Olhando ao longo do horizonte para a mudança “inteligente” do mar na IoT

Todos nós fomos inundados com o hype em torno das “coisas inteligentes” da Internet das Coisas e a chegada iminente de nossos senhores robôs, então tendemos a minimizar a maravilha alucinante da metamorfose da computação responsiva e inteligente que está sobre nós.

Por anos, a comunidade IoT tem dito que, se realmente queremos que as "coisas" tenham valor, elas não podem ser burras. A primeira onda estava conectando tudo e avançamos lá. O próximo passo é realmente tornar as “coisas” mais inteligentes.

Há uma variedade de soluções comerciais que realmente não cumprem a promessa de automatizar nosso caminho para vidas mais produtivas. E as preocupações com a proteção adequada de nossos itens conectados ainda pesam muito. Mas realmente houve saltos transformadores na capacidade de computação e na funcionalidade alcançável. O caso de uso matador para a IoT está no horizonte, mas antes de definir o que é e descrever como se manifestará, acho que é importante identificar amplamente como chegamos aqui.

A “Trindade”

O impacto do movimento do código aberto em impulsionar saltos exponenciais no avanço tecnológico não pode ser minimizado. Os algoritmos e a infraestrutura de computação que geram coisas “inteligentes” - IoT, inteligência artificial e recursos de aprendizado de máquina - existem há décadas. Qualquer pessoa na NSA pode lhe dizer isso.

A diferença agora está na acessibilidade para as massas. Essas tecnologias já foram guardadas com zelo, isoladas do resto do mundo e apenas disponíveis em instituições formidáveis ​​que possuíam vastos recursos tanto de pessoal quanto de capacidade de computação. O código aberto mudou tudo isso. Coisas novas não precisam mais ser construídas do zero, sobrecarregando assim o ciclo de inovação. O amplo acesso a bases de conhecimento e software permite que qualquer pessoa inclinada a construir sobre os ombros de gigantes e alavancar a sabedoria das multidões.

A explosão criativa alimentada pelo código aberto ajudou a dar origem à nuvem, que é o segundo movimento responsável por inaugurar nossa nova era da computação. Livre das limitações físicas e despesas de pilhas de servidores individuais e armazenamento local, a era do “aplicativo para tudo” surgiu e a capacidade de coleta sob demanda e consumo de big data foi liberada. Uma vez que pudemos dimensionar o poder de computação sem restrições geográficas, nossa tecnologia tornou-se móvel e o sonho de dispositivos menores e cada vez mais poderosos, traficando em quantidades colossais de informações, tornou-se realidade.

Big data dá força vital à computação moderna. Mas os dados não fazem nada e, por si só, não tem valor. Isso nos leva ao terceiro movimento na revolução “inteligente”:a análise. Os tipos de computação aumentada que as pessoas encontram na vida cotidiana agora - reconhecimento de voz, reconhecimento de imagem, carros autônomos e que auxiliam o motorista - são baseados em conceitos que surgiram da análise e da busca de modelos de análise preditiva, o que estava na moda apenas alguns anos atrás.

A descoberta desanimadora com a análise preditiva foi que, para treinar modelos eficazes, você precisa de grandes quantidades de dados e dezenas de cientistas de dados para construir, manter e melhorar continuamente os modelos de dados. Estávamos mais uma vez nos deparando com os bloqueios de acesso e restrição de recursos.

E assim chegamos ao presente, onde as coisas estão mudando em uma nova direção. A diferença agora é que não precisamos recrutar um exército de cientistas de dados para construir modelos; ensinamos nossos programas a remover alguns desses obstáculos para eles próprios.

Inteligência inerente

Nossos sistemas baseados em IA, especialmente sistemas de aprendizado profundo, agora podem receber milhões e milhões de conjuntos de treinamento, treinar em dias / horas e treinar continuamente à medida que mais dados se tornam disponíveis. Ferramentas de código aberto e computação em nuvem ainda são importantes e estão em evolução, e ainda trafegamos cargas de dados para realizar análises ultrarrápidas, mas nossos programas agora incorporam IA como mecanismo para se tornarem "mais inteligentes".

A experiência de domínios de computação amplamente diferentes congelou para imbuir programas com capacidades antes inimagináveis. O paradoxo é que, conforme a nuvem se torna cada vez mais poderosa e menos cara, a estratégia de IoT inteligente é mover muito da primeira linha de processamento de entrada da nuvem para a borda. Isso serve a dois propósitos:permitir decisões no dispositivo sem a necessidade de intervenção na nuvem e fornecer análises e padrões de borda para a nuvem para análises rápidas de segundo estágio. Os pequenos mecanismos de IA agora podem realizar análises quase em tempo real em dispositivos de ponta e “coisas” não maiores do que uma caixa de fósforos. E à medida que esses pontos de poder computacional se tornam cada vez mais comuns em objetos comuns - roteadores e gateways inteligentes, veículos autônomos, dispositivos de monitoramento médico em tempo real - sua funcionalidade potencial se expande exponencialmente.

Inteligência artificial no limite

Nos primeiros dias da IoT (também conhecido como M2M), o foco era enviar dados para a nuvem, quando possível. Enviar arquivos de log por FTP todas as noites era a raiva. Quando a General Electric entrou em cena com a “internet industrial”, todos começaram a falar sobre conectividade de dados ao vivo em tempo real. Foi um grande salto em relação ao FTP, mas as pessoas tratavam os dispositivos de ponta simplesmente como “coisas” que transferiam dados para a nuvem para análise. Estamos agora no meio de um leque reverso exponencial desse pensamento. Os requisitos em tempo real estão redefinindo o paradigma. A nuvem agora está mudando para a função de suporte à IoT e análises de segundo nível, e o processamento está chegando ao limite.

Por exemplo, temos trabalhado com uma empresa que desenvolve um dispositivo de monitoramento médico de última geração. Inicialmente, presumimos que, com um dispositivo tão pequeno, enviaríamos dados brutos do dispositivo para a nuvem para análise. Mas não foi isso o que se desejou, nem o que aconteceu. A empresa queria a análise no monitor. Eles queriam que a análise e a detecção de padrões ocorressem diretamente no dispositivo, para realizar ações no dispositivo e que apenas dados “inteligentes” (em oposição aos brutos) fossem enviados para a nuvem. O modelo diferia drasticamente das operações M2M industriais padrão - onde tudo seria conectado e lotes de dados vindos de todas as fontes seriam coletados e processados ​​em algum cronograma definido em algum repositório central.

O objetivo da conexão agora é obter resultados de precisão instantânea no ponto de entrada para respostas imediatas. Mesmo a baixa latência envolvida no processamento em nuvem “tradicional” com centenas de milhares, senão milhões e bilhões de dispositivos, não é tão eficiente para análises de borda em tempo real quanto usar essa nova arquitetura. Em alguns casos, você pode obter uma redução de dados de 1.000x apenas enviando a análise e os padrões em comparação com os dados brutos para a nuvem.

Não lidamos mais com dispositivos de coleta idiotas; precisamos que eles façam mais do que apenas curadores. Eles devem ser artificialmente (e naturalmente) inteligentes - capazes de fazer reconhecimento de padrões e análises em seus minúsculos motores. Eles enviam esses resultados para a nuvem para outros usos. À medida que esse ideal se prolifera, o mesmo ocorre com as aplicações possíveis.

Como está perfeitamente incorporado no exemplo de um carro autônomo, este modelo analítico de dupla ponta / nuvem produz resultados precisos em tempo real que podem ser continuamente e automaticamente refinados em relação a uma quantidade cada vez maior de mais dados, produzindo assim informações valiosas e úteis e impulsionando a ação produtiva. Mesmo um ano atrás, eu teria ligado para B.S. com base nessa noção de integração generalizada de IoT e IA - mas a computação de ponta e a IA realmente saíram do laboratório e chegaram ao nosso mundo. Isso produzirá resultados que nunca vimos antes.

Os casos de uso matadores para IoT estão se manifestando por meio de dispositivos de ponta verdadeiramente inteligentes - em soluções que são criadas para problemas ou tarefas específicas, então interconectadas e sujeitas a padrões que vão além de sua aplicação inicial. À medida que "coisas" habilitadas para IA cada vez mais inteligentes são incorporadas em nossas vidas cotidianas e operam nas bordas de nossas redes de intercomunicação, veremos as coisas indo além de apenas estar conectado e incorporando ativamente a inteligência. Coisas inteligentes, de fato.

Este artigo foi produzido em parceria com a Greenwave Systems.

O autor é vice-presidente e arquiteto de sistemas de engenharia da Greenwave Systems, onde orienta o desenvolvimento da análise visual baseada em borda e do ambiente de descoberta de padrões em tempo real AXON Predict. Ele tem mais de 25 anos de experiência na execução de sistemas corporativos e soluções de análise visual avançada.