Principais tendências do Edge AI a serem observadas em 2022

Desde que foi adicionado como um campo de estudo em 1956 nas universidades, Inteligência Artificial passou por ambos os períodos de otimismo e pessimismo em igual medida. Não há dúvida de que hoje assistimos a um momento de grande otimismo.

Data Science é o terceiro posto de trabalho mais procurado em todo o mundo. De fato, em nosso recente estudo sobre o estado da computação de ponta na Espanha, o Cientista de Dados é o profissional mais procurado entre as empresas espanholas em um mercado que está experimentando um crescimento exponencial e deve atingir 190 bilhões de dólares até 2025.

Tal é a proeminência da IA ​​no setor de mercado que não faz mais sentido falar dela como uma única tecnologia, mas como muitos ramos que atendem a diferentes usos para diferentes setores.

Entre as tendências identificadas como as mais maduras e mais próximas da fase de produção estão as que podemos identificar no nosso dia a dia. Por exemplo, processamento de linguagem simples que usamos quando falamos com chatbots cada vez mais humanos, a imagem de máquina que permite automatizar o processamento de vídeo em tempo real e pesquisas semânticas, que levam a melhores resultados de pesquisa.

No outro extremo, há mais futuristas que não surgirão por pelo menos 10 anos. Alguns exemplos interessantes são o AI TRISM (Gerenciamento de Confiança, Risco e Segurança)  tecnologias, que permitem regular os modelos de IA tornando-os mais resilientes a ataques de segurança e privacidade, e transformadores, que permitem adaptar os modelos de IA ao contexto e terão um grande impacto na melhoria de aplicações como tradutores, documentos automáticos criação, ou a análise de sequências biológicas.

Entre os dois extremos estão outras tecnologias capacitadoras que levarão de dois a cinco anos desde a implantação até a maturidade do mercado, o que pode ser chamado de “Futuro Próximo da IA”. Entre elas estão IA centrada no ser humano, IA generativa, orquestração e automação de IA e, liderando todas as outras na curva de maturidade, IA no Edge, também conhecida como "Edge AI". Em 2021, o Edge AI se tornou a tecnologia que amadurecerá no futuro próximo.

IA de ponta e a revolução da inteligência distribuída no mundo industrial

Edge AI ou AI on the Edge pode ser resumido como a capacidade de executar algoritmos de inteligência artificial em dispositivos (dispositivos IoT, dispositivos de borda) que estão muito próximos da fonte de dados.

Essa tecnologia está crescendo exponencialmente, apoiada por uma estatística assustadora:mais de 60% das organizações industriais não possuem uma infraestrutura de nuvem que os ajude a inovar com eficiência.

Então, se levarmos uma lupa para os projetos Edge AI, quais são as tendências mais disruptivas que testemunharemos em 2022 e 2023?

Abaixo está um resumo do nosso top 5:

1. Os setores críticos serão os principais impulsionadores:do SCADA ao Edge AI

Na Barbara IoT, estamos encontrando padrões repetidos em setores que estão na vanguarda da Edge AI: todos eles lidam com muitos ativos distribuídos críticos. Em outras palavras, são indústrias que enfrentam grandes desafios de fragmentação tecnológica, escalabilidade e segurança cibernética. Isso pode ser minimizado executando algoritmos de IA na borda. Podemos prever que essas indústrias desenvolverão casos de uso muito ambiciosos e transformadores.

Os sistemas SCADA utilizados desde a década de 80 têm finalidades semelhantes em termos de captura e processamento de dados. No entanto, os sistemas SCADA precisam ser complementados por tecnologias mais modernas para que possam responder aos requisitos cada vez mais exigentes de interoperabilidade, abertura e segurança . É aqui que o Edge AI pode ajudar:multiplicar o valor desses sistemas.

2. A borda fina complementará a borda grossa

Existem diferentes interpretações sobre o significado do que é “borda” quando nos referimos ao Edge AI. Tradicionalmente, a borda tem sido identificada como a infraestrutura da operadora de rede mais próxima do usuário. Por exemplo, quando falamos de redes 5G, nos referimos a operadoras que estão lançando uma infinidade de nós chamados “Multiaccess Edge Computing” que são usados ​​para processamento de dados de perto. Esses nós são instalados em servidores muito semelhantes aos que podem ser encontrados em um data center projetado para hospedar serviços em nuvem, e possuem alto potencial e capacidade de processar algoritmos complexos de IA. Isso é o que alguns analistas chamam de Borda “Grosa”.

No entanto, recentemente nós de borda de outro tipo estão começando a ser desenvolvidos:aqueles conectados diretamente a sensores e switches, que, quando instalados em dispositivos de baixa potência, como gateways ou concentradores, servem para executar algoritmos de IA mais simples, com tempos de resposta mais curtos e mais próximos do tempo real. Esse novo tipo de Edge, chamado "Thin" Edge, possibilitará lidar de forma rápida e flexível com projetos de grande escala que incluem locais remotos ou requisitos de alta segurança e isolamento dos dados.

3. Edge Mesh como o novo paradigma para habilitar a inteligência artificial distribuída

O Edge AI é tradicionalmente baseado em modelos de decisão que são treinados usando grandes dados. O modelo, composto por uma série de fórmulas matemáticas, é instalado nos Edge Nodes. A partir daí, cada nó pode tomar suas próprias decisões dependendo dos dados que recebe e do modelo que foi instalado.

O novo paradigma, conhecido como Edge Mesh, possibilita que a decisão de um nó seja condicionada pela decisão de outro nó como se fosse uma rede treliçada. Um bom exemplo para entender o poder dessa nova arquitetura é um sistema de tráfego inteligente.

Um nó Edge pode tomar decisões sobre o horário de um semáforo usando algoritmos de IA que levam em consideração o número de carros e pessoas detectados pelos sensores. No entanto, esta decisão pode ser perfeitamente complementada pelas decisões tomadas por outros nós em ruas próximas.

O objetivo do Edge Mesh é distribuir inteligência entre vários nós para oferecer melhor desempenho, tempos de resposta e tolerância a falhas do que com arquiteturas mais tradicionais.

4. O gerenciamento do ciclo de vida usando MLOps é cada vez mais importante 

À medida que a indústria avança para a implementação da Edge AI com nós mais distribuídos e algoritmos de treinamento mais complexos, a capacidade de manter o ciclo de vida desses modelos treinados e dos dispositivos que os executam será fundamental para o futuro dessa tecnologia.

Nesse sentido, os projetos e empresas que aplicam a filosofia DevOps para o desenvolvimento, implantação e manutenção de algoritmos de IA serão aprimorados.

Essa forma de trabalhar é chamada de MLOps, uma combinação de Machine Learning e DevOps.

Mas o que é exatamente? Basicamente, ele visa reduzir os tempos de desenvolvimento, teste e implementação de modelos de IA on the Edge por meio da integração contínua de equipamentos e ambientes de desenvolvimento, testes e operações.

 5. O Edge AI permite o intercâmbio de dados soberano

Não há dúvida de que o compartilhamento de dados será fundamental para melhorar os processos nos setores da indústria com muitos stakeholders dentro da cadeia de valor.

Vamos olhar para o modelo de rede elétrica no futuro próximo:uma rede inteligente. Para poder receber ou oferecer um melhor serviço, é essencial que os fornecedores possam analisar e processar informações de diversos stakeholders como prossumidores, operadores, distribuidores e agregadores. Sem uma troca de dados transparente e ágil, será impossível alcançar a otimização de rede necessária até 2050.

Com o Edge AI, é possível um processamento de dados centralizado no ON, o que ajudará a superar alguns dos obstáculos que o setor enfrenta atualmente, como segurança de dados, privacidade e soberania.