AI at the Edge: piedra angular de la nueva revolución industrial

Una nueva generación de unidades de procesamiento

En los últimos años, la potencia de cálculo y el crecimiento exponencial de las tecnologías de hardware se han alineado para crear una nueva demanda en el sector tecnológico: La inteligencia artificial en los dispositivos Edge.

Con la llegada del IoT y la generación continua de datos, los modelos de aprendizaje automático se han beneficiado de poder entrenarse con millones de nuevos puntos de datos y así reconfigurar constantemente los pesos de sus modelos. Pero para ello, necesitan ejecutar esta tarea muchas, muchas veces.

Las CPU están limitadas por su capacidad de procesamiento, pero esto está cambiando con la llegada de las GPU, que ahora están diseñadas para procesar grandes bloques de datos en paralelo.

También ha influido la aparición en la última década de un tipo diferente de chip, diseñado específicamente para tareas de IA. Estos chips están ahora disponibles en la mayoría de los ordenadores y dispositivos, lo que significa que pueden empezar a entrenar e inferir modelos de aprendizaje automático.

Todo este caldo de cultivo nos lleva a la conclusión de que: microcentros de datos Serán cada vez más importantes, por su capacidad de ofrecer baja latencia, desplegar modelos de IA y procesar grandes volúmenes de datos, evitando así su transporte a la nube.

La IA en sus dispositivos

Hoy en día, el modelo en la nube es el más común y consiste en utilizar la nube para computar los datos y, a través de una API, entrenar y servir un modelo de Machine Learning.

Con este modelo, el dispositivo simplemente transmite los datos a través de una red al servicio y deja que éste haga los cálculos, para luego enviar los resultados al usuario. La computación en la nube ha hecho tradicionalmente la mayor parte del trabajo pesado de los modelos avanzados.

Mientras que con la IA en la periferia no es necesario enviar los datos a través de la red para que otra máquina realice el procesamiento. En su lugar, los datos pueden permanecer en el mismo lugar, y es el propio dispositivo el que puede realizar los cálculos.

Esto abre un nuevo paradigma, en el que nos damos cuenta de cómo el IoT hace que la introducción manual de datos quede en gran medida obsoleta, dejando que la inteligencia artificial (IA) se encargue de forma autónoma de la toma de decisiones, lo que supone un gran avance y un increíble ahorro de costes.

Beneficios de la IA en la periferia

Eliminar la parte de la nube del servicio y trasladarla a los dispositivos Edge aporta tres ventajas principales:

1) Ahorro de costes.

2) Reducción del tiempo de latencia y autonomía de la red

3) Mayor privacidad y seguridad

Ahorro de costes:

La IA en el Edge alivia las cargas de trabajo en los ordenadores de la nube. Las redes no se sobrecargan y el uso de la CPU, la GPU y la memoria disminuye significativamente, ya que sus cargas de trabajo se distribuyen entre los dispositivos en el Edge.

Intelligence at the Edge acerca el (pre)procesamiento de datos y el tratamiento de datos.

la toma de decisiones más cerca de la fuente de datos, reduciendo los retrasos en la comunicación. Este (pre)procesamiento permite agregar y condensar los datos antes de enviarlos a los servicios centrales de la nube del IoT o almacenarlos.

Toda esta eliminación de sobrecargas mejora significativamente la rapidez en la toma de decisiones, lo que supone una importante reducción de costes. importante ahorro de costes en los procesos procesos críticos como los industriales.

Los dispositivos y sensores suelen producir más datos de los que resulta económico transmitir a la nube. Este problema se resuelve con la IA en el Edge, aplicando algoritmos analíticos, que procesan los datos entrantes de los sensores y envían solo decisiones o alarmas en lugar de datos brutos.

Desde Barbara hemos diseñado y desarrollado nuestra tecnología para que funcione en el Thin Edge (parte del Edge más cercana a la toma de datos), capaz de procesar datos en alta frecuencia (>1kHz) y actuar con latencias ultra bajas (<1ms). Todo ello con la escalabilidad que permite gestionar miles de nodos de manera remota minimizando así las visitas al campo.

Latencia y autonomía de la red:

Cuando la computación en nube realiza todos los cálculos de un servicio, una de sus ubicaciones centrales se sobrecarga. Es entonces cuando las redes ven demasiado tráfico para transportar los datos de vuelta a la fuente y las máquinas empiezan a realizar sus tareas. Esto hace que las redes vuelvan a estar ocupadas, enviando datos de vuelta al usuario. Los dispositivos de borde eliminan estas transferencias de ida y vuelta.

La IA en el Edge también permite equilibrar la carga del usuario, la aplicación o la red en función de los cambios en la infraestructura central, adaptarse a fallos temporales o procedimientos de mantenimiento y tomar decisiones en función de las alarmas o el intercambio de información preprocesada entre los dispositivos Edge.

Por ejemplo, cuando los dispositivos y sensores se encuentran en lugares con

conectividad intermitente, necesitan el procesamiento local de datos y la toma de decisiones para seguir funcionando. La computación de borde puede proporcionar almacenamiento de datos, así como reglas o algoritmos predictivos para permitir el funcionamiento autónomo.

Mejora de la privacidad:

Los datos son más vulnerables al robo cuando viajan. Incluso si no son robados, terceros pueden saber que algo fue transmitido entre una parte y otra, incluso averiguar qué tipo de información se envía por la red.

Hacer despliegues de Machine Learning sobre la ubicación significa que los datos, y las predicciones hechas sobre esos datos, tienen un menor riesgo de ser vistos mientras viajan. En el Edge tus datos no se ven comprometidos y tu relación con el proveedor de servicios de IA puede permanecer protegida.

Con AI on the Edge, tenemos más control sobre quién sabe qué sobre nosotros, evitando que terceros accedan a información confidencial o sensible.

Barbara ha sido concebida con seguridad por diseño e integra mecanismos de protección de acuerdo con las recomendaciones de los principales organismos y normas del sector, como la IEC-62443, reduciendo los riesgos asociados a los ciberataques contra sus equipos, su propiedad intelectual y la integridad de sus datos.

El nuevo modelo de Inteligencia Artificial distribuida frente a la nube

Los principales inconvenientes del Edge en comparación con la nube son: menor potencia de cálculo y heterogeneidad de dispositivos y tecnologías. Algunos detractores señalan que, aunque el Edge computing es bueno, sigue careciendo de la potencia de cálculo disponible en un sistema en la nube.

Es cierto que la potencia de la nube hoy en día no es comparable a la del Edge, por lo que seguirá siendo responsable de crear y servir los modelos más intensivos desde el punto de vista computacional. Mientras que los modelos más ligeros se delegan en el Edge, que también es responsable de gestionar las tareas de aprendizaje de transferencia más pequeñas de forma distribuida. No obstante, la tecnología Edge está permitiendo cada día más potencia de cálculo, por lo que será capaz de manejar aplicaciones cada vez más complejas.

El IoT ha revolucionado el modelo de Edge computing introduciendo nuevos escenarios de uso con las siguientes condiciones en común:

• En tiempo real: Industrias en las que se requiere una toma de decisiones en milisegundos.
• Conectividad: Las redes móviles actuales suelen ser irregulares y no siempre pueden garantizar la conexión con la nube. Algunos servicios necesitan estar siempre conectados.
• Volumen de datos: La cantidad de datos generados por los sensores puede ser enorme, lo que podría obstruir los canales de comunicación de área amplia.
• Contexto: un contexto empresarial que sigue la tendencia a la descentralización y que permite interpretar los datos del IoT para la toma de decisiones.

La disrupción del modelo de nube no significa la desaparición de la nube, sino su extensión a la periferia. La nube seguirá existiendo. De hecho, ciertas funciones se realizan mejor en la nube, como el entrenamiento de algoritmos predictivos, ya que normalmente solo la nube tiene todo el historial necesario.

AI at the Edge es, por tanto, un nuevo modelo de computación totalmente distribuida, que soporta una amplia gama de comunicaciones e interacciones. Esto permite funcionalidades tan potentes como:

• Toma de decisiones autónoma y local basada en los datos entrantes del IoT y la información empresarial almacenada en caché.
• Redes entre pares: dispositivos que se comunican entre sí sobre un objeto que está dentro de su alcance.
• Consultas distribuidas a través de datos almacenados en dispositivos, en la nube y en cualquier lugar.
• Gestión de datos distribuidos, por ejemplo, envejecimiento de datos: qué datos almacenar, dónde y durante cuánto tiempo.
• Algoritmos de autoaprendizaje que aprenden y se ejecutan en el Edge, o en la nube.
• Aislamiento, con dispositivos apagados durante largos periodos de tiempo, que funcionan con un consumo mínimo de energía para maximizar su vida útil.

Bárbara, con este modelo de computación distribuida, es posible ir más allá del análisis de datos y no sólo conectar los activos industriales, sino también coordinarlos para analizar situaciones y tomar decisiones en tiempo real.

Lectura recomendada: La computación distribuida como catalizador del cambio en el sector industrial

Un último reto: la diversidad de maquinaria y fabricantes.

La dependencia de los dispositivos de borde significa que hay una mayor heterogeneidad de tecnologías. Por ello, suele ser más difícil integrarlas y conectarlas entre sí y los fallos son más frecuentes.

Para resolver este problema, la plataforma Barbara cuenta con una amplia biblioteca de conectores que permite a los Edge Nodes conectarse a cualquier sensor, actuador, PLC o equipo industrial para el intercambio de información y comandos, así como a plataformas de TI para casos de uso híbrido nube-borde.

Barbara también cuenta con un orquestador Edge que permite desplegar, gestionar y configurar aplicaciones de forma centralizada en los nodos con un solo clic. Nuestro sistema permite que se ejecuten en paralelo aplicaciones de diferentes autores, que pueden funcionar de forma independiente o coordinarse para trabajar de forma sincronizada. Los espacios de despliegue son multilingües y multiframework, y están aislados para proteger la propiedad intelectual del autor de la aplicación.

La implementación de la IA en el Edge revoluciona la industria tal y como la conocemos, creando valor y nuevas oportunidades para los interesados.
Si le interesa este artículo, póngase en contacto con nosotros para saber más sobre la tecnología IoT de Barbara y solicite una demostración personalizada.

‍