IA en el Edge: piedra angular de la nueva revolución industrial

Una nueva generación de unidades de procesamiento

En los últimos años, la potencia computacional y el crecimiento exponencial de las tecnologías de hardware se han alineado para crear una nueva demanda en el sector tecnológico: la Inteligencia Artificial en dispositivos Edge.

Con la llegada del IoT y la generación continua de datos, los modelos de Machine Learning se han beneficiado de la posibilidad de entrenarse con millones de nuevos puntos de datos y, por tanto, de reconfigurar constantemente los pesos de sus modelos. Pero para ello, necesitan ejecutar esta tarea muchas, muchas veces.

Las CPU están limitadas por su potencia de procesamiento, pero esto está cambiando con la llegada de las GPU, que ahora están diseñadas para procesar grandes bloques de datos en paralelo.

También ha influido la aparición en la última década de un tipo diferente de chip, diseñado específicamente para tareas de IA. Estos chips están ahora disponibles en la mayoría de los ordenadores y dispositivos, lo que significa que pueden empezar a entrenar e inferir modelos de aprendizaje automático.

Todo este caldo de cultivo nos lleva a la conclusión de que: los microcentros de datos serán cada vez más importantes, debido a su capacidad para ofrecer baja latencia, desplegar modelos de IA y procesar grandes volúmenes de datos, evitando así su transporte a la nube.

IA en sus dispositivos

Hoy en día, el modelo de nube es el más común e implica el uso de la nube para computar los datos y, a través de una API, entrenar y servir un modelo de Machine Learning.

Utilizando este modelo, el dispositivo simplemente transmite los datos a través de una red al servicio y deja que el servicio haga los cálculos, y luego los resultados se envían de vuelta al usuario. La computación en la nube ha realizado tradicionalmente la mayor parte del trabajo pesado para los modelos avanzados.

Mientras que con la IA en el Edge no es necesario enviar los datos a través de la red para que otra máquina realice el procesamiento. En cambio, los datos pueden permanecer en el mismo lugar, y es el propio dispositivo el que puede realizar los cálculos.

Esto abre un nuevo paradigma, donde nos damos cuenta de cómo el IoT hace que la entrada manual de datos sea en gran medida obsoleta, dejando que la inteligencia artificial (IA) se encargue de forma autónoma de la toma de decisiones, lo que supone un gran paso adelante y un increíble ahorro de costes.

Beneficios de la IA en el Edge

Eliminar la parte de la nube del servicio y trasladarla a los dispositivos Edge aporta tres beneficios principales:

1) Ahorro de costes.

2) Tiempo de latencia reducido y autonomía de la red

3) Mayor privacidad y mejor seguridad

Ahorro de costes:

La IA en el Edge alivia las cargas de trabajo en los ordenadores en la nube. Las redes no se sobrecargan y el uso de CPU, GPU y memoria disminuye significativamente a medida que sus cargas de trabajo se distribuyen entre los dispositivos en el Edge.

La inteligencia en el Edge acerca el (pre)procesamiento y el procesamiento de datos.

la toma de decisiones más cerca de la fuente de datos, reduciendo los retrasos en la comunicación. Este (pre)procesamiento permite agregar y condensar los datos antes de enviarlos a los servicios centrales de IoT en la nube o almacenarlos.

Toda esta eliminación de sobrecargas mejora significativamente la velocidad en la toma de decisiones, lo que se traduce en una importante reducción de costes. Ahorro significativo de costes en procesos críticos como los industriales.

Los dispositivos y sensores a menudo producen más datos de lo que resulta económico transmitir a la nube. Este problema se resuelve mediante la IA en el Edge, aplicando algoritmos analíticos que procesan los datos de los sensores entrantes y envían solo decisiones o alarmas en lugar de datos sin procesar.

Desde Barbara hemos diseñado y desarrollado nuestra tecnología para que funcione en el Thin Edge (parte del Edge más cercana a la toma de datos), capaz de procesar datos en alta frecuencia (>1kHz) y actuar con latencias ultra bajas (<1ms). Todo ello con la escalabilidad que permite gestionar miles de nodos de manera remota minimizando así las visitas al campo.

Latencia y autonomía de la red:

Cuando la computación en la nube realiza todos los cálculos para un servicio, una de sus ubicaciones centrales se sobrecarga. Esto ocurre cuando las redes ven demasiado tráfico para transportar los datos de vuelta a la fuente y las máquinas empiezan a realizar sus tareas. Esto hace que las redes vuelvan a estar ocupadas, enviando datos de vuelta al usuario. Los dispositivos Edge eliminan estas transferencias de ida y vuelta.

La IA en el Edge también nos permite equilibrar la carga del usuario, la aplicación o la red en función de los cambios en la infraestructura central, adaptarnos a fallos temporales o procedimientos de mantenimiento y tomar decisiones basadas en alarmas o el intercambio de información preprocesada entre dispositivos Edge.

Por ejemplo, cuando los dispositivos y sensores están situados en lugares con

conectividad intermitente, necesitan procesamiento de datos local y toma de decisiones para seguir funcionando. El Edge computing puede proporcionar almacenamiento temporal de datos, así como reglas o algoritmos predictivos para permitir el funcionamiento autónomo.

Privacidad mejorada:

Los datos son más vulnerables al robo cuando viajan. Incluso si no se roban, terceros pueden saber que algo se transmitió entre una parte y otra, incluyendo averiguar qué tipo de información se envía a través de la red.

Realizar despliegues de Machine Learning sobre la ubicación significa que los datos, y las predicciones realizadas sobre esos datos, tienen un menor riesgo de ser vistos mientras viajan. En el Edge sus datos no se ven comprometidos y su relación con el proveedor de servicios de IA puede permanecer protegida.

Con la IA en el Edge, tenemos más control sobre quién sabe qué sobre nosotros, evitando que terceros accedan a información confidencial o sensible.

Barbara ha sido concebida con la seguridad por diseño e integra mecanismos de protección de acuerdo con las recomendaciones de los principales organismos y estándares de la industria, como IEC-62443, reduciendo los riesgos asociados a los ciberataques contra sus equipos, su propiedad intelectual y la integridad de sus datos.

El nuevo modelo de Inteligencia Artificial distribuida frente a la nube

Los principales inconvenientes del Edge en comparación con la Nube son: menor potencia de cálculo y heterogeneidad de dispositivos y tecnologías. Algunos detractores señalan que, aunque el Edge Computing es bueno, todavía carece de la potencia de cálculo disponible en un sistema en la nube.

Es cierto que la potencia de la nube hoy en día no es comparable a la del Edge, por lo que seguirá siendo responsable de crear y servir los modelos que requieran mayor capacidad de cálculo. Mientras que los modelos más ligeros se delegan al Edge, que también es responsable de gestionar tareas de "transfer learning" más pequeñas de forma distribuida. No obstante, la tecnología Edge está habilitando cada día más potencia de cálculo, por lo que podrá gestionar aplicaciones cada vez más complejas.

El IoT ha revolucionado el modelo de Edge computing introduciendo nuevos escenarios de uso con las siguientes condiciones en común:

• Tiempo real: Industrias donde se requiere la toma de decisiones en milisegundos.
• Conectividad: Las redes móviles actuales a menudo son irregulares y no siempre pueden garantizar la conexión a la nube. Algunos servicios deben estar siempre conectados.
• Volumen de datos: La cantidad de datos generados por los sensores puede ser enorme, lo que podría obstruir los canales de comunicación de área amplia.
• Contexto: un contexto empresarial que sigue la tendencia de la descentralización, permitiendo que los datos de IoT se interpreten para la toma de decisiones.

La disrupción del modelo de la nube no significa la desaparición de la nube, sino más bien su extensión a la periferia. La nube seguirá existiendo. De hecho, ciertas funciones se realizan mejor en la nube, como el entrenamiento de algoritmos predictivos, ya que normalmente sólo la nube tiene todo el historial necesario.

La IA en el Edge es, por tanto, un nuevo modelo de computación totalmente distribuida, que soporta una amplia gama de comunicaciones e interacciones. Esto permite funcionalidades tan potentes como:

• Toma de decisiones autónoma y local basada en los datos IoT entrantes y la información empresarial almacenada en caché.
• Redes peer-to-peer: dispositivos que se comunican entre sí sobre un objeto dentro de su alcance.
• Consultas distribuidas a través de datos que se almacenan en dispositivos, en la nube y en cualquier lugar.
• Gestión de datos distribuida, por ejemplo, el envejecimiento de los datos: qué datos almacenar, dónde y durante cuánto tiempo.
• Algoritmos de autoaprendizaje que aprenden y se ejecutan en el Edge, o en la nube.
• Aislamiento, con dispositivos que están apagados durante largos periodos de tiempo, funcionando con un consumo de energía mínimo para maximizar su vida útil.

Barbara, con este modelo de computación distribuida, es posible ir más allá del análisis de datos y no solo conectar activos industriales, sino también coordinarlos para analizar situaciones y tomar decisiones en tiempo real.

Lectura recomendada: La computación distribuida como catalizador del cambio en el sector industrial

Un último reto: la diversidad de maquinaria y fabricantes.

La dependencia de los dispositivos Edge implica una mayor heterogeneidad de tecnologías. Por lo tanto, a menudo es más difícil integrarlos y conectarlos entre sí, y los fallos son más comunes.

Para solucionar este problema, la plataforma Barbara cuenta con una amplia biblioteca de conectores que permite a los nodos Edge conectarse a cualquier sensor, actuador, PLC o equipo industrial para el intercambio de información y comandos, así como a plataformas de TI para casos de uso híbridos cloud-edge.

Barbara también tiene un orquestador Edge que permite desplegar, gestionar y configurar las aplicaciones de forma centralizada en los nodos con un solo clic. Nuestro sistema permite que aplicaciones de diferentes autores se ejecuten en paralelo, que pueden operar de forma independiente o coordinarse para trabajar de forma síncrona. Los espacios de despliegue son multi-lenguaje y multi-framework, y están aislados para proteger la propiedad intelectual del autor de la aplicación.

La implementación de la IA en el Edge revoluciona la industria tal y como la conocemos, creando valor y nuevas oportunidades para las partes interesadas.
Si está interesado en este artículo, póngase en contacto con nosotros para obtener más información sobre la tecnología Barbara IoT y solicitar una demostración personalizada.

‍