¿Qué es Edge AI y Edge Computing?

Edge AI es uno de los sectores más destacados de la inteligencia artificial, y tiene como objetivo permitir que las personas ejecuten procesos de inteligencia artificial sin tener que preocuparse por la privacidad o los retrasos debido a la transmisión de datos. Edge AI está permitiendo un uso más amplio y generalizado de la inteligencia artificial, permitiendo que los dispositivos inteligentes reaccionen rápidamente a las entradas sin necesidad de acceso a la nube. Mientras que esa es una definición rápida de Edge AI, analicemos Edge AI con más detalle explorando las tecnologías que lo hacen posible y viendo algunos casos de uso para Edge AI.

¿Qué es Edge Computing?

Para entender verdaderamente Edge AI, necesitamos entender primero Edge computing, y la mejor manera de entender Edge computing es contrastándolo con la computación en la nube. La computación en la nube es la entrega de servicios de computación a través de Internet. En cambio, los sistemas de Edge computing no están conectados a una nube, sino que operan en dispositivos locales. Estos dispositivos locales pueden ser un servidor de Edge computing dedicado, un dispositivo local, o un dispositivo de Internet de las cosas (IoT). Hay una serie de ventajas al utilizar Edge computing. Por ejemplo, la computación basada en Internet/nube está limitada por la latencia y el ancho de banda, mientras que Edge computing no está limitado por estos parámetros.

¿Qué es Edge AI?

Ahora que entendemos Edge computing, podemos examinar Edge AI. Edge AI combina la inteligencia artificial y Edge computing. Los algoritmos de inteligencia artificial se ejecutan en dispositivos capaces de Edge computing. La ventaja de esto es que los datos se pueden procesar en tiempo real, sin necesidad de conectarse a una nube.

La mayoría de los procesos de inteligencia artificial de vanguardia se realizan en la nube, ya que requieren una gran cantidad de poder de computación. El resultado es que estos procesos de inteligencia artificial pueden ser vulnerables a tiempos de inactividad. Debido a que los sistemas de Edge AI operan en un dispositivo de Edge computing, las operaciones de datos necesarias pueden ocurrir localmente, siendo enviadas cuando se establece una conexión a Internet, lo que ahorra tiempo. Los algoritmos de aprendizaje profundo pueden operar en el dispositivo en sí, el punto de origen de los datos.

Edge AI se está volviendo cada vez más importante debido al hecho de que más y más dispositivos necesitan utilizar la inteligencia artificial en situaciones en las que no pueden acceder a la nube. Consideremos cuántos robots de fábrica o cuántos coches vienen con algoritmos de visión por computadora. Un retraso en la transmisión de datos en estas situaciones podría ser catastrófico. Los coches autónomos no pueden sufrir retrasos mientras detectan objetos en la calle. Dado que el tiempo de respuesta es tan importante, el dispositivo en sí debe tener un sistema de Edge AI que le permita analizar y clasificar imágenes sin depender de una conexión a la nube.

Cuando los ordenadores de Edge se encargan de las tareas de procesamiento de información que normalmente se realizan en la nube, el resultado es un procesamiento en tiempo real con baja latencia. Además, al restringir la transmisión de datos a solo la información más vital, se puede reducir el volumen de datos y minimizar las interrupciones de comunicación.

Edge AI y el Internet de las cosas

Edge AI se combina con otras tecnologías digitales como 5G y el Internet de las cosas (IoT). El IoT puede generar datos para que los sistemas de Edge AI los utilicen, mientras que la tecnología 5G es esencial para el avance continuo de Edge AI y el IoT.

El Internet de las cosas se refiere a una variedad de dispositivos inteligentes conectados entre sí a través de Internet. Todos estos dispositivos generan datos, que se pueden alimentar al dispositivo de Edge AI, que también puede actuar como una unidad de almacenamiento temporal para los datos hasta que se sincronice con la nube. El método de procesamiento de datos permite una mayor flexibilidad.

La quinta generación de la red móvil, 5G, es fundamental para el desarrollo de Edge AI y el Internet de las cosas. 5G es capaz de transferir datos a velocidades mucho más altas, de hasta 20 Gbps, mientras que 4G solo puede entregar datos a 1 Gbps. 5G también admite muchas más conexiones simultáneas que 4G (1.000.000 por kilómetro cuadrado frente a 100.000) y una mejor velocidad de latencia (1 ms frente a 10 ms). Estas ventajas sobre 4G son importantes porque a medida que crece el IoT, también lo hace el volumen de datos y la velocidad de transferencia se ve afectada. 5G permite más interacciones entre una mayor variedad de dispositivos, muchos de los cuales pueden estar equipados con Edge AI.

Casos de uso para Edge AI

Los casos de uso para Edge AI incluyen prácticamente cualquier instancia en la que el procesamiento de datos sería más eficiente en un dispositivo local que cuando se realiza a través de una nube. Sin embargo, algunos de los casos de uso más comunes para Edge AI incluyen coches autónomos, drones autónomos, reconocimiento facial y asistentes digitales.

Los coches autónomos son uno de los casos de uso más relevantes para Edge AI. Los coches autónomos deben escanear constantemente el entorno circundante y evaluar la situación, realizando correcciones en su trayectoria en función de eventos cercanos. El procesamiento de datos en tiempo real es fundamental en estos casos, y como resultado, sus sistemas de Edge AI a bordo se encargan del almacenamiento, manipulación y análisis de datos. Los sistemas de Edge AI son necesarios para llevar los vehículos autónomos de nivel 3 y nivel 4 (totalmente autónomos) al mercado.

Debido a que los drones autónomos no están pilotados por operadores humanos, tienen requisitos muy similares a los de los coches autónomos. Si un dron pierde el control o falla mientras vuela, puede estrellarse y dañar propiedades o vidas. Los drones pueden volar muy lejos de un punto de acceso a Internet y deben tener capacidades de Edge AI. Los sistemas de Edge AI serán indispensables para servicios como Amazon (AMZN ) Prime Air, que tiene como objetivo entregar paquetes mediante dron.

Otro caso de uso para Edge AI es el sistema de reconocimiento facial. Los sistemas de reconocimiento facial dependen de algoritmos de visión por computadora, analizando los datos recopilados por la cámara. Las aplicaciones de reconocimiento facial que operan para tareas como la seguridad deben funcionar de manera fiable incluso si no están conectadas a la nube.

Los asistentes digitales son otro caso de uso común para Edge AI. Los asistentes digitales como Google Assistant, Alexa y Siri deben ser capaces de operar en teléfonos inteligentes y otros dispositivos digitales incluso cuando no están conectados a Internet. Cuando los datos se procesan en el dispositivo, no es necesario entregarlos a la nube, lo que ayuda a reducir el tráfico y garantizar la privacidad.