O que é Edge AI & Edge Computing?

Edge AI é um dos novos setores mais notáveis da inteligência artificial, e visa permitir que as pessoas executem processos de IA sem se preocupar com a privacidade ou com atrasos devido à transmissão de dados. Edge AI está permitindo um uso mais amplo e generalizado da IA, permitindo que dispositivos inteligentes reajam rapidamente a entradas sem acesso a uma nuvem. Enquanto isso é uma definição rápida de Edge AI, vamos tirar um momento para entender melhor Edge AI explorando as tecnologias que a tornam possível e vendo alguns casos de uso para Edge AI.

O que é Edge Computing?

Para entender verdadeiramente Edge AI, precisamos primeiro entender Edge computing, e a melhor maneira de entender Edge computing é contrastá-lo com cloud computing. Cloud computing é a entrega de serviços de computação pela internet. Em contraste, os sistemas de Edge computing não estão conectados a uma nuvem, operando em dispositivos locais. Esses dispositivos locais podem ser um servidor de Edge computing dedicado, um dispositivo local, ou um Internet of Things (IoT). Existem várias vantagens em usar Edge computing. Por exemplo, a computação baseada em internet/nuvem é limitada pela latência e largura de banda, enquanto Edge computing não é limitado por esses parâmetros.

O que é Edge AI?

Agora que entendemos Edge computing, podemos dar uma olhada em Edge AI. Edge AI combina Inteligência Artificial e Edge computing. Os algoritmos de IA são executados em dispositivos capazes de Edge computing. A vantagem disso é que os dados podem ser processados em tempo real, sem precisar 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 a downtime. Porque os sistemas Edge AI operam em um dispositivo de Edge computing, as operações de dados necessárias podem ocorrer localmente, sendo enviadas quando uma conexão de internet for estabelecida, o que economiza tempo. Os algoritmos de aprendizado profundo podem operar no dispositivo em si, o ponto de origem dos dados.

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

Quando os computadores de Edge são encarregados das tarefas de processamento de informações normalmente realizadas na nuvem, o resultado é processamento em tempo real com baixa latência. Além disso, restringindo a transmissão de dados apenas às informações mais vitais, o volume de dados em si pode ser reduzido e as interrupções de comunicação podem ser minimizadas.

Edge AI e Internet of Things

Edge AI se mistura com outras tecnologias digitais, como 5G e Internet of Things (IoT). IoT pode gerar dados para os sistemas Edge AI usarem, enquanto a tecnologia 5G é essencial para o avanço contínuo de ambos, Edge AI e IoT.

A Internet of Things se refere a uma variedade de dispositivos inteligentes conectados uns aos outros pela internet. Todos esses dispositivos geram dados, que podem ser alimentados no dispositivo Edge AI, que também pode atuar como uma unidade de armazenamento temporário de dados até que seja sincronizado com a nuvem. O método de processamento de dados permite uma maior flexibilidade.

A quinta geração da rede móvel, 5G, é crítica para o desenvolvimento de Edge AI e Internet of Things. 5G é capaz de transferir dados a velocidades muito mais altas, de até 20Gbps, enquanto 4G é capaz de entregar dados a apenas 1Gbps. 5G também suporta muito mais conexões simultâneas do que 4G (1.000.000 por quilômetro quadrado vs. 100.000) e uma velocidade de latência melhor (1ms vs. 10ms). Essas vantagens sobre 4G são importantes porque, à medida que o IoT cresce, o volume de dados também cresce e a velocidade de transferência é afetada. 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 para Edge AI incluem quase qualquer instância em que o processamento de dados seria feito de forma mais eficiente 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 carros autônomos, drones autônomos, reconhecimento facial e assistentes digitais.

Os carros autônomos são um dos casos de uso mais relevantes para Edge AI. Os carros autônomos devem estar constantemente escaneando 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, os sistemas Edge AI a bordo são responsáveis pelo armazenamento de dados, manipulação e análise. Os sistemas Edge AI são necessários para trazer veículos de nível 3 e nível 4 (totalmente autônomos) ao mercado.

Como os drones autônomos não são pilotados por operadores humanos, eles têm requisitos muito semelhantes aos dos carros autônomos. Se um drone perde o controle ou apresenta mau funcionamento enquanto voa, pode cair e danificar propriedades ou vidas. Os drones podem voar longe de um ponto de acesso à internet e devem ter capacidades 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 Edge AI é o sistema de reconhecimento facial. Os sistemas de reconhecimento facial dependem de algoritmos de visão computacional, analisando dados coletados pela câmera. Os aplicativos de reconhecimento facial que operam para fins de tarefas como segurança precisam operar de forma confiável, mesmo que não estejam conectados à nuvem.

Os assistentes digitais são outro caso de uso comum para Edge AI. Os assistentes digitais, como o 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 enviá-los à nuvem, o que ajuda a reduzir o tráfego e garantir a privacidade.