Las 5 Principales Tendencias de IA en el Edge para Observar en 2022

por Amanda Saunders

2021 vio un crecimiento masivo en la demanda de computación en el edge, impulsada por la pandemia, la necesidad de procesos comerciales más eficientes, así como avances clave en Internet de las Cosas, 5G e IA.

En un estudio publicado por IBM en mayo de 2021, por ejemplo, el 94 por ciento de los ejecutivos encuestados dijeron que sus organizaciones implementarán la computación en el edge en los próximos cinco años.

Desde hospitales y ciudades inteligentes hasta tiendas sin cajeros y vehículos autónomos, la IA en el edge, la combinación de computación en el edge e IA, es más necesaria que nunca.

Las empresas se han visto afectadas por problemas logísticos, escasez de trabajadores, inflación e incertidumbre causada por la pandemia en curso. Las soluciones de IA en el edge se pueden utilizar como un puente entre humanos y máquinas, lo que permite mejorar la previsión, la asignación de trabajadores, el diseño de productos y la logística.

Estas son las cinco principales tendencias de IA en el edge que NVIDIA espera ver en 2022:

1. Gestión en el Edge se Convierte en un Enfoque de TI

Si bien la computación en el edge se está convirtiendo rápidamente en una herramienta imprescindible para muchas empresas, las implementaciones aún se encuentran en las primeras etapas.

Para pasar a la producción, la gestión de la IA en el edge será responsabilidad de los departamentos de TI. En un informe reciente, Gartner escribió: “Históricamente, las soluciones en el edge han sido administradas por la línea de negocios, pero la responsabilidad se está trasladando a TI y las organizaciones están utilizando recursos de TI para optimizar costos”.1

Para hacer frente a los desafíos de la computación en el edge relacionados con la capacidad de administración, la seguridad y la escala, los departamentos de TI recurrirán a la tecnología nativa del cloud. Kubernetes, una plataforma para microservicios en contenedores, se ha convertido en la herramienta líder para administrar aplicaciones de IA en el edge a gran escala.

Los clientes con departamentos de TI que ya usan Kubernetes en el cloud pueden transferir su experiencia para crear sus propias soluciones de administración nativas del cloud para el edge. Más buscarán comprar ofertas de terceros como Red Hat OpenShift, VMware Tanzu, Wind River Cloud Platform y NVIDIA Fleet Command.

2. Expansión de Casos de Uso de IA en el Edge

La visión por computadora ha dominado las implementaciones de IA en el edge. El reconocimiento de imágenes abrió el camino en el entrenamiento de IA, lo que resultó en un ecosistema sólido de aplicaciones de visión por computadora.

NVIDIA Metropolis, un framework de aplicaciones y un conjunto de herramientas para desarrolladores que ayudan a crear aplicaciones de IA de visión artificial, ha multiplicado por 100 su red de socios desde 2017 y ahora incluye más de 1000 miembros.

Muchas empresas están implementando o comprando aplicaciones de visión artificial. Estas empresas a la vanguardia de la visión por computadora comenzarán a buscar soluciones multimodales.

La IA multimodal trae diferentes fuentes de datos para crear aplicaciones más inteligentes que pueden responder a lo que ven, escuchan y sienten. Estos casos de uso complejos de IA emplean habilidades como la comprensión del lenguaje natural, la IA conversacional, la estimación de poses, la inspección y la visualización.

En combinación con almacenamiento de datos, tecnologías de procesamiento y capacidades de entrada/salida o sensores, la IA multimodal puede generar un rendimiento en tiempo real en el edge para una expansión de los casos de uso en robótica, área de la salud, publicidad hiperpersonalizada, compras sin cajero, experiencias de conserjería y más.

Imagina comprar con un asistente virtual. Con la IA tradicional, un avatar puede ver lo que recoges de un estante y un asistente de voz puede escuchar lo que pides.

Al combinar ambas fuentes de datos, un avatar basado en IA multimodal puede escuchar su pedido, proporcionar una respuesta, ver su reacción y proporcionar más respuestas basadas en él. Esta información complementaria permite que la IA brinde una experiencia de cliente mejor y más interactiva.

Para ver un ejemplo de esto en acción, consulte Project Tokkio:

3. Convergencia de soluciones de IA e IoT industrial

La fábrica inteligente es otro espacio impulsado por las nuevas aplicaciones de IA de vanguardia. Según el mismo informe de Gartner, «para 2027, el machine learning en forma de deep learning se incluirá en más del 65% de los casos de uso en el edge, frente a menos del 10% en 2021».

Las fábricas pueden agregar aplicaciones de IA en cámaras y otros sensores para inspección y mantenimiento predictivo. Sin embargo, la detección es solo el primer paso. Una vez que se detecta un problema, se deben tomar medidas.

Las aplicaciones de IA pueden detectar una anomalía o defecto y luego alertar a un humano para que intervenga. Pero para aplicaciones de seguridad y otros casos de uso cuando se requiere una acción instantánea, las respuestas en tiempo real son posibles al conectar la aplicación de inferencia de IA con las plataformas de IoT que administran las líneas de ensamblaje, los brazos robóticos o las máquinas de recoger y colocar.

La integración entre dichas aplicaciones depende del trabajo de desarrollo personalizado. Por lo tanto, espere más asociaciones entre la IA y las plataformas de gestión de IoT tradicionales que simplifiquen la adopción de la IA en el edge en entornos industriales.

4. Crecimiento en la Adopción Empresarial de AI-on-5G

La infraestructura de computación combinada AI-on-5G proporciona un tejido de conectividad seguro y de alto rendimiento para integrar sensores, plataformas de computación y aplicaciones de IA, ya sea en el campo, en las instalaciones o en el cloud.

Los beneficios clave incluyen latencia ultrabaja en entornos no cableados, calidad de servicio garantizada y seguridad mejorada.

AI-on-5G desbloqueará nuevos casos de uso de IA en el edge:

En noviembre de 2021 se presentó una de las primeras plataformas full stack AI-on-5G del mundo, Mavenir Edge AI. Este año, espere ver soluciones completas adicionales que brinden el rendimiento, la gestión y la escala de los entornos empresariales 5G.

5. Gestión del Ciclo de Vida de la IA Desde el Cloud hasta el Edge

Para las organizaciones que implementan IA en el edge, MLOps será clave para ayudar a impulsar el flujo de datos hacia y desde el edge. Ingerir datos o conocimientos nuevos e interesantes desde el edge, volver a entrenar modelos, probar aplicaciones y luego volver a implementarlos en el edge mejora la precisión y los resultados del modelo.

Con el software tradicional, las actualizaciones pueden ocurrir trimestral o anualmente, pero la IA se beneficia significativamente de un ciclo continuo de actualizaciones.

MLOps aún está en desarrollo temprano, con muchos grandes jugadores y nuevas empresas que crean soluciones para la necesidad constante de actualizaciones de tecnología de IA. Si bien por ahora se enfoca principalmente en resolver el problema del data center, en el futuro tales soluciones se trasladarán a la computación en el edge.

Montar la Próxima Ola de Computación de IA

El desarrollo de la IA ha consistido en varias oleadas, como se muestra arriba.Waves of AI Computing

La democratización de la IA está en marcha, con nuevas herramientas y soluciones que la hacen realidad. La IA en el edge, impulsada por un gran crecimiento en IoT y la disponibilidad de 5G, es la próxima ola a romper.

En 2022, más empresas trasladarán su inferencia de IA al edge, lo que impulsará el crecimiento del ecosistema a medida que la industria busca cómo extenderse del cloud al edge.

Obtenga más información sobre la IA en el edge viendo la sesión on demand del GTC, The Rise of Intelligent Edge: From Enterprise to Device Edge.

Echa un vistazo a las soluciones de computacipon en el edge de NVIDIA.

1Gartner, “Predicts 2022: The Distributed Enterprise Drives Computing to the Edge”, 20 de octubre de 2021. Por analistas: Thomas Bittman, Bob Gill, Tim Zimmerman, Ted Friedman, Neil MacDonald, Karen Brown