Edgify recauda $9M para expandir la infraestructura de inteligencia artificial de borde para el comercio minorista físico

La empresa con sede en Londres, Edgify, ha recaudado $9 millones en financiación de Serie A+ para expandir su plataforma de inteligencia artificial de borde, lo que eleva la financiación total de la empresa a $25 millones.

La ronda fue respaldada por Rank Ventures y Mangrove Capital Partners. Edgify planea utilizar el capital para acelerar los despliegues en el comercio minorista físico, mientras desarrolla su plataforma en una capa de infraestructura más amplia para gestionar modelos de inteligencia artificial en dispositivos distribuidos.

La empresa ha encontrado inicialmente tracción en el comercio minorista de alimentos, donde la visión por computadora se puede utilizar para reconocer productos, identificar artículos no escaneados, detectar el intercambio de códigos de barras y reducir las pérdidas en los puntos de pago automático. Pero la ambición más grande detrás de la financiación es proporcionar una capa de inteligencia artificial común que conecte dispositivos como cámaras, escalas, escáneres, terminales de pago automático y sistemas de punto de venta.

En lugar de enviar continuamente datos sin procesar a la infraestructura centralizada en la nube, Edgify está diseñado para ejecutar, actualizar y gestionar modelos de inteligencia artificial directamente en los dispositivos de borde.

Conviirtiendo el hardware de la tienda existente en una red de inteligencia artificial

Los minoristas físicos operan cada vez más grandes redes de dispositivos inteligentes o seminteligentes, pero esos sistemas a menudo se despliegan de forma independiente.

Edgify está intentando conectar ese hardware en un entorno de aprendizaje automático coordinado.

Su software puede integrarse con los sistemas de punto de venta y las máquinas de pago automático existentes a través de API, mientras que los modelos de visión por computadora pueden ejecutarse en hardware que incluye cámaras USB estándar, escáneres y escalas. La empresa afirma que sus modelos también pueden seguir aprendiendo de los datos generados durante las operaciones normales de la tienda en lugar de depender por completo de la capacitación centralizada periódica.

Esta arquitectura es particularmente relevante para la visión por computadora porque los datos de video e imagen pueden ser costosos de transmitir y procesar en la nube. Procesar la información más cerca de donde se genera puede reducir los requisitos de la red y también permitir que se tomen decisiones con menor latencia.

Edgify afirma que los datos de los clientes sin procesar pueden permanecer dentro del perímetro del minorista, un enfoque que también puede hacer que el procesamiento de borde sea atractivo en entornos donde los requisitos de privacidad o residencia de datos hacen que la recopilación de datos centralizada sea problemática.

La empresa actualmente enumera 2.042 tiendas, 9.437 dispositivos conectados y más de 400 millones de muestras en su plataforma. Esas cifras son autoinformadas por Edgify.

La prevención de pérdidas proporciona el primer caso de uso importante

La prevención de pérdidas en el comercio minorista proporciona a Edgify un punto de partida relativamente sencillo porque la visión por computadora se puede vincular directamente a eventos específicos que ocurren en el punto de pago.

En los terminales de pago automático, la plataforma puede identificar discrepancias entre un artículo y el código de barras que se está escaneando, detectar productos colocados en el área de embolsado sin ser escaneados y alertar a los empleados o desencadenar una intervención automatizada.

Sus modelos de reconocimiento de productos también pueden identificar productos frescos y otros artículos sin códigos de barras tradicionales. Edgify afirma que esta tecnología puede funcionar directamente dentro de la infraestructura de escáneres y escalas existente en lugar de requerir que los minoristas reemplacen su hardware de pago.

La misma infraestructura de visión por computadora se puede extender más allá de la prevención de pérdidas. Edgify ya enumera la gestión de residuos como otra aplicación, utilizando cámaras para identificar productos descartados y mejorar los registros de inventario.

La nueva financiación apoyará una mayor expansión de esta infraestructura de ciclo de vida del modelo, incluyendo cómo se entrenan, despliegan, monitorean y actualizan los modelos en flotas de dispositivos de comercio minorista.

El aprendizaje federado aborda un problema de inteligencia artificial de borde más difícil

Uno de los aspectos técnicamente más interesantes del enfoque de Edgify es su trabajo en torno al aprendizaje federado, donde varios dispositivos contribuyen a mejorar los modelos de aprendizaje automático sin requerir que sus conjuntos de datos subyacentes se combinen centralmente.

El problema se vuelve más complicado en entornos físicos porque los datos generados por diferentes dispositivos rara vez son idénticos. Una cámara dentro de un supermercado puede encontrar diferentes productos, condiciones de iluminación, compradores, diseños y comportamientos que una cámara que opera a cientos de millas de distancia.

La investigación de Edgify ha explorado este problema de aprendizaje federado en datos no independientes y no identicamente distribuidos (no-IID), donde los modelos locales entrenados pueden comenzar a moverse en diferentes direcciones. Sus investigadores propusieron un método diseñado para alentar a esos modelos locales hacia un óptimo compartido sin agregar riesgos de privacidad adicionales o aumentar significativamente los requisitos de comunicación.

En términos prácticos, este tipo de arquitectura de entrenamiento distribuido podría permitir que una red de dispositivos de borde se mejore colectivamente sin requerir que cada imagen o transacción se cargue en un enorme conjunto de datos de entrenamiento centralizado.

Eso podría volverse cada vez más importante a medida que la inteligencia artificial se mueve más allá de los centros de datos y comienza a operar en cámaras, sensores industriales, vehículos, robots, máquinas y otra infraestructura física.

De la inteligencia artificial de comercio minorista a la infraestructura de inteligencia artificial física

Edgify ve en última instancia el comercio minorista como un punto de entrada en lugar de un límite para su tecnología.

La empresa está apuntando a entornos adicionales, incluyendo restaurantes de servicio rápido, centros de distribución, comercio minorista de ropa, logística, fabricación, transporte y operaciones de almacén.

Esos sectores comparten muchas de las mismas limitaciones técnicas. Generan grandes cantidades de datos locales, a menudo dependen de hardware existente que no se puede reemplazar fácilmente y requieren sistemas de inteligencia artificial capaces de responder en tiempo real, incluso cuando la conectividad a la nube es limitada o costosa.

Es aquí donde las implicaciones a largo plazo de la plataforma de Edgify se vuelven más significativas.

Gran parte del auge actual de la infraestructura de inteligencia artificial se ha centrado en la computación centralizada, con modelos cada vez más poderosos que se ejecutan dentro de centros de datos de hiperscala. La inteligencia artificial física crea un problema de infraestructura diferente. Una cámara de almacén, un escáner de pago, un sensor de fábrica o una máquina autónoma pueden necesitar tomar decisiones de inmediato, continuamente y potencialmente sin enviar su flujo de datos completo a otro lugar primero.

La arquitectura de borde de Edgify representa un enfoque para resolver ese problema: distribuir la ejecución de la inteligencia artificial en los dispositivos que ya operan en el mundo físico, mientras se mantiene una capa de gestión capaz de coordinar modelos en la red.

La empresa describe su objetivo más amplio como hacer que la inteligencia artificial sea práctica dondequiera que se generen decisiones en el mundo real, en lugar de requerir que esas decisiones dependan de la comunicación constante con la infraestructura centralizada.

El próximo campo de batalla para la inteligencia artificial puede estar en el borde

La ronda de $9 millones es relativamente modesta en comparación con el enorme capital que fluye hacia los desarrolladores de modelos de inteligencia artificial y la infraestructura de centros de datos, pero Edgify está operando en una parte diferente de la pila.

A medida que la visión por computadora y los modelos de inteligencia artificial cada vez más sofisticados se extienden a tiendas minoristas, fábricas, almacenes, redes de transporte y otros entornos físicos, las organizaciones necesitarán formas de desplegar y mantener esos modelos en posiblemente miles o millones de dispositivos heterogéneos.

Esto crea un nuevo desafío de operaciones de aprendizaje automático: no solo entrenar un modelo, sino decidir dónde ocurre la inferencia, dónde permanecen los datos de entrenamiento, cómo los modelos aprenden de entornos distribuidos y cómo se coordinan las actualizaciones en toda la flota de máquinas.

El comercio minorista le da a Edgify un entorno exigente para resolver esos problemas. Si la plataforma subyacente puede generalizarse más allá del pago y la prevención de pérdidas, la oportunidad más grande podría ser proporcionar parte de la infraestructura de orquestación necesaria a medida que la inteligencia artificial se mueve fuera de la nube y más profundamente en el mundo físico.