Los avances recientes en la eficacia de la IA, la adopción de dispositivos IoT y el poder de la computación en el edge se han unido para desbloquear el poder de la IA en el edge.
Esto ha abierto nuevas oportunidades para la IA en el edge 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 en el edge, 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 en el edge. De hecho, las aplicaciones en el edge están impulsando la próxima ola de IA de formas que mejoran nuestras vidas en el hogar, el trabajo, la escuela y el transporte público.
Obtenga más información sobre qué es la IA en el edge, sus beneficios y cómo funciona, ejemplos de casos de uso de la IA en el edge y la relación entre la computación en el edge y la computación en el cloud.
¿Qué Es la IA en el Edge?
IA en el Edge es la implementación de aplicaciones de IA en dispositivos en todo el mundo físico. Se llama » IA en el Edge » porque el cálculo de IA se realiza cerca del usuario en el edge (en la punta) de la red, cerca de donde se encuentran los datos, en lugar de centralmente en una instalación de computación en el cloud o un data center privado.
Dado que Internet tiene un alcance global, el edge 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.
IA en el Edge: ¿Por Qué Ahora?
Las empresas 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 en el Edge 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 Edge 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 machine learning generalizado. Las organizaciones están aprendiendo cómo entrenar con éxito modelos de IA e implementarlos en producción en el edge.
- Avances en la infraestructura de computación: se requiere una potente potencia de computación distribuida para ejecutar la IA en el Edge. 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 Edge. Además, 5G está proporcionando un impulso a IoT con una conectividad más rápida, estable y segura.
¿Por Qué Implementar IA en el Edge? ¿Cuáles Son los Beneficios de IA en el Edge?
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 un cloud centralizado o en un data center empresarial debido a problemas relacionados con la latencia, el ancho de banda y la privacidad.
Los beneficios de la IA en el Edge 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 más bien 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.
- Conocimientos en tiempo real: dado que la tecnología de vanguardia analiza los datos localmente en lugar de en un cloud lejana demorada por las comunicaciones a larga distancia, responde a las necesidades de los usuarios en tiempo real.
- Costo reducido: al llevar la potencia de procesamiento más cerca del edge, las aplicaciones necesitan menos ancho de banda de Internet, lo que reduce en gran medida los costos de red.
- Mayor privacidad: la IA puede analizar información del mundo real sin exponerla nunca a un ser humano, lo que aumenta enormemente la privacidad de cualquier persona cuya apariencia, voz, imagen médica o cualquier otra información personal deba analizarse. La IA en el Edge mejora aún más la privacidad al contener esos datos localmente, cargando solo el análisis y la información al cloud. 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, la IA en el Edge simplifica los desafíos asociados con el cumplimiento normativo de datos.
- Alta disponibilidad: la descentralización y las capacidades fuera de línea hacen que la IA en el Edge 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 en el Edge 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 edge, más preciso será el modelo.
¿Cómo Funciona la Tecnología de IA en el Edge?
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.
La IA 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 preguntas junto con las respuestas correctas.
Este proceso de capacitación, conocido como «deep learning«, a menudo se ejecuta en un data center o en el cloud 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 en el Edge, 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 el cloud para seguir entrenando el modelo de IA original, que en algún momento reemplaza al motor de inferencia en el edge. Este circuito de retroalimentación juega un papel importante en la mejora del rendimiento del modelo; una vez que se implementan los modelos de IA en el Edge, solo se vuelven más y más inteligentes.
¿Cuáles Son Ejemplos de Casos de Uso de IA en el Edge?
La IA es la fuerza tecnológica más poderosa de nuestro tiempo. Ahora estamos en un momento en el que la IA está revolucionando las industrias más grandes del mundo.
En la manufactura, el área de la salud, 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 de IA en el Edge 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 manufactura: 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.
- Instrumentos impulsados por IA en el área de la salud: los instrumentos médicos modernos en el edge se están volviendo habilitados para IA con dispositivos que usan 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.
¿Qué Papel Juega la Computación en el Cloud en la Computación en el Edge?
Las aplicaciones de IA pueden ejecutarse en un data center como los de los clouds públicos, o en el campo en el edge de la red, cerca del usuario. La computación en el cloud y la computación en el edge ofrecen beneficios que se pueden combinar al implementar IA en el Edge.
El cloud ofrece beneficios relacionados con el costo de la infraestructura, la escalabilidad, la alta utilización, la resiliencia frente a fallas del servidor y la colaboración. La Computación en el Edge ofrece tiempos de respuesta más rápidos, menores costos de ancho de banda y resiliencia frente a fallas en la red.
Hay varias formas en que la computación en el cloud puede admitir una implementación de IA en el Edge:
- El cloud puede ejecutar el modelo durante su período de entrenamiento.
- El cloud continúa ejecutando el modelo a medida que se vuelve a entrenar con datos que provienen del edge.
- El cloud 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 al cloud para su análisis.
- El cloud ofrece las últimas versiones del modelo y la aplicación de IA.
- La misma IA en el Edge a menudo se ejecuta en una flota de dispositivos en el campo con software en el cloud.
Obtenga más información sobre las mejores prácticas para las arquitecturas de edge híbrido.
El Futuro de la IA en el Edge
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 machine learning 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, todo mientras se reducen los costos y se aumenta la privacidad.
Estamos solo en las primeras entradas de la IA en el Edge y, aún así, las posibles aplicaciones parecen infinitas.
Aprenda cómo su organización puede implementar la IA en el Edge consultando las principales consideraciones para su implementación.