La inteligencia artificial de las cosas (AIoT): una poderosa combinación de dispositivos conectados y algoritmos inteligentes

TL; DR: Perspectivas, resumidas:

• Del 60% al 73% de todos los datos empresariales no se utilizan para análisis.
• Una empresa promedio pierde el 12% de sus ingresos debido a la pérdida de oportunidades de análisis de datos.
• Combinando soluciones de IA e IoT, las empresas pueden acceder a sus datos y obtener información que antes no estaba disponible.
• AIoT es una mezcla de inteligencia artificial e Internet de las cosas. Unir ambas tecnologías permite crear soluciones más eficientes que generan un ROI más alto.
• Los sectores donde AIoT ha encontrado un rango de uso más amplio son la atención médica, la fabricación, el transporte y otras industrias.

Lo que originalmente comenzó como una comunicación de máquina a máquina se limitaba casi exclusivamente a la industria de las telecomunicaciones, el Internet de las cosas ahora está en todas partes. Según Statista, la cantidad de dispositivos conectados a Internet superará los 38 mil millones para 2025.

Sin embargo, la cifra es discutible, ya que es difícil trazar una línea en cuanto a qué es exactamente un dispositivo IoT. Entonces, otros informes sugieren números más restringidos. Piense: alrededor de 16 mil millones de dispositivos en uso para 2025.

El fuerte aumento en la cantidad de dispositivos IoT conducirá inevitablemente a un aumento en la cantidad de datos recopilados. IDC informa que los volúmenes de datos de IoT generados globalmente alcanzarán los 73 Zettabytes para 2025. Y ahí es donde se vuelve problemático. La información recopilada debe procesarse y analizarse para generar valor. Sin embargo, la mayoría de las empresas no logran utilizar los datos, ya que entre el 60 % y el 73 % no se utilizan para análisis.

La buena noticia es que las empresas pueden convertir una mayor parte de los datos generados en información comercial aprovechando el poder combinado de la inteligencia artificial y el Internet de las cosas.

En el artículo, cubrimos todo lo que necesita saber sobre esta potente combinación, a menudo denominada inteligencia artificial de las cosas o AIoT. Entonces, si está considerando subirse al tren del desarrollo de Internet de las cosas, continúe leyendo.

¿Qué es AIoT exactamente?

Un sistema de Inteligencia Artificial de las Cosas (AIoT) se compone de dos componentes: el Internet de las Cosas (IoT) y la Inteligencia Artificial (AI).

En esta sólida combinación, el papel de IoT es acumular datos estructurados y no estructurados y permitir la comunicación entre las cosas conectadas y el usuario.

Cuando se amplifica con IA, algoritmos que pueden encontrar interdependencias complejas en grandes cantidades de datos y describir, predecir y prescribir ciertas acciones basadas en eso, un sistema IoT gana inteligencia similar a la humana y se puede aplicar para resolver una variedad más amplia de tareas. . Estos podrían abarcar la "comprensión" del lenguaje natural, la predicción de las necesidades de los usuarios y el ajuste del comportamiento de un dispositivo conectado en consecuencia, y más.

El mercado AIoT está actualmente en aumento. Investigaciones recientes estiman que alcanzará los $102.2 mil millones para 2026. Y está perfectamente claro por qué: AI agrega valor a IoT a través de una mejor toma de decisiones, mientras que IoT proporciona una plataforma para que AI genere valor a través de la conectividad y el intercambio de datos sin interrupciones.

¿Cómo funciona la Inteligencia Artificial de las Cosas?

Los sistemas AIoT se pueden implementar de dos maneras:

• Como sistemas basados ​​en la nube
• Como sistemas perimetrales que se ejecutan en dispositivos conectados.

La arquitectura de un sistema AIoT variará según la estrategia de implementación.

AIoT basado en la nube

Con el enfoque basado en la nube, la arquitectura básica de una solución AIoT se ve así:

• Capa de dispositivos: varios dispositivos de hardware (movilidad, etiquetas/balizas, sensores, dispositivos de salud y estado físico, vehículos, equipos de producción, dispositivos integrados)
• Capa de conectividad: puertas de enlace de campo y nube
• Capa de nube: almacenamiento de datos, procesamiento de datos (motor AI), visualización de datos, análisis, acceso a datos a través de API
• Capa de comunicación del usuario*: portales web y aplicaciones móviles*

AIoT de borde

Con el análisis perimetral, los datos recopilados se procesan más cerca de la fuente, ya sea en dispositivos conectados o en puertas de enlace de campo.

• Capa terminal de recopilación: varios dispositivos de hardware (movilidad, etiquetas/balizas, sensores, dispositivos de salud y estado físico, vehículos, equipos de producción, dispositivos integrados) conectados a la puerta de enlace a través de las líneas eléctricas existentes
• Capa de borde: instalaciones para almacenamiento de datos, procesamiento de datos (motor de IA), generación de información

Sin embargo, las implementaciones centradas en el borde no excluyen la presencia de la nube. El almacenamiento de datos basado en la nube se puede usar, por ejemplo, para recopilar metadatos sobre el rendimiento del sistema o la información contextual necesaria para entrenar o volver a entrenar la IA perimetral (piense: un paradigma para crear flujos de trabajo de IA que involucren la nube y el perímetro, este último hecho de dispositivos fuera de la nube que están más cerca de las cosas físicas).

Principales aplicaciones de AIoT en diferentes sectores

Impulsada por una serie de factores, como la disponibilidad de nuevas herramientas de software, el desarrollo de soluciones de IA simplificadas, la infusión de IA en sistemas heredados y los avances en el hardware que respalda los algoritmos de IA, la inteligencia artificial de las cosas se está extendiendo en muchas industrias. Aquí hay un resumen de los sectores que ya están aprovechando las oportunidades que brinda AIoT, con los casos de uso más prometedores destacados.

Cuidado de la salud

Asistencia diagnóstica

AIoT puede ayudar a los proveedores de atención médica a tomar decisiones de diagnóstico más precisas. Las soluciones inteligentes de IoT de atención médica toman datos de pacientes de una variedad de fuentes, desde equipos de diagnóstico hasta dispositivos portátiles y registros de salud electrónicos, y analizan estos datos para ayudar a los médicos a diagnosticar correctamente a un paciente.

Las soluciones médicas basadas en IA ya están superando a los profesionales de la salud humana en varios campos de diagnóstico. Los radiólogos de todo el mundo confían en la asistencia de AI para las pruebas de detección del cáncer.

En un estudio publicado por Nature Medicine, AI superó a seis radiólogos para determinar si los pacientes tenían cáncer de pulmón. El algoritmo que se entrenó en 42 000 escaneos de pacientes de los registros de datos de ensayos clínicos del Instituto Nacional de Salud, detectó un 5 % más de casos de cáncer que sus contrapartes humanas y redujo la cantidad de falsos positivos en un 11 %. Vale la pena mencionar que los falsos positivos presentan un problema particular en el diagnóstico del cáncer de pulmón: el estudio de JAMA Internal Medicine de 2100 pacientes establece una tasa de falsos positivos del 97,5 %. Por lo tanto, la IA ayuda a abordar uno de los problemas de diagnóstico cruciales.

Los sistemas AIoT funcionan igualmente bien cuando se diagnostica cáncer de mama, enfermedades de la piel y cáncer de piel. Pero las posibilidades de los sistemas inteligentes y conectados se extienden mucho más allá.

Estudios recientes han demostrado que la IA puede detectar enfermedades hereditarias raras en niños, enfermedades genéticas en bebés, enfermedades genéticas que elevan el colesterol, enfermedades neurodegenerativas y predecir el deterioro cognitivo que conduce al desarrollo de la enfermedad de Alzheimer.

Mejora de las estrategias de tratamiento y seguimiento del proceso de rehabilitación.

Siguiendo el mismo principio que en el diagnóstico de pacientes, los sistemas AIoT pueden ayudar a desarrollar mejores estrategias de tratamiento y ajustarlas a las necesidades del paciente.

Al combinar datos de los protocolos de tratamiento, el historial del paciente y la información del paciente en tiempo real de los equipos conectados y los dispositivos portátiles, los algoritmos inteligentes pueden sugerir ajustes de dosis, excluir la posibilidad de que un paciente desarrolle alergias y evitar un tratamiento inapropiado o excesivo. Algunas de las áreas esenciales en las que AIoT facilita la duración del tratamiento:

• Tratamiento COVID-19 más efectivo

Al monitorear a los pacientes que han sido diagnosticados con COVID-19 a través de dispositivos portátiles alimentados por AIoT que registran los signos vitales del cuerpo de los pacientes, los médicos podrían ofrecer a los pacientes las debidas sugerencias, brindando así una atención ambulatoria más efectiva.

• Tratamiento de enfermedades acompañadas de coagulación sanguínea.

Los dispositivos de coagulación conectados ayudan a medir el ritmo al que se forman los coágulos de sangre, lo que ayuda a los pacientes a asegurarse de que las mediciones estén dentro de su rango de tratamiento y reducen la cantidad de visitas al consultorio, ya que las mediciones se pueden comunicar a los proveedores de atención médica de forma remota y en tiempo real.

• Mejor manejo del asma y la EPOC

Las enfermedades respiratorias crónicas (EPOC) afectan a unos 500 millones de pacientes en todo el mundo. Para mitigar la gravedad de estas condiciones, los pacientes deben seguir una rutina completa y el uso de inhaladores es una parte esencial de ella. Aún así, muchos pacientes no cumplen con los planes de tratamiento recomendados. Los inhaladores habilitados para AIoT que están vinculados a una aplicación móvil ayudan a evitar eso, registrando la hora, la fecha y la ubicación de cada uso. Los datos recopilados se pueden usar para configurar recordatorios automáticos para el próximo uso, predecir ataques de asma e identificar factores desencadenantes.

• Manejo optimizado de la diabetes

Solo en los EE. UU., 30 millones de personas padecen diabetes. Y para ellos, las mediciones regulares de glucosa siempre han sido una preocupación. Los medidores de glucosa implantables inalámbricos habilitados para AIoT alivian esas preocupaciones al notificar a los pacientes, y a los médicos, los cambios en los niveles de glucosa de los pacientes.

Optimización de los flujos de trabajo del hospital

AIoT puede transformar la forma en que se administran los hospitales, mejorando los flujos de trabajo diarios en las siguientes áreas clave:

• Reduciendo los tiempos de espera

Los sistemas automatizados de seguimiento de camas impulsados ​​por AIoT pueden ayudar a los trabajadores del hospital a admitir pacientes de emergencia lo más rápido posible al notificarles cuando una cama está libre. La experiencia de los primeros usuarios, como Mt. Sinai Medical Center en Nueva York, demuestra que la tecnología puede ayudar a reducir los tiempos de espera para el 50 % de los pacientes del departamento de emergencias.

• Identificación de pacientes críticos.

Identificar a los pacientes que necesitan atención inmediata es fundamental para brindar una atención de calidad. Para tomar la decisión correcta, los médicos necesitan analizar grandes cantidades de información, mientras se encuentran bajo una presión significativa. AIoT puede ayudar al personal médico a priorizar sus esfuerzos. Los sistemas conectados pueden analizar los signos vitales de los pacientes y alertar a los médicos sobre pacientes cuya condición se está deteriorando.

Se probaron varios sistemas similares en unidades de cuidados intensivos. Por ejemplo, la Universidad de San Francisco puso a prueba una solución de IA que puede detectar signos tempranos de sepsis, una infección sanguínea mortal. Los resultados de la investigación mostraron que los pacientes cuyos tratamientos incluían IA tenían un 58 % menos de probabilidades de desarrollar la infección; y la tasa de mortalidad se redujo en un 12%.

• Seguimiento de equipos médicos

Con el seguimiento de equipos habilitado para AIoT, los hospitales pueden reducir el riesgo de perder equipos médicos críticos y tomar decisiones de gestión de equipos más informadas, aprovechando así $12,000 de ahorro por cama al año. El equipo médico crítico se puede rastrear a través de sistemas RFID o GPS dentro y fuera del hospital, mientras que el personal médico y administrativo puede usar aplicaciones web y móviles para ubicar rápidamente el equipo necesario.

Fabricación

Habilitación del mantenimiento predictivo

Con maquinaria equipada con sensores AIoT que miden una variedad de parámetros, que incluyen temperatura, presión, vibración, velocidad de rotación y más, los fabricantes pueden obtener información en tiempo real sobre el estado de sus activos y programar el mantenimiento de acuerdo con la necesidad real.

Si bien el análisis básico a menudo es suficiente para detectar equipos que se acercan a un umbral operativo crítico, la IA puede predecir anomalías por adelantado en función de los datos históricos de mantenimiento y reparación. Como resultado del mantenimiento predictivo, según un informe de PwC, los fabricantes pueden mejorar el tiempo de actividad de los equipos en un 9 %, reducir los costos en un 12 %, reducir los riesgos de seguridad en un 14 % y extender la vida útil de sus activos en un 20 %.

Mejora de la gestión del rendimiento de los activos

Con un sistema AIoT implementado, los fabricantes pueden obtener actualizaciones periódicas sobre el rendimiento de sus activos y profundizar en los motivos de los cambios de rendimiento. La mayoría de los sistemas de gestión del rendimiento de activos basados ​​en IoT permiten recibir alertas automáticas cada vez que un equipo se desvía de los KPI establecidos.

El motor de IA, a su vez, ayuda a profundizar en las razones del deterioro del rendimiento, si las hay, e identifica si los KPI medidos son razonables para realizar un seguimiento en cada configuración individual. Mediante el uso de software de gestión del rendimiento, los fabricantes optimizan la utilización del equipo y mejoran la eficacia general del equipo.

Impulsar la planificación de la producción con gemelos digitales

Según Gartner, los gemelos digitales pueden ayudar a los fabricantes a obtener una mejora mínima del 10 % en la eficacia de la producción. Una copia digital de un activo, sistema o proceso, un gemelo digital industrial habilitado para AIoT puede ayudar a los fabricantes a obtener una visibilidad de extremo a extremo de las operaciones de la planta y ayudar a detectar oportunamente e incluso predecir ineficiencias.

Las empresas de fabricación que usan gemelos digitales afirman que podrían lograr mejoras duraderas, incluido un aumento en la confiabilidad del 93 % al 99,49 % en dos años, reducir el mantenimiento recibido en un 40 % y ahorrar $360 000 después de haber previsto un corte de energía.

Automatización de las operaciones del taller a través de la robótica industrial

Los robots industriales han formado parte del taller durante mucho tiempo. Con las soluciones IoT de fabricación cada vez más accesibles, los robots se están volviendo más inteligentes e independientes. Equipada con sensores y basada en IA, la robótica industrial ahora es capaz de tomar decisiones de producción bien informadas sobre la marcha, lo que aumenta la eficacia de las unidades de fabricación.

Automoción y Transporte

La gestión del tráfico

AIoT se puede utilizar para aliviar la congestión del tráfico y mejorar la calidad del transporte. La ciudad de Taipei, por ejemplo, aprovechó AIoT para monitorear y controlar el equipo de señalización en 25 conjunciones. En este sistema, los sensores inteligentes y las cámaras de video recopilaron datos en tiempo real sobre el tráfico, el flujo humano y la ocupación de las carreteras, mientras que los algoritmos de IA analizaron estos datos y aplicaron la lógica de control adecuada.

El enfoque ayudó a la administración de la ciudad a optimizar el flujo de tráfico y garantizar una experiencia de conducción segura y sin problemas.

vehículos autónomos

Los vehículos autónomos y los sistemas avanzados de asistencia al conductor (ADAS) son ejemplos notables de algoritmos de IA que interpretan y actúan sobre datos de IoT en tiempo real.

Los automóviles autónomos o autónomos crean un mapa de su entorno en función de los datos de una variedad de sensores. Los sensores de radar, por ejemplo, monitorean la posición de los vehículos cercanos; las cámaras de video detectan semáforos, señales de tráfico, otros vehículos y peatones; Los sensores lidar miden distancias, detectan bordes de caminos e identifican marcas de carriles.

Luego, el software de IA procesa los datos del sensor, traza una ruta óptima y envía instrucciones a los actuadores del automóvil, que controlan la aceleración, el frenado y la dirección. Las reglas codificadas, los algoritmos para evitar obstáculos, el modelado predictivo y el reconocimiento de objetos ayudan al software a seguir las reglas de tráfico y superar los obstáculos.

Desafíos clave de implementación de AIoT y cómo resolverlos

De todos los proyectos de IoT implementados a nivel mundial, el 76 % falla, y el 30 % de ellos falla tan pronto como en la fase de prueba de concepto. Para evitar dirigir las inversiones a iniciativas que están condenadas al colapso, las empresas que prueban las aguas de AIoT deben ser conscientes de los desafíos comunes que pueden obstaculizar sus implementaciones de AIoT. Los obstáculos que las empresas encuentran con mayor frecuencia abarcan:

Embarcarse en un viaje AIoT sin un objetivo claro en mente. Al iniciar proyectos de AIoT, las organizaciones pueden quedar atrapadas en la novedad y no evaluar la viabilidad de sus ideas. Eso, a su vez, podría dar lugar a incrementos descontrolados de los costos en las últimas etapas de desarrollo y, en última instancia, a partes interesadas insatisfechas. Para evitar eso, le recomendamos comenzar su proyecto AIoT con una fase de descubrimiento, en la que las ideas se pueden examinar y comparar con los objetivos comerciales establecidos, las expectativas del cliente y las capacidades organizacionales.

Luchando para elegir una estrategia de implementación óptima. Como se dijo anteriormente, las soluciones AIoT se pueden implementar como sistemas en la nube, perimetrales o híbridos. Al redactar la estrategia de implementación, evalúe cuidadosamente los requisitos de ancho de banda, latencia y velocidad para la solución futura y compárelos con los costos establecidos. La regla general es optar por implementaciones perimetrales para sistemas de tiempo crítico que abarquen una gran cantidad de dispositivos y dependan de la nube en caso de que la latencia mínima y el ancho de banda alto sean menos críticos.

Ciclos de implementación lentos con costos que son difíciles de estimar. Los proyectos AIoT requieren un compromiso a largo plazo. Dependiendo de un caso de uso particular, el proceso de implementación puede llevar desde varios meses hasta varios años. Dado que el panorama tecnológico cambia rápidamente, existe el riesgo de que una solución quede obsoleta cuando esté completamente operativa, además de perder el control sobre los costos de implementación. Para evitar eso, las empresas deben ser lo suficientemente ágiles para poder introducir cambios en el camino.

La necesidad de conectar sistemas altamente heterogéneos y complejos. Según la escala de su solución futura y la industria en la que opera, es posible que necesite conectar equipos heredados altamente heterogéneos a AIoT. A menudo es una tarea difícil de realizar, necesita planificación y comprensión de las opciones disponibles. Por ejemplo, puede optar por conectar sensores a las máquinas heredadas, conectarlos a través de puertas de enlace o incluso reemplazarlos por completo. Independientemente del enfoque, asegúrese de redactar los escenarios de digitalización factibles desde el principio.

No tener suficientes datos para entrenar algoritmos de IA. Para generar información confiable, los algoritmos de IA deben entrenarse con grandes cantidades de datos. Si no está disponible en cantidades suficientes (o está disponible pero no se puede usar por razones de privacidad), tendrá que usar otras estrategias para compensar la falta de datos. Las formas comunes incluyen el aprendizaje de transferencia (piense: usar una red neuronal ya entrenada que resuelve un problema similar), el aumento de datos (modificar las muestras existentes para obtener nuevas entradas de datos) o recurrir a datos sintéticos.

Luchando para lograr el rendimiento suficiente del sistema AIoT. El rendimiento de los sistemas AIoT depende de una variedad de factores, incluidas las capacidades del hardware, la carga de datos, la arquitectura del sistema, el enfoque de implementación y más. Para evitar problemas de rendimiento en funcionamiento, planifique las posibles cargas de datos con anticipación y ajuste la estrategia de implementación en consecuencia.

Abordar vulnerabilidades de software y firmware. Muchos proyectos de AIoT fallan porque la seguridad de los datos, dispositivos, servidores y redes de comunicación no se tuvo en cuenta durante la fase de planificación. Si maneja datos altamente confidenciales, considere implementaciones híbridas, donde los datos se procesan más cerca de la fuente, por lo que se minimiza el riesgo de que se vean comprometidos durante el tránsito o en la nube.

Si tiene preguntas sin respuesta sobre la inteligencia artificial de las cosas o si ya está considerando embarcarse en un viaje de implementación de AIoT, comuníquese con nuestros expertos.

Publicado originalmente en https://itrexgroup.com el 30 de agosto de 2022.