O que é Edge AI e Edge Computing?

O Edge AI é um dos novos setores mais notáveis ​​da inteligência artificial e visa permitir que as pessoas executem processos de IA sem ter que se preocupar com privacidade ou lentidão devido à transmissão de dados. O Edge AI está permitindo um uso maior e mais amplo de IA, permitindo que dispositivos inteligentes reajam rapidamente a entradas sem acesso a uma nuvem. Embora essa seja uma definição rápida do Edge AI, vamos reservar um momento para entender melhor o Edge AI, explorando as tecnologias que o tornam possível e vendo alguns casos de uso do Edge AI.

O que é Edge Computing?

Para entender verdadeiramente o Edge AI, precisamos primeiro entender a computação de borda e a melhor maneira de entender Computação de borda é compará-la com a computação em nuvem. A computação em nuvem é a entrega de serviços de computação pela internet. Em contraste, os sistemas de computação de borda não estão conectados a uma nuvem, em vez de operar em dispositivos locais. Esses dispositivos locais podem ser um servidor de computação de borda dedicado, um dispositivo local, ou uma Internet das Coisas (IoT). Há uma série de vantagens em usar a computação de borda. Por exemplo, a computação baseada na Internet/nuvem é limitada pela latência e largura de banda, enquanto a computação de borda não é limitada por esses parâmetros.

O que é Edge AI?

Agora que entendemos a computação de borda, pode dar uma olhada no Edge AI. A Edge AI combina Inteligência Artificial e computação de ponta. Os algoritmos de IA são executados em dispositivos capazes de computação de borda. A vantagem disso é que os dados podem ser processados ​​em tempo real, sem a necessidade de se conectar a uma nuvem.

A maioria dos processos de IA de ponta é realizada em uma nuvem, pois exigem uma grande quantidade de poder de computação. O resultado é que esses processos de IA podem ser vulneráveis ​​ao tempo de inatividade. Como os sistemas Edge AI operam em um dispositivo de computação de borda, as operações de dados necessárias podem ocorrer localmente, sendo enviadas quando uma conexão com a Internet é estabelecida, o que economiza tempo. Os algoritmos de aprendizado profundo podem operar no próprio dispositivo, o ponto de origem dos dados.

Edge AI está se tornando cada vez mais importante devido ao fato de que cada vez mais dispositivos precisam empregar IA em situações em que não conseguem acessar a nuvem. Considere quantos robôs de fábrica ou quantos carros hoje em dia vêm com algoritmos de visão computacional. Um atraso na transmissão de dados nestas situações pode ser catastrófico. Carros autônomos não podem sofrer latência ao detectar objetos na rua. Como um tempo de resposta rápido é tão importante, o próprio dispositivo deve ter um sistema Edge AI que permita analisar e classificar imagens sem depender de uma conexão em nuvem.

Quando os computadores de borda são encarregados das tarefas de processamento de informações geralmente realizadas na nuvem, o resultado é um processamento em tempo real de baixa latência e tempo real. Além disso, ao restringir a transmissão de dados apenas às informações mais vitais, o próprio volume de dados pode ser reduzido e as interrupções de comunicação podem ser minimizadas.

Edge AI e a Internet das Coisas

O Edge AI combina com outras tecnologias digitais, como 5G e a Internet das Coisas (IoT). A IoT pode gerar dados para os sistemas Edge AI usarem, enquanto a tecnologia 5G é essencial para o avanço contínuo da Edge AI e da IoT.

A Internet das Coisas refere-se a uma variedade de dispositivos inteligentes conectados uns aos outros através da internet. Todos esses dispositivos geram dados, que podem ser alimentados no dispositivo Edge AI, que também pode atuar como uma unidade de armazenamento temporário para os dados até que sejam sincronizados com a nuvem. O método de processamento de dados permite maior flexibilidade.

A quinta geração da rede móvel, 5G, é fundamental para o desenvolvimento da Edge AI e da Internet das Coisas. O 5G é capaz de transferir dados em velocidades muito mais altas, de até 20 Gbps, enquanto o 4G é capaz de fornecer dados a apenas 1 Gbps. O 5G também suporta muito mais conexões simultâneas do que 4G (1,000,000 por quilômetro quadrado vs. 100,000) e uma melhor velocidade de latência (1ms vs. 10ms). Essas vantagens em relação ao 4G são importantes porque, à medida que a IoT cresce, o volume de dados também cresce e a velocidade de transferência é afetada. O 5G permite mais interações entre uma gama mais ampla de dispositivos, muitos dos quais podem ser equipados com Edge AI.

Casos de uso para Edge AI

Os casos de uso do Edge AI incluem praticamente qualquer instância em que o processamento de dados seja feito com mais eficiência em um dispositivo local do que quando feito por meio de uma nuvem. No entanto, alguns dos casos de uso mais comuns para Edge AI incluem auto-condução carros, drones autônomos, reconhecimento facial e assistentes digitais.

Os carros autônomos são um dos casos de uso mais relevantes para o Edge AI. Os carros autônomos devem estar constantemente examinando o ambiente ao redor e avaliando a situação, fazendo correções em sua trajetória com base em eventos próximos. O processamento de dados em tempo real é crítico para esses casos e, como resultado, seus sistemas Edge AI integrados são responsáveis ​​pelo armazenamento, manipulação e análise de dados. Os sistemas de IA de ponta são necessários para trazer veículos de nível 3 e nível 4 (totalmente autônomos) para o mercado.

Como os drones autônomos não são pilotados por operadores humanos, eles têm requisitos muito semelhantes para carros autônomos. Se um drone perder o controle ou apresentar mau funcionamento durante o vôo, ele pode cair e danificar propriedades ou vidas. Os drones podem voar muito fora do alcance de um ponto de acesso à Internet e devem ter recursos de Edge AI. Os sistemas Edge AI serão indispensáveis ​​para serviços como o Amazon Prime Air, que visa entregar pacotes via drone.

Outro caso de uso para o Edge AI são os sistemas de reconhecimento facial. Os sistemas de reconhecimento facial dependem de algoritmos de visão computacional, analisando os dados coletados pela câmera. Aplicativos de reconhecimento facial que operam para tarefas como segurança precisam operar de forma confiável, mesmo que não estejam conectados a uma nuvem.

Os assistentes digitais são outro caso de uso comum para o Edge AI. Assistentes digitais como Google Assistant, Alexa e Siri devem ser capazes de operar em smartphones e outros dispositivos digitais mesmo quando não estão conectados à internet. Quando os dados são processados ​​no dispositivo, não há necessidade de entregá-los na nuvem, o que ajuda a reduzir o tráfego e garantir a privacidade.