Cos’è Edge AI & Edge Computing?

Edge AI è uno dei nuovi settori più notevoli dell’intelligenza artificiale, e ha lo scopo di consentire alle persone di eseguire processi di intelligenza artificiale senza dover preoccuparsi della privacy o dei rallentamenti dovuti alla trasmissione dei dati. Edge AI sta consentendo un utilizzo più ampio e più diffuso dell’intelligenza artificiale, permettendo ai dispositivi intelligenti di reagire rapidamente agli input senza avere accesso a una rete cloud. Mentre questa è una definizione rapida di Edge AI, prendiamoci un momento per comprendere meglio Edge AI esplorando le tecnologie che lo rendono possibile e vedendo alcuni casi d’uso per Edge AI.

Cos’è Edge Computing?

Per comprendere veramente Edge AI, dobbiamo prima comprendere Edge computing, e il modo migliore per comprendere Edge computing è quello di contrastarlo con il cloud computing. Il cloud computing è la fornitura di servizi di calcolo tramite internet. Al contrario, i sistemi Edge computing non sono connessi a una rete cloud, ma operano su dispositivi locali. Questi dispositivi locali possono essere un server di calcolo Edge dedicato, un dispositivo locale, o un Internet delle Cose (IoT). Ci sono numerosi vantaggi nell’utilizzo di Edge computing. Ad esempio, il calcolo basato su internet/nube è limitato dalla latenza e dalla larghezza di banda, mentre Edge computing non è limitato da questi parametri.

Cos’è Edge AI?

Ora che comprendiamo Edge computing, possiamo dare uno sguardo a Edge AI. Edge AI combina intelligenza artificiale e calcolo Edge. Gli algoritmi di intelligenza artificiale vengono eseguiti su dispositivi in grado di eseguire calcolo Edge. Il vantaggio di ciò è che i dati possono essere elaborati in tempo reale, senza dover connettersi a una rete cloud.
La maggior parte dei processi di intelligenza artificiale all’avanguardia viene eseguita su una rete cloud in quanto richiede una grande quantità di potenza di calcolo. Il risultato è che questi processi di intelligenza artificiale possono essere vulnerabili ai tempi di inattività. Poiché i sistemi Edge AI operano su un dispositivo di calcolo Edge, le operazioni di dati necessarie possono verificarsi localmente, venendo inviate quando si stabilisce una connessione internet, il che risparmia tempo. Gli algoritmi di apprendimento profondo possono operare sul dispositivo stesso, il punto di origine dei dati.
Edge AI sta diventando sempre più importante a causa del fatto che sempre più dispositivi devono utilizzare l’intelligenza artificiale in situazioni in cui non possono accedere alla rete cloud. Considerate quante fabbriche di robot o quante auto hanno oggi algoritmi di visione computerizzata. Un ritardo nella trasmissione dei dati in queste situazioni potrebbe essere catastrofico. Le auto a guida autonoma non possono subire ritardi nella rilevazione degli oggetti sulla strada. Poiché un tempo di risposta rapido è così importante, il dispositivo stesso deve avere un sistema Edge AI che gli consenta di analizzare e classificare le immagini senza fare affidamento su una connessione alla rete cloud.
Quando i computer Edge vengono incaricati dei compiti di elaborazione dei dati solitamente eseguiti sulla rete cloud, il risultato è un’elaborazione in tempo reale a bassa latenza. Inoltre, limitando la trasmissione dei dati solo alle informazioni più vitali, il volume dei dati stesso può essere ridotto e le interruzioni della comunicazione possono essere minimizzate.

Edge AI e Internet delle Cose

Edge AI si integra con altre tecnologie digitali come 5G e Internet delle Cose (IoT). IoT può generare dati per i sistemi Edge AI da utilizzare, mentre la tecnologia 5G è essenziale per il proseguimento dell’avanzamento di entrambi Edge AI e IoT.
Internet delle Cose si riferisce a una varietà di dispositivi intelligenti connessi tra loro tramite internet. Tutti questi dispositivi generano dati, che possono essere alimentati nel dispositivo Edge AI, che può anche agire come unità di archiviazione temporanea per i dati fino a quando non vengono sincronizzati con la rete cloud. Il metodo di elaborazione dei dati consente una maggiore flessibilità.
La quinta generazione della rete mobile, 5G, è critica per lo sviluppo di entrambi Edge AI e Internet delle Cose. 5G è in grado di trasferire dati a velocità molto più elevate, fino a 20 Gbps, mentre 4G è in grado di consegnare dati a soli 1 Gbps. 5G supporta anche molti più collegamenti simultanei rispetto a 4G (1.000.000 per chilometro quadrato rispetto a 100.000) e una velocità di latenza migliore (1 ms rispetto a 10 ms). Questi vantaggi su 4G sono importanti perché man mano che IoT cresce, il volume dei dati cresce anche e la velocità di trasferimento è influenzata. 5G consente più interazioni tra una gamma più ampia di dispositivi, molti dei quali possono essere dotati di Edge AI.

Casi d’uso per Edge AI

I casi d’uso per Edge AI includono quasi ogni istanza in cui l’elaborazione dei dati verrebbe eseguita più efficientemente su un dispositivo locale piuttosto che quando eseguita tramite una rete cloud. Tuttavia, alcuni dei casi d’uso più comuni per Edge AI includono auto a guida autonoma, droni autonomi, riconoscimento facciale e assistente digitale.
Le auto a guida autonoma sono uno dei casi d’uso più rilevanti per Edge AI. Le auto a guida autonoma devono costantemente scansionare l’ambiente circostante e valutare la situazione, apportando correzioni alla loro traiettoria in base agli eventi vicini. L’elaborazione dei dati in tempo reale è critica per questi casi, e di conseguenza, i loro sistemi Edge AI a bordo sono responsabili dell’archiviazione, della manipolazione e dell’analisi dei dati. I sistemi Edge AI sono necessari per portare veicoli a livello 3 e livello 4 (completamente autonomi) sul mercato.
Poiché i droni autonomi non sono pilotati da operatori umani, hanno requisiti molto simili a quelli delle auto autonome. Se un drone perde il controllo o si guasta mentre vola, può schiantarsi e danneggiare proprietà o vite. I droni possono volare lontano dal punto di accesso a internet e devono avere capacità Edge AI. I sistemi Edge AI saranno indispensabili per servizi come Amazon Prime Air, che mira a consegnare pacchi tramite drone.
Un altro caso d’uso per Edge AI è il sistema di riconoscimento facciale. I sistemi di riconoscimento facciale si basano su algoritmi di visione computerizzata, analizzando i dati raccolti dalla fotocamera. Le app di riconoscimento facciale che operano per scopi come la sicurezza devono funzionare in modo affidabile anche se non sono connesse a una rete cloud.
Gli assistenti digitali sono un altro caso d’uso comune per Edge AI. Gli assistenti digitali come Google Assistant, Alexa e Siri devono essere in grado di funzionare su smartphone e altri dispositivi digitali anche quando non sono connessi a internet. Quando i dati vengono elaborati sul dispositivo, non c’è bisogno di consegnarli alla rete cloud, il che aiuta a ridurre il traffico e garantire la privacy.