Principais Tendências de Edge AI em 2022

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

Ciência de Dados é o terceiro cargo mais procurado mundialmente. Em nosso estudo recente sobre Estado do Edge Computing na Espanha, Cientista de Dados é o profissional mais desejado entre empresas espanholas em mercado com crescimento exponencial, esperado para atingir 190 bilhões de dólares até 2025.

Tal é a proeminência da IA no mercado que não faz mais sentido falar dela como tecnologia única, mas como muitos ramos servindo usos diferentes a diferentes indústrias.

Entre tendências identificadas como mais maduras e próximas do estágio de produção estão as que identificamos na rotina diária. Por exemplo, processamento de linguagem natural que usamos ao falar com chatbots cada vez mais humanos, imagem computacional que possibilita automação de processamento de vídeo em tempo real, e buscas semânticas, que levam a melhores resultados de busca.

No outro extremo, há tendências mais futuristas que não emergirão por pelo menos 10 anos. Exemplos interessantes são tecnologias AI TRISM (Trust, Risk and Security Management), que permitem regular modelos de IA tornando-os mais resilientes a ataques de segurança e privacidade, e transformers, que permitem adaptar modelos de IA ao contexto e terão grande impacto melhorando aplicações como tradutores, criação automática de documentos, ou análise de sequências biológicas.

Entre os dois extremos estão outras tecnologias habilitadoras que levarão de dois a cinco anos da implantação à maturidade de mercado, chamadas de "Futuro Próximo da IA". Entre estas: IA centrada no humano, IA generativa, orquestração e automação de IA, e, liderando todas na curva de maturidade, IA na Edge, também conhecida como "Edge AI". Em 2021, Edge AI tornou-se a tecnologia que amadurecerá no futuro próximo.

Edge AI e a Revolução da Inteligência Distribuída no Mundo Industrial

Edge AI ou IA na Edge pode ser resumida como capacidade de executar algoritmos de inteligência artificial em dispositivos (dispositivos IoT, dispositivos edge) muito próximos à fonte de dados.

Esta tecnologia cresce exponencialmente, apoiada por estatística assustadora: mais de 60% das organizações industriais não têm infraestrutura Cloud que as ajude a inovar eficientemente.

Então, se olharmos com lupa para projetos Edge AI, quais são as tendências mais disruptivas que veremos em 2022 e 2023?

Abaixo, resumo do nosso top 5:

1. Indústrias Críticas Serão Principais Impulsionadoras: de SCADA a Edge AI

Na Barbara IoT encontramos padrões repetidos em indústrias na vanguarda do Edge AI: todas lidam com muitos ativos distribuídos críticos. Ou seja, indústrias que enfrentam grandes desafios de fragmentação tecnológica, escalabilidade e cibersegurança. Estes podem ser minimizados executando algoritmos de IA na edge. Prevemos que estas indústrias desenvolverão casos de uso muito ambiciosos e transformadores.

Sistemas SCADA usados desde os anos 80 têm propósitos similares em captura e processamento de dados. No entanto, sistemas SCADA precisam ser complementados por tecnologias mais modernas para responder a requisitos cada vez mais exigentes de interoperabilidade, abertura e segurança. É aqui que Edge AI ajuda: multiplicar o valor destes sistemas.

2. Thin Edge Complementará Thick Edge

Existem diferentes interpretações sobre o significado de "edge" quando nos referimos a Edge AI. Tradicionalmente, edge foi identificada como infraestrutura de operadora de rede mais próxima do usuário. Por exemplo, ao falar de redes 5G, referimo-nos a operadoras implantando multidões de nós chamados "Multiaccess Edge Computing" para processamento de dados próximo. Estes nós são instalados em servidores muito similares aos de data centers para serviços cloud, e têm alto potencial para processar algoritmos complexos de IA. Isto é o que alguns analistas chamam de "Thick" Edge.

Porém, recentemente nós Edge de outro tipo começam a ser desenvolvidos: diretamente conectados a sensores e switches, que quando instalados em dispositivos de baixa potência como gateways ou concentradores, servem para rodar algoritmos de IA mais simples com tempos de resposta menores, mais próximos do tempo real. Este novo tipo de Edge, chamado "Thin" Edge, permitirá enfrentar rapidamente e com flexibilidade projetos de maior escala que incluem locais remotos ou requisitos de alta segurança e isolamento de dados.

3. Edge Mesh como Novo Paradigma para Habilitar Inteligência Artificial Distribuída

Edge AI é tradicionalmente baseada em modelos de decisão treinados com grandes dados. O modelo, consistindo de série de fórmulas matemáticas, é instalado em Nós Edge. Dali, cada nó toma suas próprias decisões baseadas nos dados que recebe e no modelo instalado.

O novo paradigma, conhecido como Edge Mesh, possibilita que decisão de um nó seja condicionada pela decisão de outro nó, como se fosse rede em malha. Bom exemplo para entender o poder desta nova arquitetura é sistema de tráfego inteligente.

Um nó Edge pode decidir tempo de semáforo usando algoritmos de IA que consideram número de carros e pessoas detectados por sensores. Porém, esta decisão poderia ser perfeitamente complementada por decisões de outros nós em ruas próximas.

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

4. Gestão de Ciclo de Vida Usando MLOps Torna-se Cada Vez Mais Importante

À medida que indústria avança para implantar Edge AI com nós distribuídos mais complexos e algoritmos de treinamento, a capacidade de manter ciclo de vida destes modelos treinados e dos dispositivos que os executam será chave para futuro desta tecnologia.

Neste sentido, projetos e empresas que aplicam filosofia DevOps para desenvolvimento, implantação e manutenção de algoritmos de IA serão aprimorados.

Esta forma de trabalho chama-se MLOps, combinação de Machine Learning e DevOps.

Mas o que exatamente é? Basicamente, visa reduzir tempos de desenvolvimento, teste e implementação de modelos de IA na Edge através de integração contínua de equipamentos e ambientes de desenvolvimento, testes e operações.

5. Edge AI Permite Intercâmbio de Dados Soberano

Não há dúvida que compartilhamento de dados será fundamental para melhorar processos em setores industriais com muitos stakeholders na cadeia de valor.

Vamos olhar para modelo de rede elétrica do futuro próximo: Smart Grid. Para receber ou oferecer melhor serviço, é essencial que fornecedores analisem e processem informação de vários stakeholders como prosumers, operadores, distribuidores e agregadores. Sem intercâmbio de dados transparente e ágil, será impossível atingir otimização de rede requerida até 2050.

Com Edge AI, processamento de dados não centralizado é possível, o que ajudará a superar obstáculos que a indústria enfrenta atualmente como segurança de dados, privacidade e soberania.