IA en el Edge: piedra angular de la nueva revolución industrial

16 de junio de 2022, by Jaime Vélez

Los avances en Inteligencia Artificial siguen actuando como motor de la transición digital de la industria. Con el poder de la Inteligencia Artificial y la analítica empujando a las operaciones de IT, es sólo cuestión de tiempo que la inteligencia artificial se integre a lo largo de todos los procesos industriales.

Una nueva generación de unidades de procesamiento


Durante los últimos años la capacidad computacional y el crecimiento exponencial de las tecnologías hardware se han alineado para crear una nueva demanda en el sector tecnológico: la Inteligencia Artificial en los dispositivos Edge.

Con la llegada del IoT y la generación continua de datos, los modelos de aprendizaje automático se han beneficiado de poder entrenarse con millones de datos nuevos y reconfigurar así constantemente las ponderaciones de su modelo. Pero para ello necesitan ejecutar esta tarea muchas, muchas veces. 

Las CPUs están limitadas por su capacidad de procesamiento, pero eso cambia con la irrupción de las GPUs, cuyo diseño ya permite en paralelo procesar grandes bloques de datos.

También ha influido el surgimiento durante la última década de un tipo diferente de chip, diseñado específicamente para tareas de Inteligencia Artificial. Estos chips ya están disponibles en la mayoría de los ordenadores y dispositivos, lo que significa que pueden empezar a entrenar e inferir modelos de aprendizaje automático.

Todo este caldo de cultivo nos lleva a la conclusión de que: los microcentros de datos serán cada vez más importantes, por su capacidad de ofrecer una baja latencia, desplegar modelos de IA y procesar grandes volúmenes de datos evitando así su transporte a la nube.

IA en tus dispositivos

Hoy en día, el modelo cloud es el más habitual e implica utilizar la nube para realizar la computación de los datos, y, a través de una API, entrenar y servir un modelo de Machine Learning. 

Utilizando este modelo, el dispositivo se limita a transmitir los datos a través de una red al servicio y deja que éste haga los cálculos, para que a continuación, los resultados se envíen de vuelta al usuario. La computación en la nube se ha encargado tradicionalmente de la mayor parte del trabajo pesado para modelos avanzados.

Mientras que con la IA en el Edge, no es necesario enviar los datos a través de la red para que otra máquina realice el procesamiento. En su lugar, los datos pueden permanecer en el mismo sitio, y es el propio dispositivo el que puede realizar los cálculos.

Se abre así un nuevo paradigma, donde nos damos cuenta cómo el IoT hace que la introducción manual de datos quede en gran medida obsoleta, dejando que la inteligencia artificial (IA) se encargue de forma autónoma de la toma de decisiones, lo que supone un enorme avance y un increíble ahorro de costes.

Beneficios del IA en el Edge

La eliminación de la parte del servicio en la nube y su traslado a los dispositivos Edge, conlleva tres beneficios principales:

1) Ahorro de costes.
2) Reducción del tiempo de latencia y Autonomía de la red
3) Mayor privacidad y mejor seguridad
Fog Computing ejemplo

Ahorro de costes:

La IA en el Edge alivia las cargas de trabajo de los ordenadores de la nube. Las redes no se sobrecargan y el uso de la CPU, GPU y de la memoria disminuye significativamente a medida que sus cargas de trabajo se distribuyen entre los dispositivos en el Edge.

La Inteligencia en el Edge permite acercar el (pre)procesamiento de datos y la

toma de decisiones más cerca de la fuente de datos, lo que reduce los retrasos en la comunicación. Este (pre)procesamiento permite acumular y condensar los datos antes de enviarlos a los servicios centrales IoT en la nube o almacenarlos.

Toda esta eliminación de sobrecargas, mejora notablemente la velocidad en la toma de decisiones, que supone un importante ahorro de costes en procesos críticos como son los industriales.

Los dispositivos y sensores en muchas ocasiones producen más datos de los que compensa económicamente transmitir a la nube. Problema que resuelve el AI en el Edge, aplicando algoritmos analíticos, que procesan los datos entrantes de los sensores y envían sólo las decisiones o las alarmas en lugar de los datos en bruto.

Desde Barbara hemos diseñado y desarrollado nuestra tecnología para que funcione en el Thin Edge (parte del Edge más cercana a la toma de datos), capaz de procesar datos en alta frecuencia (>1kHz) y actuar con latencias ultra bajas (<1ms). Todo ello con la escalabilidad que permite gestionar miles de nodos de manera remota minimizando así las visitas al campo.

Latencia y autonomía de red:

Cuando la computación en la nube realiza todos los cálculos para un servicio, alguna de sus ubicaciones centrales se sobrecarga. Es entonces cuando las redes ven mucho tráfico para llevar los datos a la fuente y las máquinas comienzan a realizar sus tareas. Lo que provoca que las redes vuelvan a estar ocupadas, enviando datos de vuelta al usuario. Gracias a los dispositivos Edge conseguimos eliminar estas transferencias de ida y vuelta

La IA en el Edge nos permite además equilibrar la carga del usuario, la aplicación o la red en función de los cambios que se produzcan en la infraestructura central, adaptándonos a fallos temporales o a los procedimientos de mantenimiento y tomar decisiones basadas en las alarmas o en el intercambio de información preprocesada entre los dispositivos Edge.

Por ejemplo cuando los dispositivos y sensores se encuentran en lugares con

conectividad intermitente, necesitan un procesamiento de datos y toma de decisiones local para seguir funcionando. La computación en el Edge puede proporcionar un búfer de datos, así como reglas o algoritmos predictivos para permitir el funcionamiento autónomo.

Mejora de la privacidad:

Los datos son más vulnerables a ser robados cuando viajan. Incluso si no son robados, terceras partes pueden saber que algo fue transmitido entre una parte y otra, incluso averiguar qué tipo de información se envía a través de la red.

Hacer despliegues de Machine Learning sobre la ubicación significa que los datos, y las predicciones hechas sobre esos datos, tienen un menor riesgo de ser vistos mientras viajan. En el Edge tus datos no se ven comprometidos, y tu relación con el proveedor de servicios de Inteligencia Artificial puede permanecer protegida.

Con la IA en el Edge, tenemos más control sobre quién sabe qué de nosotros, evitando que terceros tengan acceso a información confidencial o sensible.

Barbara ha sido concebida con la seguridad por diseño e integra mecanismos de protección de acuerdo con las recomendaciones de los principales organismos y estándares de la industria, como el IEC-62443, reduciendo los riesgos asociados a ciberataques contra tus equipos, tu propiedad intelectual y la integridad de tus datos.

El nuevo modelo de Inteligencia Artificial distribuido frente al Cloud

Los principales inconvenientes del Edge con respecto al Cloud son: una menor potencia de cálculo y la heterogeneidad de dispositivos y tecnologías. Algunos detractores señalan que a pesar de que la computación del Edge es buena, sigue careciendo de la potencia de cálculo disponible en un sistema en la nube.

Es verdad que la potencia de la nube a día de hoy no es comparable con el Edge, por eso seguirá encargándose de crear y servir los modelos más intensos en capacidad computacional. Mientras que los modelos más ligeros se delegan en el Edge, ocupado también de manejar pequeñas tareas de aprendizaje por transferencia, de una forma distribuida. A pesar de todo, cada día la tecnología Edge permite más poder de computación, por lo que podrá hacerse cargo de aplicaciones cada vez más complejas.

El IoT ha revolucionado el modelo de computación en el Edge al introducir nuevos escenarios de uso con las siguientes condiciones en común:

  • Tiempo real: Industrias en las que se requiere de tomas de decisiones en milisegundos. 
  • Conectividad: las redes móviles actuales son a menudo irregulares y no pueden garantizar siempre la conexión con la nube. Algunos servicios necesitan estar siempre conectados.
  • Volumen de datos: la cantidad de datos generados por sensores puede ser enorme, lo que podría obstruir los canales de comunicación de área amplia.
  • Contexto: un contexto empresarial que siga la tendencia de descentralización, que permita interpretar los datos del IoT para la toma de decisiones..

La disrupción del modelo cloud no significa la desaparición de la nube, sino su extensión a la periferia. La nube seguirá existiendo. De hecho, ciertas funciones se realizan mejor en el cloud, como puede ser el entrenamiento de los algoritmos predictivos, ya que normalmente sólo la nube tiene todo el histórico necesario.

La IA en el Edge supone entonces un nuevo modelo de computación totalmente distribuida, que soporta una amplia gama de comunicaciones e interacciones. Lo que permite funcionalidades tan potentes como:

  • La toma de decisiones autónoma y local basada en los datos entrantes del IoT y en la información de la empresa en caché.
  • Redes entre pares: dispositivos que se comunican entre sí sobre un objeto dentro de su ámbito.
  • Consultas distribuidas a través de los datos que se almacenan en dispositivos, en la nube y en cualquier lugar. 
  • Gestión de datos distribuida, por ejemplo envejecimiento de los datos: qué datos almacenar, dónde y durante cuánto tiempo.
  • Algoritmos de autoaprendizaje que aprenden y se ejecutan en el Edge, o en la nube.
  • Aislamiento, con dispositivos que están desconectados durante mucho tiempo, operando con consumo mínimo de energía para maximizar su vida útil.

Barbara, con este modelo de computación distribuida permite ir más allá de la analítica de datos y no sólo conectar los activos industriales, sino también coordinarlos para analizar situaciones y tomar decisiones en tiempo real.

Lectura recomendada: La Computación Distribuida como catalizador del cambio en el sector Industrial

Un último reto: la diversidad de maquinaria y fabricantes.

Depender de los dispositivos Edge significa que existe una mayor heterogeneidad de tecnologías. Por lo tanto, suele ser más difícil integrarlas y conectarlas entre sí y los fallos son más comunes.

Para solucionar este problema, la plataforma Barbara cuenta con una amplia librería de conectores que permite conectar los Nodos Edge con cualquier sensor, actuador, PLC o equipo industrial para el intercambio de información y comandos, así como con plataformas IT para casos de uso híbridos cloud-edge.

Barbara cuenta también con un orquestador Edge que permite desplegar, gestionar y configurar en los nodos aplicaciones de forma centralizada y en un solo click. Nuestro sistema permite la ejecución de aplicaciones de diferentes autores en paralelo, que pueden operar independiente o coordinarse para trabajar de forma sincronizada. Los espacios de despliegue son multi-lenguaje y multi-framework, y están aislados para proteger la propiedad intelectual del autor de la aplicación.

La implementación de IA en el Edge revoluciona así la industria tal y como la conocemos, permitiendo crear valor y nuevas oportunidades para los actores implicados. 
Si te ha interesado este artículo, contacta con nosotros para conocer con más detalle la Tecnología de Barbara IoT y solicita una demo personalizada.

Habla con nuestros expertos si quieres que estudiemos tu caso de uso