¿Qué es la IA perimetral?

En pocas palabras, la IA edge se refiere a la combinación de edge computing e inteligencia artificial para ejecutar tareas de machine learning directamente en dispositivos edge interconectados. El edge computing permite que los datos se almacenen cerca de la ubicación del dispositivo, y los algoritmos de IA permiten el procesamiento directamente en el edge de la red, con o sin conexión a Internet. Esta capacidad facilita el procesamiento de datos en milisegundos, proporcionando comentarios en tiempo real.

Los coches autónomos, los dispositivos wearable, las cámaras de seguridad y los electrodomésticos inteligentes se encuentran entre las tecnologías que aprovechan las capacidades de la IA edge para ofrecer rápidamente a los usuarios información en tiempo real cuando es más esencial.

La IA edge se está volviendo popular a medida que los sectores encuentran nuevas formas de utilizar su poder para optimizar los flujos de trabajo, automatizar los procesos empresariales y fomentar la innovación. Al mismo tiempo, ayuda a abordar problemas críticos como la latencia, la seguridad y la reducción de costes.

Obtenga más información sobre las soluciones de edge computing de IBM.

La IA edge permite la toma de decisiones in situ, eliminando la necesidad de transmitir constantemente datos a una ubicación central y esperar a que se procesen, lo que agiliza la automatización de las operaciones empresariales. Sin embargo, los datos aún deben transmitirse a la nube para volver a entrenar los pipelines de IA e implementar modelos actualizados.

La implementación de este patrón en numerosas ubicaciones y diversas aplicaciones presenta desafíos como la gravedad de los datos, la heterogeneidad, la escala y las limitaciones de recursos. La IA distribuida ayuda a superar estos obstáculos integrando la recopilación inteligente de datos, automatizando los ciclos de vida de los datos y la IA, adaptando y monitorizando los radios y optimizando los datos y las canalizaciones de la IA.

La inteligencia artificial distribuida (DAI) se encarga de distribuir, coordinar y prever el rendimiento de tareas, objetivos o decisiones dentro de un entorno multiagente. La DAI escala las aplicaciones a un gran número de radios y permite que los algoritmos de IA procesen de forma autónoma en múltiples sistemas, dominios y dispositivos en el perímetro.

En la actualidad, el cloud computing y las interfaces de programación de aplicaciones (API) se utilizan para entrenar e implementar modelos de machine learning. Posteriormente, la IA edge lleva a cabo tareas de machine learning como el análisis predictivo, el reconocimiento de voz y la detección de anomalías muy cerca del usuario, distinguiéndose de los servicios cloud comunes de varias maneras. En lugar de que las aplicaciones se desarrollen y ejecuten íntegramente en la nube, los sistemas de IA edge procesan y analizan los datos más cerca del punto en el que se crearon. 

Los algoritmos de machine learning pueden ejecutarse en el perímetro y la información puede procesarse directamente a bordo de los dispositivos IoT, en lugar de en un centro de datos privado o en una instalación de cloud computing.

La IA edge se presenta como una mejor opción siempre que se requiera predicción en tiempo real y procesamiento de datos. Considere los avances más recientes en la tecnología de vehículos autónomos. Para garantizar la navegación segura de estos coches y evitar peligros potenciales, deben detectar y responder rápidamente a una serie de factores como señales de tráfico, conductores erráticos y cambios de carril. Además, deben tener en cuenta los peatones, los bordillos y muchas otras variables.

La capacidad de la IA edge para procesar localmente esta información dentro del vehículo mitiga el riesgo potencial de problemas de conectividad que podrían surgir al enviar datos a un servidor remoto a través de IA basada en la nube. En situaciones de este tipo, en las que una respuesta rápida a los datos puede determinar resultados de vida o muerte, la capacidad del vehículo para reaccionar con rapidez es absolutamente crucial.

Por el contrario, la IA en la nube se refiere a la implementación de algoritmos y modelos de IA en servidores en la nube. Este método ofrece mayores capacidades de almacenamiento de datos y potencia de procesamiento, lo que facilita el entrenamiento y la implementación de modelos de IA más avanzados.

En 2022, el mercado global de Edge IA se valoró en 14 787,5 millones de dólares y se espera que crezca hasta los 66,47 millones de dólares para el año 2023, según un informe realizado por Grand View Investigación, Inc. La creciente demanda de servicios de edge computing basados en el IoT, junto con las ventajas inherentes de la IA edge, impulsa la rápida expansión de la edge computing. Los principales beneficios de la IA edge incluyen:

Gracias al procesamiento completo en el dispositivo, los usuarios pueden disfrutar de intervalos de respuesta rápidos sin retrasos causados por la necesidad de que la información viaje de vuelta desde un servidor distante.

A medida que la IA perimetral procesa los datos a nivel local, minimiza la cantidad de datos transmitidos a través de Internet, lo que permite conservar el ancho de banda de Internet. Cuando se utiliza menos ancho de banda, la conexión de datos puede manejar un mayor volumen de transmisión y recepción simultánea de datos.

Los usuarios pueden realizar el procesamiento de datos en tiempo real en dispositivos sin necesidad de conectividad e integración de sistemas, lo que les permite ahorrar tiempo al consolidar datos sin necesidad de comunicarse con otras ubicaciones físicas. Sin embargo, la IA edge puede tener dificultades para gestionar el gran volumen y la diversidad de datos que requieren determinadas aplicaciones de IA. Para superar estas limitaciones, debe integrarse con el cloud computing para utilizar sus recursos y capacidades.

La privacidad aumenta porque los datos no se transfieren a otra red, donde pueden ser vulnerables a ciberataques. Al procesar la información localmente en el dispositivo, la IA edge reduce el riesgo de mal manejo de los datos. En los sectores sujetos a normativas sobre soberanía de datos, la IA edge puede ayudar a mantener el cumplimiento procesando y almacenando localmente los datos dentro de las jurisdicciones designadas.

Sin embargo, cualquier base de datos centralizada tiene el potencial de convertirse en un objetivo atractivo para posibles atacantes, lo que significa que la La IA edge sigue expuesta a riesgos de seguridad.

La IA edge amplía los sistemas utilizando plataformas basadas en la nube y capacidades perimetrales inherentes a las tecnologías de los fabricantes de equipos originales (OEM), que abarcan tanto el software como el hardware. Estas empresas OEM han comenzado a integrar capacidades nativas de Edge en su equipo, lo que facilita escalar el sistema. Esta ampliación también permite que las redes locales mantengan su funcionalidad incluso en situaciones en las que los nodos aguas arriba o aguas abajo experimentan tiempos de inactividad.

Los gastos asociados a los servicios de IA alojados en la nube pueden ser elevados. La IA edge ofrece la opción de utilizar costosos recursos en la nube como repositorio para la acumulación de datos de posprocesamiento, destinados a análisis posteriores en lugar de operaciones de campo inmediatas. Esto reduce las cargas de trabajo de los ordenadores y redes en la nube.

El uso de CPU, GPU y memoria experimenta una gran reducción a medida que sus cargas de trabajo se distribuyen entre los dispositivos edge, lo que distingue a la IA edge como la opción más rentable entre las dos.

Cuando el cloud computing gestiona todos los cálculos de un servicio, la ubicación centralizada soporta una carga de trabajo significativa. Las redes soportan un alto tráfico para transmitir datos a la fuente central. A medida que las máquinas ejecutan tareas, las redes se activan una vez más, transmitiendo datos al usuario. Los dispositivos perimetrales eliminan esta transferencia continua de datos de ida y vuelta. Como resultado, tanto las redes como las máquinas experimentan una reducción del estrés cuando se liberan de la carga de gestionar todos los aspectos.

Además, las características autónomas de la IA edge eliminan la necesidad de supervisión continua por parte de los científicos de datos. Aunque la interpretación humana desempeña un papel fundamental a la hora de determinar el valor final de los datos y los resultados que arrojan, las plataformas de IA edge asumen parte de esta responsabilidad. En última instancia, este cambio conduce a un ahorro de costes para las empresas.

Edge IA utiliza redes neuronales y deep learning para entrenar modelos para reconocer, clasificar y describir con precisión objetos dentro de los datos proporcionados. Este proceso de entrenamiento suele utilizar un centro de datos centralizado o la nube para procesar el volumen sustancial de datos necesarios para el entrenamiento del modelo.

Después de la implementación, los modelos de IA edge mejoran progresivamente con el tiempo. Cuando la IA encuentra un problema, los datos problemáticos suelen transferirse a la nube para seguir entrenando el modelo de IA inicial, que en última instancia sustituye al motor de inferencia en el edge. Este bucle de feedback contribuye significativamente a mejorar el rendimiento del modelo.

En la actualidad, los ejemplos más comunes de IA edge incluyen teléfonos inteligentes, accesorios wearable de monitorización de la salud (por ejemplo, relojes inteligentes), actualizaciones de tráfico en tiempo real en vehículos autónomos, dispositivos conectados y electrodomésticos inteligentes. Varios sectores también están implementando cada vez más aplicaciones de IA edge para reducir costes, automatizar procesos, mejorar la toma de decisiones y optimizar las operaciones.

Los proveedores sanitarios están experimentando una transformación sustancial a través de la implementación práctica de la IA perimetral y la introducción de dispositivos de última generación. Cuando se combina con nuevos avances en el perímetro, esta tecnología está preparada para crear sistemas sanitarios más inteligentes, al mismo tiempo que protege la privacidad de los pacientes y reduce los tiempos de respuesta.

Gracias a modelos de IA integrados localmente, los monitores de salud wearable evalúan métricas como la frecuencia cardíaca, la presión arterial, los niveles de glucosa y la respiración. Los dispositivos wearable de IA edge también pueden detectar si un paciente se cae de repente y alertar a los cuidadores, una característica ya incluida en los smartwatches habituales del mercado.

Al equipar los vehículos de emergencia con capacidades rápidas de procesamiento de datos, los paramédicos pueden extraer conocimientos de los dispositivos de monitorización de salud y consultar con los médicos para determinar estrategias efectivas de estabilización del paciente. Al mismo tiempo, el personal de urgencias puede prepararse para atender las necesidades específicas de los pacientes. La integración de la IA edge en estas circunstancias ayudará a facilitar el intercambio en tiempo real de información sanitaria crítica.

Los fabricantes de todo el mundo han iniciado la Integración de la tecnología de IA edge para revolucionar sus operaciones de fabricación, lo que se traduce en una mayor eficiencia y productividad en el proceso.

Los datos de los sensores se pueden aprovechar para identificar de forma proactiva anomalías y prever fallos de las máquinas, también conocido como mantenimiento predictivo. Los sensores del equipo localizan las imperfecciones y notifican rápidamente a la dirección las reparaciones cruciales, lo que permite una resolución oportuna y evita el tiempo de inactividad operativo.

La IA perimetral también puede aplicarse a otras áreas de necesidad de esta industria, como el control de calidad, la seguridad de los trabajadores, la optimización del rendimiento, el análisis de la cadena de suministro y la optimización de las plantas.

No es ningún secreto que las empresas han experimentado una tendencia masiva con el aumento de la popularidad del comercio electrónico y las compras en línea. Las tiendas minoristas tradicionales se han visto obligadas a innovar para crear una experiencia de compra fluida y atraer a los clientes. Con este cambio han surgido nuevas tecnologías, como las tiendas "pick-and-go", los carritos de la compra inteligentes con sensores y las cajas inteligentes. Estas soluciones utilizan tecnología Edge de IA para elevar y acelerar la experiencia convencional de los clientes en la tienda.

El panorama contemporáneo está saturado de dispositivos "inteligentes" como timbres, termostatos, frigoríficos, sistemas de entretenimiento y bombillas controladas. Estos hogares inteligentes contienen ecosistemas de dispositivos que utilizan la IA edge para mejorar la calidad de vida de los residentes.

Tanto si un residente necesita identificar a alguien que llama a su puerta como si quiere controlar la temperatura de su casa a través de su dispositivo, la tecnología de vanguardia puede procesar rápidamente los datos in situ. Esta estrategia elimina la necesidad de transmitir información a un servidor remoto centralizado, ayuda a mantener la privacidad del residente y reduce el riesgo de acceso no autorizado a los datos personales.

La velocidad es de suma importancia para el análisis de vídeo de seguridad. Numerosos sistemas de visión artificial carecen de la velocidad adecuada necesaria para el análisis en tiempo real. En lugar de procesar localmente las imágenes o vídeos capturados por las cámaras de seguridad, estos sistemas los transmiten a una máquina basada en la nube equipada con capacidades de procesamiento de alto rendimiento. Al no procesar los datos localmente, estos sistemas basados en la nube encuentran obstáculos debido a problemas de latencia, caracterizados por retrasos en la carga y el procesamiento de los datos.

Las aplicaciones de visión artificial y las capacidades de detección de objetos de la IA edge en dispositivos de seguridad inteligentes identifican actividades sospechosas, notifican a los usuarios y activan alarmas. Estas capacidades brindan a los residentes una mayor sensación de seguridad y tranquilidad.