AIoT: la fusión perfecta entre el Internet de las Cosas y la Inteligencia Artificial

5 de mayo de 2021, by Alex Cantos

Según IBM, el verdadero potencial del IoT sólo podrá alcanzarse mediante la introducción de la Inteligencia Artificial. En este artículo iremos un poco más allá del IoT y nos centraremos en el análisis de los datos porque para nosotros el IoT sin el Big Data no es nada.

El IoT sin Big Data no es nada

En muchos de nuestros artículos hablamos sobre nuestra especialidad, el IoT industrial, y lo comparamos con el sistema nervioso de una empresa, imaginándolo como una red de sensores que recopila información valiosa desde todos los rincones del tejido productivo y las almacena en un repositorio que permite su análisis y explotación. En estos artículos, generalmente ponemos el énfasis en la necesidad de medir y obtener datos que nos permitan tomar buenas decisiones

Pero, ¿qué ocurre después? ¿Qué debemos hacer con todos esos datos recopilados? Siempre hablamos de tomar buenas decisiones basadas en información confiable, pero aunque pueda sonar obvio, no siempre es sencillo de conseguir. En este artículo iremos un poco más allá del IoT y nos centraremos en esos datos y en cómo explotarlos.

Hablaremos de la fase de análisis, ese proceso que convierte los datos primero en información y, luego, en conocimiento; eso que algunos llaman lógica de negocio. Aunque en el fondo no estamos saliendo mucho del ámbito del IoT, porque para nosotros el IoT sin el Big Data no es nada.

Big Data y Data Analytics

En las últimas décadas, especialmente en la última, hemos sufrido un increíble aluvión de datos (estructurados y desestructurados), producidos en masa por las omnipresentes tecnologías digitales. En el caso particular de la industria, parece especialmente interesante explotar esta ingente cantidad de información.

Esta necesidad de procesar todos los datos de negocio ha dado lugar al Big Data, Data Science o Data Analytics, que podríamos definir como los procesos que seguimos para examinar los datos capturados por nuestra red de dispositivos con el objetivo de revelar tendencias, patrones o correlaciones ocultas. Siempre con la idea de fondo de mejorar el negocio a través de nuevos tipos de conocimiento.

Existen diferentes definiciones de Big Data, muchas de ellas, como la de Gartner, refiriéndose a aspectos clave como el Volumen de datos o su Variedad o la Velocidad con la que se capturan. Estas son las llamadas 3Vs, aunque otros las extienden a 5Vs, añadiendo la Veracidad de los datos y el Valor que tienen para el negocio.

Pero nosotros creemos que no tiene mucho sentido entrar en disquisiciones teóricas sobre qué es y qué no es Big Data, porque Big Data ya es prácticamente todo.

IoT y Big Data

¿Cómo se relacionan el IoT y el Big Data? El punto de contacto principal suele ser una base de datos. En términos generales podríamos decir que el trabajo del IoT termina en esa base de datos, es decir, su meta es volcar todos los datos adquiridos de forma más o menos ordenada en un repositorio común y que, a su vez, el dominio del Big Data comienza precisamente en esa base de datos, es decir yendo a buscar los datos a ese repositorio para su transformación y posterior análisis. 

En cualquier caso, es interesante visualizar este Big IoT Data Analytics como una caja de herramientas. Una caja de la que sacaremos una u otra herramienta dependiendo del tipo de conocimiento que queramos extraer de los datos. Muchas de estas herramientas son algoritmos tradicionales, o mejoras o adaptaciones de aquellos, con principios estadísticos y algebraicos muy parecidos. Algoritmos que, en esencia, no se han inventado este siglo.

Esto sorprende a muchos, que se preguntan por qué no habían cobrado relevancia hasta ahora. La respuesta rápida es que ahora el volumen de datos disponible es mucho mayor pero, sobre todo, que la potencia de cálculo de las máquinas actuales permite la utilización de estas técnicas a mayor escala, dando, de alguna manera, nuevos usos a viejas metodologías.

Pero tampoco queremos dar la impresión de que todo estaba inventado y que la corriente actual de análisis de datos no ha aportado nada nuevo, ¡por supuesto que no! El ecosistema del dato es muy amplio y ha protagonizado una fuerte innovación en los últimos años.

Una de las áreas con mayor crecimiento es la Inteligencia Artificial. Aunque muchos defenderán que tampoco se trata de un invento reciente, puesto que ya en 1956 se empezaba a hablar de este fenómeno. La Inteligencia Artificial es tan amplia y de tal trascendencia que se suele considerar una disciplina autocontenida, pero la realidad es que, de alguna manera, forma parte del Big Data o del Data Analytics. Es otra de esas herramientas que ya hacía parte de nuestra caja pero que encontró una evolución natural en el AIoT.

AIoT: la inteligencia artificial de las cosas

El crecimiento exponencial del volumen de datos requiere nuevas formas de analizarlos. En este contexto, la Inteligencia Artificial cobra especial relevancia. Según Forbes las dos tendencias principales que están dominando la industria tecnológica son precisamente el Internet de las Cosas (IoT) y la Inteligencia Artificial . 

IoT y IA son dos tecnologías independientes que tienen un impacto significativo en múltiples verticales de la industria. Mientras que IoT es el sistema nervioso digital, la IA se convierte en un cerebro avanzado que toma las decisiones que controlan el sistema global. Según IBM, el verdadero potencial del IoT sólo podrá alcanzarse mediante la introducción de la AIoT.

¿Pero qué es la Inteligencia Artificial? ¿En qué se diferencia de los algoritmos convencionales? Solemos hablar de Inteligencia Artificial cuando una máquina (Artificial) imita las funciones cognitivas (Inteligencia) de los humanos. Es decir, resuelve problemas de la misma manera en que lo haría un humano. O, dicho de otra manera, cuando una máquina es capaz de encontrar nuevas formas de entender los datos, nuevos algoritmos de procesamiento para resolver problemas complejos sin que el programador —y esta es la clave— los conozca a priori; sin que el programador los programe. Así que podríamos pensar en la Inteligencia Artificial y, en particular, en el Machine Learning (que es la parte con mayor proyección dentro de la AI) como algoritmos que inventan algoritmos.

Diagrama sobre qué es AIoT

La combinación de IoT+AI nos trae la AIoT (Inteligencia Artificial de las Cosas, en inglés) que ofrece sistemas inteligentes y conectados que son capaces de tomar decisiones por sí mismos y de evaluar los resultados de estas decisiones y mejorar con el paso del tiempo.

Pero esta combinación se puede hacer de diversas maneras, de las que nos gustaría destacar dos:

1. Por una lado podríamos seguir hablando de ese cerebro como sistema centralizado que procesa todos los impulsos y que toma decisiones. En este caso estaríamos refiriéndonos a un sistema en la nube que de forma centralizada recibe toda la telemetría y actúa. Sería en inglés Cloud AI (Inteligencia Artificial en la Nube)

2. Y por otro lado, debemos hablar de una parte también muy importante del sistema nervioso: los reflejos. Los reflejos son decisiones autónomas que el sistema nervioso toma sin necesidad de enviar toda la información al procesador central (el cerebro). Estas decisiones se toman en la periferia, cerca de donde se han obtenido los datos que originan la decisión. Es lo que se denomina en inglés Edge AI (Inteligencia Artificial en el Extremo).

Cómo integrar Edge y Cloud AIoT

El Cloud IA nos da centralidad y un proceso concienzudo que tiene en cuenta la totalidad del sistema, en cambio, el Edge IA nos proporciona rapidez de respuesta y autonomía.

Pero al igual que ocurre con el cuerpo humano, estas dos formas de reaccionar no son excluyentes, sino que pueden ser complementarias. Por ejemplo, un sistema de control de aguas puede bloquear una válvula en campo en el momento en que detecta una fuga para evitar pérdidas mayores y, en paralelo, notificarlo al sistema central en el que se pueden tomar decisiones de más alto nivel, como abrir válvulas alternativas para canalizar el agua a través de otro circuito.

Las posibilidades son infinitas, y van más allá de este sencillo ejemplo de mantenimiento “reactivo”, es decir, actuar cuando ha ocurrido un evento, pudiendo predecir dichos eventos y habilitando un mantenimiento más “predictivo”.

Otro ejemplo de AIoT lo encontramos en las Smart Grids, dónde podríamos tener dispositivos inteligentes en el edge analizando los flujos de electricidad en cada nodo y tomando decisiones de balance de carga de forma local, mientras que, en paralelo, envían todos esos datos a la nube para un proceso más a nivel nacional. El análisis a nivel macroscópico permitiría tomar decisiones de balance de carga a nivel regional o incluso disminuir o aumentar la producción eléctrica apagando centrales hidroeléctricas o lanzando un proceso de compra de energía a un país vecino.

Lectura recomendada: Computación en el Edge aplicada al sector Eléctrico

La investigación en Edge Computing ha explotado en los últimos años, pasando de una producción de cerca de 2000 artículos anuales a más de 25.000, según Google Scholar. Además, la International Data Corporation (IDC) predice que el mercado del Edge Computing se va a duplicar en los próximos 4 años. Según Kevin Scott, CTO de Microsoft, la inteligencia en el edge está demostrando ser la última milla en la convergencia de los mundos digital y físico.

En Barbara IoT somos habilitadores tanto del Big Data Analytics como de la Inteligencia Artificial en la nube y en el Edge. Solicita una demo personalizada para conocer cómo podemos dotar a tu empresa de ese sistema nervioso inteligente que le permita avanzar hasta el siguiente nivel.

 

 

Si buscas desarrollar un proyecto IoT, contáctanos