Los avances recientes en la eficacia de la IA, la adopción de dispositivos IoT y el poder de la computación perimetral se han unido para desbloquear el poder de la IA perimetral o Edge AI.
Esto ha abierto nuevas oportunidades para la inteligencia artificial perimetral que antes eran inimaginables, desde ayudar a los radiólogos a identificar patologías en el hospital hasta conducir automóviles por la autopista y ayudarnos a polinizar plantas.
Innumerables analistas y empresas están hablando e implementando la computación perimetral, cuyos orígenes se remontan a la década de 1990, cuando se crearon redes de entrega de contenido para servir contenido web y de video desde servidores perimetrales implementados cerca de los usuarios.
Hoy en día, casi todas las empresas tienen funciones de trabajo que pueden beneficiarse de la adopción de la inteligencia artificial perimetral. De hecho, las aplicaciones perimetrales están impulsando la próxima ola de IA de formas que mejoran nuestras vidas en el hogar, el trabajo, la escuela y el transporte público.
Aquí tienes más información sobre qué es la IA perimetral, sus beneficios y cómo funciona, ejemplos de casos de uso de la IA perimetral y la relación entre la computación perimetral y la computación en la nube.
Indice
¿Qué es Edge AI?
Edge AI es la implementación de aplicaciones de IA en dispositivos en todo el mundo físico. Se llama «IA de borde» porque el cálculo de IA se realiza cerca del usuario en el borde de la red, cerca de donde se encuentran los datos, en lugar de centralmente en una instalación de computación en la nube o un centro de datos privado.
Dado que Internet tiene un alcance global, el borde de la red puede connotar cualquier ubicación. Puede ser una tienda minorista, una fábrica, un hospital o dispositivos que nos rodean, como semáforos, máquinas autónomas y teléfonos.
Las organizaciones de todas las industrias buscan aumentar la automatización para mejorar los procesos, la eficiencia y la seguridad.
Para ayudarlos, los programas de computadora necesitan reconocer patrones y ejecutar tareas repetidamente y de manera segura. Pero el mundo no está estructurado y la gama de tareas que realizan los humanos abarca infinitas circunstancias que son imposibles de describir completamente en programas y reglas.
Los avances en la IA perimetral han abierto oportunidades para que las máquinas y los dispositivos, dondequiera que estén, operen con la «inteligencia» de la cognición humana. Las aplicaciones inteligentes habilitadas para IA aprenden a realizar tareas similares en diferentes circunstancias, como en la vida real.
La eficacia de implementar modelos de IA en el perímetro surge de tres innovaciones recientes.
- Maduración de las redes neuronales: las redes neuronales y la infraestructura de IA relacionada finalmente se han desarrollado hasta el punto de permitir el aprendizaje automático generalizado. Las organizaciones están aprendiendo cómo entrenar con éxito modelos de IA e implementarlos en producción en el perímetro.
- Avances en la infraestructura informática: se requiere una gran potencia informática distribuida para ejecutar la IA en el perímetro. Los avances recientes en GPU altamente paralelas se han adaptado para ejecutar redes neuronales.
- Adopción de dispositivos IoT: La adopción generalizada de Internet of Things ha impulsado la explosión de big data. Con la repentina capacidad de recopilar datos en todos los aspectos de una empresa, desde sensores industriales, cámaras inteligentes, robots y más, ahora tenemos los datos y los dispositivos necesarios para implementar modelos de IA en el perímetro. Además, 5G está proporcionando un impulso a IoT con una conectividad más rápida, estable y segura.
Además, Edge AI combina algoritmos de IA en dispositivos locales e implementa capacidades informáticas de borde. Por lo tanto, permite el procesamiento y análisis de datos sin conectividad ni integraciones, lo que permite a los usuarios acceder a datos de varias fuentes. Como resultado, Edge AI combina lo mejor de la computación Edge y los procesos de IA para reducir el tiempo de inactividad o la latencia de los servicios. Además, fusiona con éxito los procesos de IA como un componente fundamental en los dispositivos Edge Computing. Por lo tanto, permite a los usuarios ahorrar tiempo y costes al recopilar datos y respaldar los requisitos de los usuarios sin interactuar con ubicaciones físicas.
Componentes básicos
Los componentes básicos de Edge AI son:
- Edge Computing: en primer lugar, Edge Computing incluye múltiples procesos para recopilar, analizar y procesar datos en el borde de una red. Es decir, la computación de borde permite el cómputo y el almacenamiento de datos donde se recopilan y ubican los datos.
- Inteligencia artificial: la inteligencia artificial es simplemente la capacidad de las máquinas para imitar las capacidades cognitivas humanas. Además, habilidades como la comprensión de idiomas y la resolución de problemas son funciones más comunes. La IA es una máquina avanzada que integra capacidades analíticas mejoradas con la automatización.
Beneficios
Dado que los algoritmos de IA son capaces de comprender el lenguaje, las imágenes, los sonidos, los olores, la temperatura, las caras y otras formas analógicas de información no estructurada, son particularmente útiles en lugares ocupados por usuarios finales con problemas del mundo real. Estas aplicaciones de IA serían poco prácticas o incluso imposibles de implementar en una nube centralizada o en un centro de datos empresarial debido a problemas relacionados con la latencia, el ancho de banda y la privacidad.
Los beneficios de la IA perimetral incluyen:
Inteligencia
Las aplicaciones de IA son más poderosas y flexibles que las aplicaciones convencionales que pueden responder solo a las entradas que el programador había anticipado. Por el contrario, una red neuronal de IA no está entrenada para responder una pregunta específica, sino para responder un tipo particular de pregunta, incluso si la pregunta en sí es nueva. Sin IA, las aplicaciones no podrían procesar entradas infinitamente diversas como textos, palabras habladas o videos.
Información en tiempo real
Dado que la tecnología de punta analiza los datos localmente en lugar de en una nube lejana demorada por las comunicaciones a larga distancia, responde a las necesidades de los usuarios en tiempo real.
Coste reducido
Al llevar la potencia de procesamiento más cerca del borde, las aplicaciones necesitan menos ancho de banda de Internet, lo que reduce en gran medida los costes de red.
Mayor privacidad
La IA puede analizar información del mundo real sin exponerla nunca a un ser humano, lo que aumenta en gran medida la privacidad de cualquier persona cuya apariencia, voz, imagen médica o cualquier otra información personal deba analizarse. Edge AI mejora aún más la privacidad al contener esos datos localmente, cargando solo el análisis y la información a la nube.
Incluso si algunos de los datos se cargan con fines de capacitación, se pueden anonimizar para proteger las identidades de los usuarios. Al preservar la privacidad, Edge AI simplifica los desafíos asociados con el cumplimiento normativo de datos.
Alta disponibilidad
La descentralización y las capacidades fuera de línea hacen que la inteligencia artificial perimetral sea más sólida, ya que no se requiere acceso a Internet para procesar los datos. Esto da como resultado una mayor disponibilidad y confiabilidad para aplicaciones de inteligencia artificial de grado de producción y misión crítica.
Mejora persistente
Los modelos de IA se vuelven cada vez más precisos a medida que se entrenan con más datos. Cuando una aplicación de IA perimetral se enfrenta a datos que no puede procesar con precisión o confianza, normalmente los carga para que la IA pueda volver a capacitarse y aprender de ellos. Por lo tanto, cuanto más tiempo esté un modelo en producción en el borde, más preciso será el modelo.
¿Cómo funciona?
Para que las máquinas vean, realicen la detección de objetos, conduzcan automóviles, entiendan el habla, hablen, caminen o emulen las habilidades humanas, necesitan replicar funcionalmente la inteligencia humana.
AI emplea una estructura de datos llamada red neuronal profunda para replicar la cognición humana. Estos DNN están capacitados para responder tipos específicos de preguntas mostrándoles muchos ejemplos de ese tipo de pregunta junto con las respuestas correctas.
Este proceso de capacitación, conocido como «aprendizaje profundo», a menudo se ejecuta en un centro de datos o en la nube debido a la gran cantidad de datos necesarios para entrenar un modelo preciso y la necesidad de que los científicos de datos colaboren en la configuración del modelo. Después del entrenamiento, el modelo se gradúa para convertirse en un «motor de inferencia» que puede responder preguntas del mundo real.
En las implementaciones de IA perimetral, el motor de inferencia se ejecuta en algún tipo de computadora o dispositivo en ubicaciones remotas, como fábricas, hospitales, automóviles, satélites y hogares. Cuando la IA tropieza con un problema, los datos problemáticos suelen cargarse en la nube para seguir entrenando el modelo de IA original, que en algún momento reemplaza al motor de inferencia en el perímetro. Este circuito de retroalimentación juega un papel importante en la mejora del rendimiento del modelo; una vez que se implementan los modelos de IA perimetral, solo se vuelven más y más inteligentes.
Casos de uso
La IA es la fuerza tecnológica más poderosa de nuestro tiempo. Ahora estamos en un momento en que la IA está revolucionando las industrias más grandes del mundo.
En la fabricación, la atención médica, los servicios financieros, el transporte, la energía y más, la IA de vanguardia está impulsando nuevos resultados comerciales en todos los sectores, que incluyen:
Previsión inteligente en energía
Para industrias críticas como la energía, en las que el suministro discontinuo puede amenazar la salud y el bienestar de la población en general, la previsión inteligente es clave. Los modelos Edge AI ayudan a combinar datos históricos, patrones climáticos, estado de la red y otra información para crear simulaciones complejas que informen una generación, distribución y gestión más eficientes de los recursos energéticos para los clientes.
Mantenimiento predictivo en la fabricación
Los datos de los sensores se pueden utilizar para detectar anomalías de forma temprana y predecir cuándo fallará una máquina. Los sensores en el equipo escanean en busca de fallas y alertan a la administración si una máquina necesita una reparación para que el problema pueda abordarse temprano, evitando costosos tiempos de inactividad.
Carreteras seguras e inteligentes
Mirando hacia el futuro y en un intento por crear condiciones viales más seguras, las carreteras se están volviendo inteligentes. Además de crear solo carreteras inteligentes, algunas empresas tecnológicas y gobiernos esperan crear ciudades completamente inteligentes que tendrán carreteras, vehículos y edificios que interactúen entre sí. Las aplicaciones Edge AI se utilizan mucho para proporcionar cámaras que analizan el tráfico en tiempo real para identificar objetos que bloquean la carretera, conductores imprudentes, emergencias y atracos.
Las empresas también utilizan las aplicaciones Edge AI para crear carreteras más seguras para peatones, conductores, motociclistas y otros usuarios de la carretera y para optimizar el flujo de tráfico.
Las aplicaciones Edge AI también se pueden encontrar en las cámaras de seguridad, y no necesitan transmitir señales de video sin procesar destinadas al procesamiento a la nube. Las cámaras con tecnología Edge AI pueden procesar imágenes en el sitio y en tiempo real. Esto permite monitorear y rastrear objetos para tomar una acción rápida y prevenir accidentes.
Telecomunicaciones
Las empresas de telecomunicaciones tienen mucho que ganar con la implementación de aplicaciones Edge AI en sus servicios, ya que seguramente brindará experiencias nuevas y únicas en el uso de 5G en fábricas que están equipadas con cámaras y sensores para control de calidad/inspección de garantía calidad, en la forma en que las redes definidas por software se utilizan para automatizar los procedimientos de autopago en las tiendas y las experiencias de los consumidores impulsadas por inteligencia artificial. Todos estos trabajarán juntos para que los proveedores de la red les brinden nuevos flujos de ingresos de alto valor.
Drones
Las aplicaciones Edge AI en drones se pueden usar para varias cosas, como monitorización de tráfico, construcción y cartografía. Los drones utilizan el reconocimiento de imágenes, la búsqueda visual y la detección y seguimiento de objetos. Los drones impulsados por inteligencia artificial llevan a cabo actividades de detección e identificación de objetos al imitar el comportamiento de búsqueda visual humana real.
Las aplicaciones Edge AI en drones permiten que los datos se analicen de manera efectiva en función de los datos adquiridos y transmitidos a los nodos edge. Ayuda al mantenimiento predictivo, detección de logotipos, reconocimiento y seguimiento de objetos en tiempo real y reconocimiento facial.
Mantenimiento predictivo
El mantenimiento predictivo se puede realizar en infraestructuras antiguas y envejecidas para evitar un posible colapso y una erosión completa. La infraestructura, como edificios, puentes y carreteras, empeora y pierde fuerza con el tiempo y podría poner en riesgo la vida de muchas personas si no se les da el mantenimiento adecuado a tiempo. Los drones pueden ayudar a monitorizar los desarrollos de degeneración para garantizar que las estructuras correctas se reparen rápidamente.
Detección de logotipos
Los departamentos de marketing utilizar drones para adquirir datos sobre campañas de marca y permanecer de logotipos para comprender su efecto, monitorizar la presencia de la marca y comprender cómo las campañas de marketing influyen en las personas.
Reconocimiento y seguimiento de objetos en tiempo real
Los drones se pueden usar para monitorizar el flujo de tráfico e identificar y rastrear vehículos. Los infractores de tráfico y los fugitivos pueden ser rastreados, lo que garantiza la seguridad y aumenta la seguridad.
Reconocimiento facial
Con el uso de drones impulsados por IA, se puede monitorizar el movimiento, especialmente en entornos de alto riesgo con un gran flujo de peatones. Se puede emplear en varios casos, incluida la aplicación de la ley.
Mapeo y cartografía
Los drones son útiles para el mapeo y la cartografía, ya que pueden llegar a áreas que son difíciles de explorar para los humanos. Lo que tendría que hacer un equipo de especialistas que probablemente llevaría algo de tiempo podría hacerse en menos tiempo con costes reducidos y eliminando el riesgo para los humanos mediante un dron impulsado por inteligencia artificial. Ayudan a adquirir datos sobre ruido, aire o radiación para mapas de contaminación en 3D y pueden ayudar a escanear edificios, puentes y carreteras para crear un mapa de detección de daños.
Robots de extinción de incendios
Al igual que en el caso del uso de drones para mapear áreas peligrosas que son difíciles de alcanzar para los humanos, los robots también se pueden usar para apagar incendios. Los robots Edge con tecnología de inteligencia artificial pueden escanear y mapear edificios, determinar el daño estructural, rescatar personas y apagar incendios a medida que avanza, lo que permite a los humanos ir tras él en un entorno relativamente más seguro y minimizar la pérdida de vidas humanos.
Aunque controlado a distancia, un ejemplo de un robot de extinción de incendios es el Thermite Robot creado inicialmente para el ejército de los Estados Unidos de América por Howe and Howe Technologies con cámaras y una manguera que puede bombear 500 galones de agua por minuto. Puede entrar en entornos tremendamente peligrosos.
Vehículos Autónomos
Los vehículos autónomos son un excelente ejemplo de aplicaciones de IA de vanguardia en el mundo moderno. Hacen uso de dispositivos habilitados para Edge AI que permiten el procesamiento de datos en el mismo hardware. Esta capacidad de procesamiento dentro del mismo hardware es extremadamente importante ya que se requiere una rápida detección e identificación de objetos para evitar accidentes fatales. Debido a esto, no hay tiempo de lujo para que los datos se transmitan a la nube, y volver como tal podría ser catastrófico.
Esta aplicación Edge AI ayuda al reconocimiento rápido de peatones, bloqueos de carreteras, identificación de señales de tráfico y vehículos que se aproximan, lo que requiere la recopilación y el procesamiento de datos en tiempo real, ya que la seguridad de los pasajeros y otros usuarios de la vía está en juego.
Los aviones comerciales no son ajenos a la automatización, ya que realizan el análisis de los datos adquiridos de los sensores en tiempo real para aumentar el nivel de seguridad de un vuelo.
Instrumentos con tecnología de IA en el cuidado de la salud
Los instrumentos médicos modernos en el borde se están volviendo habilitados para IA con dispositivos que utilizan transmisión de video quirúrgico de latencia ultrabaja para permitir cirugías mínimamente invasivas e información a pedido.
Asistentes virtuales inteligentes en el comercio minorista
Los minoristas buscan mejorar la experiencia digital del cliente mediante la introducción de pedidos por voz para reemplazar las búsquedas basadas en texto con comandos de voz. Con los pedidos por voz, los compradores pueden buscar fácilmente artículos, solicitar información sobre productos y realizar pedidos en línea mediante altavoces inteligentes u otros dispositivos móviles inteligentes.
Las aplicaciones Edge AI fusionan con éxito fenómenos tecnológicos que pueden revolucionar las industrias. Además, las aplicaciones Edge AI ayudan a procesar y analizar datos en tiempo real y garantizan la seguridad al recopilar y transferir los datos. Y los algoritmos de IA y las capacidades de Edge Computing se beneficiarán de las empresas al lograr una mayor productividad, precisión y protección.
Papel de la computación en la nube en la computación perimetral
Las aplicaciones de IA pueden ejecutarse en un centro de datos como los de las nubes públicas, o en el campo en el borde de la red, cerca del usuario. La computación en la nube y la computación perimetral ofrecen beneficios que se pueden combinar al implementar IA perimetral.
La nube ofrece beneficios relacionados con el coste de la infraestructura, la escalabilidad, la alta utilización, la resiliencia frente a fallas del servidor y la colaboración. Edge Computing ofrece tiempos de respuesta más rápidos, menores costes de ancho de banda y resiliencia frente a fallas en la red.
Hay varias formas en que la computación en la nube puede admitir una implementación de inteligencia artificial perimetral:
- La nube puede ejecutar el modelo durante su período de entrenamiento.
- En la nube se continúa ejecutando el modelo a medida que se vuelve a entrenar con datos que provienen del perímetro.
- La nube puede ejecutar motores de inferencia de IA que complementan los modelos en el campo cuando la alta potencia de cómputo es más importante que el tiempo de respuesta. Por ejemplo, un asistente de voz puede responder a su nombre, pero enviar solicitudes complejas a la nube para su análisis.
- La misma IA perimetral a menudo se ejecuta en una flota de dispositivos en el campo con software en la nube.
- La nube ofrece las últimas versiones del modelo y la aplicación de IA.
Futuro de Edge AI
Gracias a la maduración comercial de las redes neuronales, la proliferación de dispositivos IoT, los avances en computación paralela y 5G, ahora existe una infraestructura sólida para el aprendizaje automático generalizado. Esto permite a las empresas capitalizar la colosal oportunidad de llevar la IA a sus lugares de trabajo y actuar sobre la base de información en tiempo real, al mismo tiempo que reducen los costes y aumentan la privacidad.
Estamos solo en las primeras entradas de la IA perimetral y, aún así, las posibles aplicaciones parecen infinitas.
Dicho todo esto, Edge AI mejorará varias aplicaciones inteligentes, especialmente en entornos industriales. Edge AI permite a los usuarios obtener análisis de datos de alta velocidad y computación de alto rendimiento sin depender de la nube. Además, la elección de equipo de borde resistente adecuado para operaciones industriales también es otra decisión crítica que determinará el éxito de las aplicaciones de IA de borde industrial.
Los usuarios deben poder identificar los requisitos específicos para las computadoras de borde resistente que son más adecuadas para ejecutar IA en el borde industrial. Por supuesto, cada industria tendrá un nivel diferente de requisitos para sus soluciones informáticas, pero entender el requisitos de hardware y los beneficios de la IA perimetral serán fundamentales para el éxito de la implementación.