Cómo utilizar los orquestadores Edge para desplegar la inteligencia artificial a escala

El auge de la IA en el Edge

Muchas industrias demandan cada vez más una mayor velocidad y autonomía en la toma de decisiones que les permita adaptarse a mercados cada vez más volátiles. Además, los dispositivos industriales están generando una cantidad creciente de datos, procedentes de dispositivos más diversos, geográficamente dispersos y con mayor frecuencia. Esta necesidad de capturar más datos, con mayor frecuencia y tomar decisiones «sobre la marcha» ha provocado un aumento de la capacidad de computación necesaria cerca del lugar donde se generan los datos, es decir, en el «Edge» y el desarrollo de la Inteligencia Artificial distribuida, también llamada «Inteligencia en el Edge», o «Edge AI».

Algunas de las principales ventajas que ofrece Edge AI son mejores latencias, optimización del ancho de banda de comunicación, reducción de los costes de los servicios Cloud y un nivel de seguridad mejorado, lo cual es muy importante en ciertas industrias críticas.

Por todas estas razones, el Edge Computing se está posicionando con fuerza en los sectores industriales. Analistas como Gartner, IDC y Grand View Research pronostican un crecimiento anual de más del 30%. De hecho, los propios proveedores tradicionales de servicios de computación en la nube están empezando a posicionarse para ofrecer una infraestructura que permita este modelo de Edge Computing.

Lectura recomendada: AIoT, la unión perfecta entre el Internet de las Cosas y la Inteligencia Artificial

Orquestradores Edge y Gestión de la Inteligencia

La Inteligencia Artificial se basa en la ejecución de múltiples algoritmos complejos que permiten a las máquinas tomar decisiones sin necesidad de intervención humana, simplemente a partir de los datos que capturan y procesan. Muchos de estos algoritmos pueden ejecutarse cerca de la fuente de esos datos, es decir, en el Edge, ya que el Machine Learning y la Inteligencia Artificial en general se adaptan bien a un modelo operativo de inteligencia distribuida.

Sin embargo, ejecutar IA en dispositivos finales puede ser un desafío, ya que a menudo tienen capacidades de procesamiento limitadas. Por lo tanto, surge la necesidad de utilizar dispositivos potentes o de gestionar eficientemente sus recursos de hardware a través de software ligero que permita la ejecución de estos algoritmos sin sobrecargar el sistema. Esto es especialmente importante si tenemos en cuenta que en muchas ocasiones habrá varios algoritmos ejecutándose en paralelo, cada uno de ellos posiblemente con diferentes orígenes y autores y basados en diversas tecnologías.

Por otro lado, estos algoritmos suelen utilizar muchas bibliotecas de análisis de datos y aprendizaje automático que deben estar disponibles en el sistema para no causar problemas de compatibilidad. Además, estos algoritmos representan el núcleo del negocio de muchas empresas, por lo que es vital proteger esa propiedad intelectual, normalmente ofuscando o cifrando los algoritmos tanto en tránsito como cuando se ejecutan en el Nodos edge. Estos algoritmos suelen evolucionar con el tiempo, por lo que también es necesario gestionar sus versiones de forma centralizada.

Para solucionar todos estos problemas, algunas empresas como Barbara están empezando a ofrecer los llamados orquestadores de aplicaciones Edge, o simplemente orquestadores Edge.

Estas herramientas les permiten gestionar aplicaciones y algoritmos que se ejecutan en el Edge de forma remota, haciendo uso de diferentes estrategias para la asignación eficiente de recursos. Estas estrategias conducen a una ejecución eficiente y segura de las tareas, abstrayendo al usuario de toda la complejidad subyacente. La mayoría de estas plataformas se basan en una práctica cada vez más extendida en el Edge Computing: la virtualización a través de contenedores Docker.

Descubre más sobre: Cómo optimizar los despliegues de IoT con contenedores Docker

Casos de uso de Edge Orchestrator

Los sectores donde los orquestadores Edge y el Edge Computing en general pueden tener el mayor impacto son aquellos que manejan un alto volumen de dispositivos conectados. Además, el impacto es exponencialmente mayor cuando estos dispositivos están dispersos geográficamente y generan datos a altas frecuencias.

Un sector en el que vemos que esta tendencia se materializa es el sector eléctrico, siendo los centros de transformación uno de los ejemplos más claros.

Los centros de transformación de electricidad de media a baja tensión son las infraestructuras responsables de adaptar la energía eléctrica para que pueda ser consumida por los ciudadanos en sus hogares. Forman parte de la red de distribución, y hay cientos de miles de ellos en un país del tamaño de España.

Estos centros de transformación disponen de una serie de equipos industriales cuya digitalización a través de tecnologías de Inteligencia Artificial y Edge Computing puede permitir la predicción y anticipación de la demanda o la detección de posibles fallos incluso antes de que se produzcan. Esta información puede ser muy valiosa tanto para los operadores del sitio como para los fabricantes, o incluso para los usuarios finales.

El uso de un Edge Orchestrator en una aplicación de este tipo tiene mucho sentido, ya que simplifica el despliegue de los algoritmos, acelera el tiempo de comercialización de la solución y ofrece un ciclo de depuración y mantenimiento fluido y sin fricciones. Los Edge Orchestrators permiten a las empresas centrarse en lo que debería ser su principal preocupación: concebir esos algoritmos y utilizarlos para operar el negocio.

Otro caso en el que se podría utilizar un Edge Orchestrator es en la fabricación distribuida, donde el producto se produce en una red de varias instalaciones dispersas geográficamente. La coordinación entre los diferentes centros se realiza normalmente a través de sistemas dedicados, generalmente en la Nube.

Sin embargo, el uso de algoritmos colaborativos en el Edge (con los centros poniéndose de acuerdo entre sí, en lugar de ser dirigidos por alguien de un nivel jerárquico superior) puede optimizar la inversión, al tiempo que mejora la seguridad de los datos y facilita el cumplimiento de las regulaciones de la industria, regulaciones que a veces no encajan muy bien con las tecnologías Cloud.

Más información sobre: Caso de uso de Edge Computing en el sector eléctrico

El futuro de los orquestadores y la industria

No cabe duda de que la industria se está moviendo hacia un paradigma de computación capaz de distribuir y subordinar la toma de decisiones en tiempo real a lo que sus nodos «piensen». Los orquestadores Edge permiten este proceso de toma de decisiones, facilitando la ejecución de modelos de Machine Learning cada vez más complejos de forma paralela y distribuida. Estas máquinas cognitivas nos permitirán superar algunas de las barreras a las que nos enfrentamos actualmente, como lograr una baja latencia en el ciclo de lectura-pensamiento-acción e integrar datos y decisiones de múltiples nodos Edge.

Además, los Edge Orchestrators permitirán que los modelos respondan de forma colaborativa a través de redes inteligentes de nodos. Estas capacidades abrirán la puerta a la Industria 5.0, una transformación radical que volverá a situar a los humanos en el centro de la industria, creando espacios inteligentes donde los humanos se comunicarán a la perfección con estas redes inteligentes de nodos.

‍