Edgify raccoglie 9 milioni di dollari per espandere l’infrastruttura di intelligenza artificiale edge per il retail fisico

La società con sede a Londra Edgify ha raccolto 9 milioni di dollari in finanziamenti di serie A+ per espandere la sua piattaforma di intelligenza artificiale edge, portando il totale dei finanziamenti della società a 25 milioni di dollari.

Il round è stato sostenuto da Rank Ventures e Mangrove Capital Partners. Edgify intende utilizzare il capitale per accelerare i deploy across il retail fisico mentre sviluppa la sua piattaforma in un’infrastruttura più ampia per la gestione dei modelli di intelligenza artificiale su dispositivi distribuiti.

La società ha inizialmente trovato trazione nel retail alimentare, dove la visione computerizzata può essere utilizzata per riconoscere prodotti, identificare articoli non scansionati, rilevare lo scambio di codici a barre e ridurre le perdite alle casse self-service. Ma l’obiettivo più ampio dietro il finanziamento è fornire un livello di intelligenza artificiale comune che collega dispositivi come telecamere, bilance, scanner, terminali self-service e sistemi di punto vendita.

Invece di inviare continuamente dati grezzi a un’infrastruttura cloud centralizzata, Edgify è progettato per eseguire, aggiornare e gestire modelli di intelligenza artificiale direttamente sui dispositivi edge.

Trasformare l’hardware del negozio esistente in una rete di intelligenza artificiale

I retailer fisici operano sempre più su grandi reti di dispositivi intelligenti o semi-intelligenti, ma quei sistemi sono spesso distribuiti in modo indipendente.

Edgify sta cercando di collegare quell’hardware in un ambiente di apprendimento automatico coordinato.

Il suo software può integrarsi con i sistemi di punto vendita e le macchine self-service esistenti attraverso API, mentre i modelli di visione computerizzata possono essere eseguiti su hardware che include telecamere USB standard, scanner e bilance. La società afferma che i suoi modelli possono anche continuare a imparare dai dati generati durante le normali operazioni del negozio, invece di dipendere interamente da una formazione centralizzata periodica.

Quell’architettura è particolarmente rilevante per la visione computerizzata, poiché i dati video e di immagine possono essere costosi da trasmettere e elaborare continuamente nel cloud. L’elaborazione delle informazioni più vicino a dove vengono generate può ridurre i requisiti di rete e anche consentire di prendere decisioni con latenza inferiore.

Edgify afferma che i dati grezzi dei clienti possono rimanere all’interno del perimetro del retailer, un approccio che può anche rendere l’elaborazione edge attraente in ambienti in cui le esigenze di privacy o di residenza dei dati rendono problematica la raccolta centralizzata dei dati.

La società attualmente elenca 2.042 negozi, 9.437 dispositivi connessi e oltre 400 milioni di campioni sulla sua piattaforma. Questi numeri sono autodichiarati da Edgify.

La prevenzione delle perdite fornisce il primo caso d’uso importante

La prevenzione delle perdite nel retail fornisce a Edgify un punto di partenza relativamente semplice, poiché la visione computerizzata può essere collegata direttamente a eventi specifici che si verificano alla cassa.

Alle casse self-service, la piattaforma può identificare le discrepanze tra un articolo e il codice a barre scansionato, rilevare i prodotti inseriti nell’area di imbustamento senza essere scansionati e allertare i dipendenti o attivare un intervento automatizzato.

I suoi modelli di riconoscimento dei prodotti possono anche identificare prodotti freschi e altri articoli senza codici a barre tradizionali. Edgify afferma che questa tecnologia può funzionare direttamente all’interno dell’infrastruttura di scanner e bilance esistente, invece di richiedere ai retailer di sostituire il loro hardware di cassa.

La stessa infrastruttura di visione computerizzata può essere estesa oltre la prevenzione delle perdite. Edgify elenca già la gestione dei rifiuti come un’altra applicazione, utilizzando telecamere per identificare i prodotti scartati e migliorare i registri di inventario.

Il nuovo finanziamento sosterrà ulteriori sviluppi di questa infrastruttura di ciclo di vita del modello, compresa la formazione, il deploy, il monitoraggio e l’aggiornamento dei modelli su flotte di dispositivi retail.

L’apprendimento federato affronta un problema più difficile di intelligenza artificiale edge

Uno degli aspetti più interessanti dal punto di vista tecnico dell’approccio di Edgify è il suo lavoro sull’apprendimento federato, in cui più dispositivi contribuiscono a migliorare i modelli di apprendimento automatico senza richiedere che i loro dataset sottostanti vengano centralmente raccolti.

Il problema diventa più complicato in ambienti fisici, poiché i dati generati da dispositivi diversi sono raramente identici. Una telecamera all’interno di un supermercato può incontrare prodotti, condizioni di illuminazione, acquirenti, layout e comportamenti diversi rispetto a una telecamera che opera a centinaia di chilometri di distanza.

La ricerca di Edgify ha esplorato questo problema di apprendimento federato su dati non indipendenti e identicamente distribuiti (non-IID), in cui i modelli locali possono iniziare a muoversi in direzioni diverse. I suoi ricercatori hanno proposto un metodo progettato per incoraggiare quei modelli locali verso un optimum condiviso senza aggiungere rischi di privacy aggiuntivi o aumentare significativamente i requisiti di comunicazione.

In termini pratici, questo tipo di architettura di formazione distribuita potrebbe consentire a una rete di dispositivi edge di migliorare collettivamente senza richiedere che ogni immagine o transazione venga caricata in un enorme dataset di formazione centralizzato.

Ciò potrebbe diventare sempre più importante mentre l’intelligenza artificiale si sposta oltre i data center e inizia a operare su telecamere, sensori industriali, veicoli, robot, macchine e altre infrastrutture fisiche.

Dall’intelligenza artificiale retail all’infrastruttura fisica di intelligenza artificiale

Edgify vede il retail come un punto di ingresso piuttosto che come il limite della sua tecnologia.

La società sta puntando ad ambienti aggiuntivi, tra cui ristoranti di servizio rapido, centri di distribuzione, retail di abbigliamento, logistica, produzione, trasporto e operazioni di magazzinaggio.

Quei settori condividono molte delle stesse limitazioni tecniche. Generano grandi quantità di dati locali, spesso si basano su hardware esistente che non può essere facilmente sostituito e richiedono sistemi di intelligenza artificiale in grado di rispondere in tempo reale anche quando la connettività cloud è limitata o costosa.

Questo è dove le implicazioni a lungo termine della piattaforma di Edgify diventano più significative.

Molta dell’attuale espansione dell’infrastruttura di intelligenza artificiale si è concentrata sul calcolo centralizzato, con modelli sempre più potenti che girano all’interno di data center hyperscale. L’intelligenza artificiale fisica crea un diverso problema di infrastruttura. Una telecamera di magazzino, uno scanner di cassa, un sensore di fabbrica o una macchina autonoma può aver bisogno di prendere decisioni immediatamente, continuamente e potenzialmente senza inviare l’intero flusso di dati da qualche altra parte per prima.

L’architettura edge-first di Edgify rappresenta un approccio per risolvere quel problema: distribuire l’esecuzione dell’intelligenza artificiale su dispositivi già operanti nel mondo fisico, mantenendo allo stesso tempo uno strato di gestione in grado di coordinare i modelli sulla rete.

La società descrive il suo obiettivo più ampio come rendere l’intelligenza artificiale pratica ovunque vengono generate decisioni nel mondo reale, invece di richiedere che quelle decisioni dipendano da una costante comunicazione con l’infrastruttura centralizzata.

Il prossimo campo di battaglia per l’intelligenza artificiale potrebbe essere sull’edge

Il round di 9 milioni di dollari è relativamente modesto rispetto al enorme capitale che fluisce negli sviluppatori di modelli di intelligenza artificiale e nell’infrastruttura dei data center, ma Edgify opera in una parte diversa dello stack.

Man mano che la visione computerizzata e i modelli di intelligenza artificiale sempre più sofisticati si diffondono nei negozi di retail, nelle fabbriche, nei magazzini, nelle reti di trasporto e in altri ambienti fisici, le organizzazioni avranno bisogno di modi per distribuire e mantenere quei modelli su potenzialmente migliaia o milioni di dispositivi eterogenei.

Ciò crea una nuova sfida per le operazioni di apprendimento automatico: non solo formare un modello, ma decidere dove si verifica l’inferenza, dove rimangono i dati di formazione, come i modelli imparano da ambienti distribuiti e come gli aggiornamenti vengono coordinati su intere flotte di macchine.

Retail dà a Edgify un ambiente impegnativo in cui risolvere quei problemi. Se la piattaforma sottostante può generalizzare oltre la cassa e la prevenzione delle perdite, l’opportunità più grande potrebbe essere quella di fornire parte dell’infrastruttura di orchestrazione necessaria mentre l’intelligenza artificiale si sposta fuori dal cloud e più in profondità nel mondo fisico.