ausencia de necesidad de que los datos viajen por la red aumentan las características de seguridad de las aplicaciones centradas en el perímetro, los nodos finales aún son propensos a los ataques cibernéticos. Por lo tanto, se necesitan medidas de seguridad adicionales para contrarrestar los riesgos de seguridad. Los delincuentes también pueden acceder a los modelos de aprendizaje automático que impulsan las soluciones de vanguardia y manipularlos. Bloquearlos y tratarlos como activos clave puede ayudarlo a prevenir problemas de seguridad relacionados con el perímetro.

Pérdida de datos

La naturaleza misma del perímetro implica que es posible que los datos no lleguen a la nube para su almacenamiento. Los dispositivos finales pueden configurarse para desechar los datos generados a fin de reducir los costos operativos o mejorar el rendimiento del sistema. Si bien la configuración de la nube viene con una buena cantidad de limitaciones, la ventaja clave de ellas es el hecho de que todos, o casi todos, los datos generados se almacenan, por lo tanto, se pueden usar para obtener información.

Si el almacenamiento de datos es necesario para un caso de uso particular, recomendamos optar por un sistema híbrido y usar la nube para almacenar y analizar el uso y otros datos estadísticos, tal como lo hicimos cuando desarrollamos un espejo de fitness inteligente para nuestros clientes.

Si aún tiene preguntas sin respuesta sobre la IA perimetral o busca un socio de confianza para implementar una aplicación de IA perimetral, envíe un mensaje a ITRex. Nuestros expertos te ayudarán con gusto.

Publicado originalmente en https://itrexgroup.com el 1 de noviembre de 2022.