¿Qué es Edge AI?

En esencia, la IA perimetral, o "IA en el perímetro", se refiere a la combinación de computación perimetral e IA para realizar tareas de  machine learning directamente en dispositivos perimetrales interconectados. La computación perimetral permite que los datos se almacenen cerca de la ubicación del dispositivo, y los algoritmos de IA permiten el procesamiento directamente en el perímetro de la red, con o sin conexión a Internet. Esta capacidad facilita el procesamiento de datos en milisegundos, proporcionando retroalimentación en tiempo real.

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

La IA perimetral se está volviendo popular a medida que las industrias encuentran nuevas formas de utilizar su poder para optimizar los flujos de trabajo, automatizar los procesos de negocio y fomentar la innovación. Al mismo tiempo, ayuda a abordar las preocupaciones críticas como la latencia, la seguridad y la reducción de costos.

Aprenda más sobre las soluciones de computación perimetral de IBM.

La IA perimetral permite la toma de decisiones en el sitio, 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. Sin embargo, los datos aún deben transmitirse a la nube para volver a entrenar los pipelines de IA y desplegar modelos actualizados.

El despliegue 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 los 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 monitoreando los radios y optimizando los datos y los pipelines de IA.

La inteligencia artificial distribuida (DAI) es responsable de distribuir, coordinar y pronosticar el desempeño de tareas, objetivos o decisiones dentro de un entorno de múltiples agentes. La DAI escala aplicaciones en numerosos radios y permite que los algoritmos de IA procesen de forma autónoma en múltiples sistemas, dominios y dispositivos en el perímetro.

Actualmente, se utilizan la computación en la nube y las interfaces de programación de aplicaciones para entrenar y desplegar modelos de machine learning. Posteriormente, la IA perimetral realiza tareas de machine learning como análisis predictivo, reconocimiento de voz y detección de anomalías muy cerca del usuario, distinguiéndose de los servicios en la nube comunes de varias maneras. En lugar de que las aplicaciones se desarrollen y ejecuten completamente en la nube, los sistemas de IA perimetral procesan y analizan los datos más cerca del punto donde se crearon. 

Los algoritmos de machine learning pueden ejecutarse en el borde y la información se puede procesar directamente a bordo de dispositivos IoT, en lugar de en un centro de datos privado o en una instalación de computación en la nube.

La IA perimetral 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 automóviles y evitar peligros potenciales, deben detectar rápidamente y responder a una variedad de factores, como señales de tráfico, controladores erráticos y cambios de carril. Además, deben tener en cuenta los peatones, los bordillos y muchas otras variables.

La capacidad de Edge AI 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 escenarios de esta naturaleza, donde las respuestas rápidas de datos podrían determinar resultados de vida o muerte, la capacidad del vehículo para reaccionar rápidamente es 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 y procesamiento de datos, lo que facilita el entrenamiento y la implementación de modelos de IA más avanzados.

En 2022, el mercado global de IA perimetral se valoró en 14 787.5 millones de dólares y se espera que crezca a 66.47 millones de dólares para el año 2023, según un informe de Grand View Investigación, Inc. La creciente demanda de servicios de computación perimetral basados en IoT, junto con las ventajas inherentes de la IA perimetral, impulsa la rápida expansión de la computación perimetral. Los principales beneficios de IA perimetral incluyen:

A través del procesamiento completo en el dispositivo, los usuarios pueden experimentar intervalos de respuesta rápidos sin demoras causadas por la necesidad de que la información viaje de regreso desde un servidor distante.

A medida que Edge AI procesa los datos a nivel local, minimiza la cantidad de datos transmitidos a través de Internet, lo que lleva a la preservación del ancho de banda de Internet. Cuando se emplea menos ancho de banda, la conexión de datos puede manejar un mayor volumen de transmisión y recepción simultánea de datos.

Los usuarios pueden realizar procesamiento de datos en tiempo real en dispositivos sin necesidad de conectividad e integración del sistema, lo que les permite ahorrar tiempo al consolidar datos sin necesidad de comunicar con otras ubicaciones físicas. Sin embargo, la IA perimetral podría tener dificultades para manejar el gran volumen y la diversidad de datos requeridos por ciertas aplicaciones de IA. Para superar estas limitaciones, debe integrarse con la computación en la nube para utilizar sus recursos y capacidades.

La privacidad aumenta porque los datos no se transfieren a otra red, donde se vuelven vulnerables a los ciberataques. Al procesar la información localmente en el dispositivo, Edge AI reduce el riesgo de mal manejo de los datos. En industrias sujetas a regulaciones de soberanía de datos, la IA perimetral puede ayudar a mantener el cumplimiento procesando y almacenando datos localmente dentro de las jurisdicciones designadas.

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

La IA perimetral expande los sistemas empleando plataformas basadas en la nube y capacidades de borde inherentes a las tecnologías de fabricantes de equipos originales (OEM), que abarcan tanto software como hardware. Estas empresas OEM han comenzado a integrar capacidades de perímetro nativo en su equipamiento, lo que facilita escalar el sistema. Esta expansión también permite que las redes locales mantengan su funcionalidad incluso en situaciones en las que los nodos ascendentes o descendentes experimentan tiempos de inactividad.

Los gastos asociados con los servicios de IA alojados en la nube pueden ser elevados. La IA perimetral ofrece la opción de emplear 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 las computadoras 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 de borde, lo que distingue a la IA perimetral como la opción más rentable entre las dos.

Cuando la computación en la nube maneja 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 Edge 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 manejar cada aspecto.

Además, los rasgos autónomos de la IA perimetral eliminan la necesidad de una supervisión continua por parte de los científicos de datos. Aunque la interpretación humana desempeña un papel fundamental en la determinación del valor final de los datos y los resultados que producen, las plataformas de IA perimetral asumen parte de esta responsabilidad. En última instancia, este cambio conduce a ahorros de costos para las empresas.

La IA perimetral utiliza redes neuronales y aprendizaje profundo para entrenar modelos para reconocer, clasificar y describir con precisión objetos dentro de los datos proporcionados. Este proceso de entrenamiento generalmente emplea un centro de datos centralizado o la nube para procesar el volumen sustancial de datos necesarios para el entrenamiento del modelo.

Luego del despliegue, los modelos de IA perimetral mejoran progresivamente con el tiempo. Cuando la IA encuentra un problema, los datos problemáticos a menudo se transfieren a la nube para un mayor entrenamiento del modelo de IA inicial, que finalmente reemplaza el motor de inferencia en el perímetro. Este ciclo de retroalimentación contribuye significativamente a mejorar el rendimiento del modelo.

En la actualidad, los ejemplos comunes de la IA perimetral incluyen teléfonos inteligentes, accesorios portátiles de monitoreo de la salud (por ejemplo, relojes inteligentes), actualizaciones de tráfico en tiempo real en vehículos autónomos, dispositivos conectados y electrodomésticos inteligentes. Varias industrias también están implementando cada vez más aplicaciones de Edge AI para reducir costos, automatizar procesos, mejorar la toma de decisiones y optimizar las operaciones.

Los proveedores de asistencia sanitaria están experimentando una transformación sustancial mediante la aplicación práctica de Edge AI y la introducción de dispositivos de última generación. Cuando se combina con nuevos avances de vanguardia, esta tecnología está a punto de construir sistemas de atención médica más inteligentes, al tiempo que salvaguarda la privacidad del paciente y reduce los tiempos de respuesta.

Utilizando modelos de IA integrados localmente, los monitores de salud portátiles evalúan métricas como la frecuencia cardíaca, la presión arterial, los niveles de glucosa y la respiración. Los dispositivos portátiles de IA perimetral también pueden detectar cuando un paciente se cae repentinamente y alertar a los cuidadores, una característica que ya se incluye en los relojes inteligentes comunes en el mercado.

Al equipar los vehículos de emergencia con capacidades de procesamiento rápido de datos, los paramédicos pueden extraer insights de los dispositivos de monitoreo de la salud y consultar con los médicos para determinar estrategias efectivas de estabilización del paciente. Al mismo tiempo, el personal de la sala de emergencias puede preparar para abordar los requisitos de atención únicos de los pacientes. La integración de la IA perimetral en tales circunstancias ayudará a facilitar el intercambio en tiempo real de información crítica sobre la salud.

Los fabricantes de todo el mundo han iniciado la integración de la tecnología de IA perimetral para revolucionar sus operaciones de fabricación, mejorando así la eficiencia y la productividad en el proceso.

Los datos de los sensores pueden aprovechar para identificar proactivamente anomalías y pronosticar averías en las máquinas, lo que también se conoce como mantenimiento predictivo. Los sensores de los equipos localizan las imperfecciones y notifican rápidamente a la dirección las reparaciones cruciales, lo que permite resolverlas a tiempo y evitar tiempos de inactividad operativos.

Edge AI también se puede aplicar a otras áreas de necesidad en 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 pisos.

No es ningún secreto que las compañías experimentaron una tendencia masiva con el aumento de la popularidad del comercio electrónico y las compras en línea. Las tiendas minoristas tradicionales de ladrillo y mortero se han visto obligadas a innovar para crear una experiencia de compra perfecta y atraer a los clientes. Con este cambio surgieron nuevas tecnologías, como las tiendas “pick-and-go”, los carritos de compra inteligentes con sensores y las cajas inteligentes. Estas soluciones utilizan tecnología de IA perimetral para elevar y agilizar la experiencia convencional de los clientes en el almacenar.

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

Ya sea que un residente necesite identificar a alguien en su puerta o controlar la temperatura de su casa a través de su dispositivo, la tecnología perimetral puede procesar rápidamente los datos en el sitio. 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 video analytics 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 videos capturados de las cámaras de seguridad, estos sistemas los transmiten a una máquina basada en la nube equipada con capacidades de procesamiento de alto rendimiento. Sin 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 datos.

Las aplicaciones de visión artificial y las capacidades de detección de objetos de la IA perimetral en dispositivos de seguridad inteligentes identifican actividad sospechosa, notifican a los usuarios y activan alarmas. Estas capacidades proporcionan a los residentes una mayor sensación de seguridad y tranquilidad.