El auge de compact AI para edge computing

En diciembre de 2016, Peter Levine de Andreessen Horowitz predijo el edge computing, procesamiento de los datos y la computación en los en los extremos lógicos de la red, como el próximo paradigma informático. 

La evolución del cloud computing al edge computing se debe al crecimiento del IoT, actualmente existen billones de smartphones, cameras, coches autónomos y otros dispositivos que recogen grandes cantidades de información que necesita ser procesada en tiempo real. El retardo de la red y la gran cantidad de datos generada (un coche genera un gigabyte por segundo) impide que haya tiempo suficiente para la trasmisión y procesamiento de datos en la nube, por tanto la computación tendrá que trasladarse a donde se generan los datos. Esta evolución se asemeja al la evolución del mainframe a la computación cliente-servidor y Levine la describe como edge intelligence. 

El borde de la red se convertirá en un sistema masivo de computación distribuida que almacena, procesa y actúa sobre los datos del mundo en tiempo real en el propio dispositivo. El Compact AI permite que el dispositivo o sistema responda a los datos a medida que se crean, eliminando las limitaciones asociadas con internet y la nube tales como el ancho de banda, el retardo, la privacidad y la disponibilidad. 

Evolución de los dispositivos

• IA a bordo en tiempo real y machine learning​Teléfonos inteligentes con mayor capacidad de procesamiento y almacenamiento de datos 
• Teléfonos inteligentes con mayor potencia y más caros
• Interfaces de usuario libres de rozamiento, utilizando la voz y la visión
• Entrada de datos sin interacción humana
• Hardware y software de proveedores integrados verticalmente en la etapa inicial
  

Casos de uso de compact AI

• Tesla procesa datos de cameras y radares utilizando computación a bordo, y comparte la información aprendida gracias a la conexión entre los coches de su flota.
• ​Amazon ha desarrollado Amazon’s AWS DeepLens, una cámara de video de aprendizaje profundo para desarrolladores. La cámara tiene 100 +GFLOPS de potencia de computación, y puede procesar predicciones de aprendizaje profundo en video de alta definición en tiempo real. 
•  Huawei ha presentado su teléfono inteligente AI-powered Mate 20. El teléfono incluye un chip de IA para optimizar la fotografía, reconocer imágenes , traducir a 50 idiomas y eliminar ruido.
• Microsoft ha anunciado que incluirá machine learning en el dispositivo en su próxima actualización de Windows 10. La actualización permitirá acercar el edge computing a más de 600 millones de dispositivos.
• Cisco cuenta con el sistema Cisco’s Spark Board que utiliza IA incluida en el dispositivo para reconocer a las personas en el cuarto, seleccionar y ajustar el campo de visión y enfocar a las personas que están hablando.
• Mitsubishi Electric ha desarrollado una cámara mejorada con IA y con tecnología de reconocimiento que busca hacer obsoleto el sistema de retrovisores de los coches. La cámara reconoce objetos a 100 metros y identifica objetos con un 81% de precisión.
• Artec ofrece un escáner 3D basado en inteligencia artificial llamado Artec Leo que permite recoger información robusta en 3D, procesarla en el propio dispositivo y convertirlo en un modelo 3D de alta definición
  

Guidance

• Este escenario sugiere que la computación, el almacenamiento y las redes se están acercando a los consumidores, sin embargo hay espacio para el desarrollo de configuraciones viables entre la nube y el borde. El uso de un tipo de computación no tiene porque remplazar al otro. Cloud computing trata de centralizar el procesamiento y el almacenamiento para aportar una plataforma eficiente y escalonada.
• Edge computing trata sobre llevar parte de ese procesamiento y almacenamiento más cerca de los dispositivos que generan los datos.​Edge computing y compact AI han facilitado el uso de la inteligencia artificial en aplicaciones del día a día como traducciones precisas e instantáneas de idiomas o asistencia de voz habilitada en cualquier lugar. El compact AI tendrá un profundo impacto en la forma en la que consumimos tecnologías, así como en la programación, las redes, la seguridad y la privacidad asociada y el almacenamiento de datos. Como resultado podemos esperar que surjan nuevos modelos de negocio o nuevos tipos de productos y servicios
  
• nube seguirá siendo el lugar donde se integrarán y procesarán la mayor parte de los datos. La nube se orientará al aprendizaje, recibiendo datos procesados de los dispositivos conectados, almacenando esa información, entrenando los algoritmos de machine learning y reenviando el aprendizaje a los dispositivos.
• El edge computing y el compact AI añadirán complejidad y ofrecerán oportunidades para programadores, gerentes de productos y profesionales de la seguridad. Los desarrolladores tendrán que aprender a crear aplicaciones en este nuevo paradigma y las herramientas tendrán que destacar en la gestión de acceso, el procesamiento de datos, la actuación sobre los datos en tiempo real y el aprendizaje continuo. La arquitectura y los enfoques serán aun más variados.

¿Quieres saber más?

Videos: Bringin IoT intelligence closer to IoT sensors