En los últimos años, las aplicaciones de la Inteligencia Artificial han mejorado considerablemente alrededor de todo el mundo. Con el crecimiento de las actividades corporativas en el trabajo, la computación en la nube se convirtió en una parte central de la evolución de la IA. A esto se suma que a medida que los clientes utilizan con mayor frecuencia sus dispositivos, las empresas empiezan a ser más conscientes de la necesidad de llevar esa tecnología a esos dispositivos para estar más cerca de los clientes y atender mejor sus necesidades. Es por eso por lo que en los próximos años el mercado de Edge Computing continuará creciendo.
El futuro de la Inteligencia Artificial está en el Edge
El Edge AI es un sistema que utiliza algoritmos de Machine Learning para procesar datos generados por un dispositivo de hardware a nivel local. El dispositivo no necesita estar conectado a internet para procesar dichos datos y tomar decisiones en tiempo real, en cuestión de milisegundos. Con esto se consigue reducir considerablemente los costes de comunicación derivados del modelo en la nube. En otras palabras, el Edge AI lleva los datos y su procesamiento al punto más cercano de interacción con el usuario, ya sea un ordenador, un dispositivo IoT o un servidor Edge.
Un ejemplo de esta tecnología se puede apreciar en los altavoces de Google, Alexa o el Apple Homepod, los cuales han aprendido a través del Machine Learning, palabras y frases para posteriormente almacenarlas de forma local en el dispositivo. Cuando el usuario comunica algo a aplicaciones como Siri o Google, estas envían la grabación de voz a una red Edge donde se pasan a texto mediante IA y se procesa una respuesta. Sin una red Edge el tiempo de respuesta sería de segundos, con Edge los tiempos se reducen a menos de 400 milisegundos.
El Edge AI elimina el problema de privacidad que supone la transmisión de millones de datos y su almacenamiento en la nube, así como también las limitaciones que suponen el ancho de banda y de latencia, que reducen la capacidad de transmisión de los datos.
La tecnología Edge es esencial para muchas industrias, por ejemplo, para los coches autónomos ayudará a reducir el consumo de energía aumentando la durabilidad de la batería. También será aplicable a robots, sistemas de vigilancia y demás. Por esto, se prevé que el mercado de software Edge AI crezca en su valor desde los 355 millones de dólares en 2018 a los 1,12 billones de dólares para 2023.
Beneficios del Edge AI
Algunos de las principales ventajas que ofrece el Edge AI son:
- Reduce los costes y los tiempos de latencia para una experiencia de usuario mejorada. Esto facilita la integración de tecnologías wearables enfocadas a la experiencia de usuario, donde se interactúa en tiempo real para efectuar pagos, o donde unas pulseras le monitorizan el ejercicio y los patrones del sueño.
- Aumenta el nivel de seguridad en cuanto a la privacidad de los datos mediante su procesamiento local. Los datos ya no son compartidos en una nuble centralizada.
- Técnicamente, la reducción en el ancho de banda requerido debería llevar a una reducción en los costes del servicio de internet contratado.
- Los dispositivos con tecnología Edge no requieren de un mantenimiento especializado por parte de científicos de datos o desarrolladores de Inteligencia Artificial. Los flujos gráficos de datos son entregados automáticamente para su monitorización, por tanto, se trata de una tecnología autónoma.
¿Por qué es importante el Edge AI?
Por otro lado, la lista de aplicaciones del Edge AI es larga. Los ejemplos actuales incluyen reconocimiento facial y actualizaciones del tráfico en tiempo real en smartphones, así como vehículos semiautónomos o dispositivos inteligentes. Otros dispositivos habilitados para Edge AI incluyen videojuegos, altavoces inteligentes, robots, drones, cámaras de seguridad y dispositivos wearables para el monitoreo de la salud. A continuación, se detallan algunas áreas más en las que se espera que Edge AI se siga utilizando:
- Otorgará inteligencia a los procesos de detección por cámaras de seguridad. Las cámaras de vigilancia tradicionales graban imágenes durante horas para después ser almacenadas y utilizadas en caso de ser necesario. Sin embargo, con el Edge AI, los procesos algorítmicos se llevarán a cabo en tiempo real en el propio sistema, así, las cámaras serán capaces de detectar y procesar actividades sospechosas en tiempo real, para un servicio más eficiente y menos costoso.
- Los vehículos autónomos aumentarán su capacidad de procesamiento de datos e imágenes en tiempo real para la detección de señales de tráfico, peatones, otros vehículos, y carreteras, mejorando los niveles de seguridad en el transporte.
- Se podrá utilizar en el análisis de imágenes y de video, para generar respuestas a estímulos audiovisuales, o para el reconocimiento en tiempo real de escenas y espacios, por ejemplo, en smartphones.
- Reducirá los costes y mejorará la seguridad en cuanto al IoT industrial (IIoT). La IA se encargará de monitorizar maquinaria en busca de posibles defectos o errores en la cadena de producción, mientras el Machine Learning recompilará datos en tiempo real de todo el proceso.
- Servirá para el análisis de imágenes médicas en atención médica de urgencias.
- El despliegue de redes con tecnología 5G supondrá una mayor velocidad y una latencia muy baja para la transmisión de datos móviles, dando una mayor utilidad al Edge AI. Las empresas ya se han hecho eco de esto y, por ejemplo, IBM y Red Hat se han asociado para lanzar soluciones Edge basadas en tecnología 5G, con el objetivo de permitir a las empresas administrar más fácilmente las cargas de trabajo en un volumen masivo de dispositivos de diferentes proveedores y así ofrecer al sector de las telecomunicaciones la agilidad que necesita para ofrecer rápidamente servicios a sus clientes.
No existen límites de aplicación para la tecnología Edge AI. Tras la crisis del Covid-19, el ingenio de las empresas ha llevado a desplegar soluciones basadas en Inteligencia Artificial para brindar información precisa y en tiempo real. En la atención médica, por ejemplo, la IA está ayudando con el seguimiento, las pruebas y el tratamiento de pacientes.
La creatividad e imaginación de la comunidad de desarrolladores supone el único límite real de la tecnología Edge. Por esto, ya existen proyectos colaborativos que intentan capacitar a estudiantes y profesionales con perfil STEM en esta nueva tecnología.
Un ejemplo de ello es el de Intel y Udacity que están colaborando en el programa Intel Edge AI for IoT Developers Nanodegree, con el objetivo de capacitar a la comunidad de desarrolladores en Deep Learning y Computer Vision. Esto incluye ingenieros de software, ingenieros de Machine Learning, científicos de datos, y todos aquellos involucrados en el desarrollo de aplicaciones de IA basadas en la nube. Se espera que el programa derive en un desarrollo de aplicaciones de Edge AI más orientadas al usuario.
Conclusiones
A medida que los usuarios pasan más tiempo con sus dispositivos móviles, más empresas y desarrolladores comprenden la importancia de implementar tecnología Edge para ofrecer un servicio más inmediato y eficiente, a la par que mejoran su margen de beneficios. Esto abrirá un nuevo mundo de posibilidades en cuanto a servicios basados en IA a nivel de empresa y a nivel de conveniencia y satisfacción de usuario.
Grandes empresas como Amazon y Google han estado invirtiendo millones en el desarrollo de sus sistemas Edge AI, por lo tanto, la única forma de mantenerse competitivo es tomar ejemplo e invertir en estas tecnologías. Por otra parte, el aumento en la demanda de dispositivos IoT facilitará la adopción de redes 5G y del propio Edge Computing.
Sin embargo, existe la falsa noción de que la tecnología Edge reemplazará a la nube, esto no es así, Edge funcionará de manera complementaria con la nube. Los datos seguirán siendo procesados en la nube, pero los datos generados de manera inmediata por los usuarios, y que pertenecen únicamente a los usuarios, pueden ser operados y procesados en Edge.
