Edge Computing: back to origins
La tecnología Cloud ha revolucionado el almacenamiento y la computación, virtualizando los data center que antes se hacinaban en los sótanos de las empresas y alejando el procesamiento y el almacenamiento de datos de la fuente. Esto liberó a las organizaciones de la onerosa tarea de gestionar un centro de datos propio, confiando en una infraestructura accesible como servicio a través de un proveedor.
Mientras tanto, el mundo de las TIC ha avanzado, el progreso tecnológico ha dado lugar a nuevas aplicaciones que, a su vez, han puesto en cuestión la ubicación de la potencia informática en relación con la fuente de los datos. Hablamos, por ejemplo, de la Inteligencia Artificial y del Internet de las Cosas, cuyas aplicaciones requieren el procesamiento de grandes cantidades de datos. A pesar de la casi infinita capacidad de computación y almacenamiento que proporciona la nube, y por muy rápida que sea la comunicación entre un sistema y la nube, a veces no se puede tolerar la latencia debida a la distancia entre el punto final y el servidor o a problemas de conexión.
Para garantizar un determinado umbral de velocidad, el tratamiento de los datos debe realizarse a veces muy cerca de los sensores y los aparatos que los generan.
Aquí es donde entra en juego Edge computing. Con tendencias sólo aparentemente anacrónicas, la computación de borde requiere que la potencia de cálculo se ubique «on-site». Ojo, esto no quiere decir que en los casos en los que se utiliza el Edge compunting e no se utilice el Cloud, sino que se optimiza el intercambio de datos para que las comunicaciones transmitidas sean preprocesadas y, por tanto, optimizadas.
La computación de borde ya es un éxito y su adopción va a crecer: con una inversión en infraestructura de borde de 4.900 millones de dólares en 2019, se espera que alcance los 104.000 millones de dólares (datos de Statista).
Edge Artificial Intelligence: Edge computing, pero más inteligente
En particular, la Edge Artificial Intelligence, se refiere a la implementación de soluciones de Inteligencia Artificial directamente en los dispositivos que generan los datos procesados por los algoritmos, emancipándose, al menos en parte, de la potencia de cálculo del Cloud. Gartner define la I’Edge AI como una clase de técnicas analíticas e inferenciales colocadas en dispositivos endpoint, gateway y servidores locales que pueden reducir la latencia y el transporte de datos, pero también mejorar las capacidades de cálculo locales.
En el Artificial Intelligence Hype Cycle de Gartner, la Edge AI se encuentra en el Peak of inflated Expectations, lo que significa que actualmente está en una fase de gran curiosidad, pero el momento en que las expectativas se ajusten a los beneficios reales que conduzcan a su democratización no llegará antes de dos años. Los maquinarios industriales inteligentes y los vehículos autodirigidos son dos ejemplos de aplicaciones que requieren una latencia casi nula para funcionar correctamente: para un coche autodirigido, la velocidad de procesamiento, y por tanto de toma de decisiones, puede marcar una verdadera diferencia. Por lo tanto, el Edge Computing permite la implementación de algoritmos de machine learning en dispositivos IoT como cámaras de vigilancia, maquinaria industrial, vehículos de autoconducción y drones.
La Edge AI también está mostrando un gran potencial: según Gartner, más del 50% de los análisis de redes neuronales profundas serán realizados por sistemas Edge, mientras que en 2020 el porcentaje era de alrededor del 5%.
Al principio, el tamaño de las soluciones de IA podría haber sido una limitación para el uso de Edge AI porque requerían demasiada memoria y potentes unidades de computación. La adopción de esta tecnología se vio facilitada por la model compression. La model compression es una técnica que permite reducir el tamaño de los modelos matemáticos hasta en un 90%, lo que permite un funcionamiento de baja latencia.
Aplicaciones frecuentes de la Edge Artificial Intelligence
El sector manufacturero ha sido pionero en el uso de Edge AI y sigue ostentando el récord de ser el sector con mayor uso. Una de las prácticas para las que se utilizan las técnicas de Edge Ai es el asset intelligence, es decir, la supervisión del correcto funcionamiento y rendimiento de los equipos con vistas a la optimización y el mantenimiento predictivo. Igualmente frecuentes son los casos de mejora de los procesos de negocio, iniciativas destinadas a mejorar los resultados empresariales mediante la automatización y el análisis predictivo.
Otros casos de uso de esta técnica implican su aplicación en cámaras de vídeo para realizar el reconocimiento de imágenes. Los usos son múltiples y van desde el reconocimiento y la clasificación de objetos hasta la identificación de peligros, el control de calidad y la supervisión de los entornos de las plantas. En algunos casos, las técnicas de Edge Ai también pueden implementarse dentro de un producto para hacerlo más avanzado tecnológicamente con nuevas características.
Reconocer y procesar las imágenes de una cámara de vídeo es una de las aplicaciones más comunes en el retail. Identificar a los clientes en la tienda y distinguirlos entre sí es crucial para las tiendas frictionless, como Mimex o AmazonGo, ya que de otro modo no sería posible asignar los productos de las estanterías al cliente adecuado. Además, estas técnicas permiten estudiar cómo se mueve la gente por el espacio de la tienda, qué zonas son las más visitadas, dónde pasan más tiempo los clientes, así como controlar los pasillos para evitar robos y mejorar la gestión del personal en la planta de ventas.
En la industria de los medios de comunicación y las telecomunicaciones, la IA Edge se aplica en los satélites para optimizar los costes de transmisión reconociendo y reteniendo los datos redundantes o inutilizables, pero también para mejorar las capacidades fotográficas de los propios satélites.
En cuanto al sector del transporte, podemos tomar el ejemplo ya mencionado del coche autónomo. Estos vehículos disponen de varios sensores que recogen datos para conocer el entorno que les rodea (inteligencia geoespacial). Estos datos también son procesados por algoritmos de IA instalados directamente en el hardware del vehículo. También se espera que la IA de borde desempeñe un papel crucial en el uso de drones autodirigidos, y dado que varias empresas ya están planeando introducir servicios de entrega con tales dispositivos, es justo suponer que los experimentos ya están en marcha.
Además, Edge AI podría desempeñar un papel importante en el fleet mangment y e nel traffic managment de las ciudades inteligentes, donde, por ejemplo, los flujos de tráfico podrían gestionarse de forma inteligente ajustando el funcionamiento de los semáforos para evitar atascos y facilitar el tránsito de los vehículos de emergencia.
No sólo inteligente, sino también ecológica y segura
La transferencia de los datos generados por los dispositivos individuales a el Cloud y la potencia de cálculo necesaria para procesarlos y almacenarlos puede ser costosa para las empresas. Como el precio de los servicios en el Cloud también se basa en la cantidad de datos intercambiados y almacenados, el Edge computing y el Edge AI pueden representar una oportunidad para reducir los costes. El desarrollo del sistema económico gracias al apoyo de las TIC ha generado una creciente demanda de servicios en la nube y un crecimiento paralelo del flujo de datos intercambiados.
Las server farm sobre las que se construye la infraestructura cloud consumen no poca energía: en 2020, el consumo de electricidad en los centros de datos de todo el mundo fue de 200-250 TWh1, aproximadamente el 1% de la demanda mundial de electricidad. Afortunadamente, la eficiencia energética de los centros de datos permite compensar el consumo energético de un tráfico de datos cada vez mayor. Además, cerca de la mitad del total de la energía renovable utilizada por las empresas en los últimos cinco años ha sido adquirida por empresas de TIC (Fuente: International Energy Agency).
Pero, ¿qué tiene esto que ver con el edge computing? En este sentido, hay que tener en cuenta que el edge computing reduce y optimiza el tráfico de datos hacia la nube al reducir el ancho de banda utilizado para el intercambio de información. Esto tiene efectos positivos no sólo en la descongestión de el cloud, sino también en el frente energético y medioambiental porque, como se puede deducir, un menor uso de la cloud conlleva un menor consumo de recursos.
Sin embargo, una investigación de la Fundación Linux predice que la huella ecológica de la infraestructura Edge crecerá de 1GW en 2019 a más de 40GW en 2028. De esta cifra, el 37% será atribuible al uso de dispositivos por parte de los ciudadanos y el 63% al consumo por parte de organizaciones y organismos públicos.
Probablemente no sea necesario insistir en la importancia de la seguridad de la información, especialmente cuando se trata de sistemas en contextos empresariales. En este sentido, la Edge Computing también podría tener efectos positivos en la ciberseguridad: el procesamiento de datos descentralizado en comparación con la nube reduce los flujos de información y, al mismo tiempo, el riesgo de que ésta sea interceptada o se pierda. Esta estructura proporcionaría una mayor seguridad para los dispositivos y la información producida, para disgusto de los CIO y los CCSO.
Las ventajas de tener los pies en el suelo
Si se observan los estudios de casos más frecuentes, está claro que el principal beneficio del uso de la Edge Artificial Intelligence es la optimización de los costes. Estos beneficios pueden ser más o menos directos: en algunos casos, como la reducción del uso de la nube, la reducción de gastos es inmediata, en otros, como el control de calidad o el mantenimiento predictivo, los beneficios son menos evidentes y surgen a medio y largo plazo.
Si se consolidan los aspectos de sostenibilidad medioambiental y ciberseguridad, no es de extrañar que se cumplan las predicciones realizadas sobre la adopción y el éxito de la Edge Artificial Intelligence.
Spindox lleva años utilizando Edge computing, tanto para satisfacer las necesidades de sus clientes creando soluciones ad hoc, como para la realización de proyectos como MIMEX.
Foto de Anton Mislawsky
