Il futuro dell’intelligenza artificiale è ai margini

L’Internet delle cose (IoT) è come una rete di entità in continua replicazione, che genera una quantità di dati senza precedenti e crescente. Si stima che entro il 2025 ci saranno 75,44 miliardi di dispositivi connessi nel mondo.

Sebbene sia difficile razionalizzare questi numeri, una cosa certa è che il nostro mondo sta diventando sempre più connesso, contestuale e reattivo. I dati che otterremo da questi dispositivi verranno utilizzati per alimentare una nuova generazione di applicazioni intelligenti, ma rappresentano anche una sfida: come possiamo elaborarli al meglio per generare valore per i custodi di questi dati?

È qui che entra in gioco l’edge computing. L’edge computing è un paradigma di calcolo distribuito che avvicina le risorse informatiche alla fonte dei dati, in altre parole, alle risorse, ai processi e agli attori che generano gli eventi che danno come risultato i dati.

Sebbene sia stato creato molto entusiasmo attorno all'elaborazione grafica (il prezzo delle azioni di NVIDIA non è altro che un singolo proxy), l'edge è una frontiera cruciale per la differenziazione e l'ottenimento di un vantaggio competitivo in situazioni in cui il tempo e la complessità richiesti per prendere una decisione o innescare un evento, sono limitati. posta in gioco.

L’edge computing consente l’elaborazione dei dati in tempo reale e un feedback a bassa latenza, essenziali per le applicazioni AIoT. L'AIoT, o Intelligenza Artificiale delle Cose, è l'applicazione di modelli di machine learning, alimentati da dispositivi di edge computing per generare insight significativi, quasi in tempo reale.

Questi dispositivi si presentano come sensori, che elaborano e assimilano dati come contatori di energia, sensori di temperatura e tracciatori di risorse, fino a, in modo più critico, dispositivi gateway che consumano ed elaborano questi dati collettivamente.

Statista prevede che il mercato globale dell’edge computing raggiungerà i 257,3 miliardi di dollari entro il 2025 e, secondo un articolo della National Science Foundation, la latenza media per l’edge computing è di dieci millisecondi, rispetto ai cento millisecondi del cloud computing.

Secondo GlobalData, l’edge computing può ridurre il costo dell’elaborazione dei dati fino al 70%, grazie a mainframe, database cloud e ambienti di elaborazione a bassa latenza e sovraccarichi, offrendo ulteriori vantaggi all’intelligenza artificiale.

Tradizionalmente, la BI e l’analisi avanzata sono state utilizzate per analizzare i dati storici per identificare tendenze e modelli. Tuttavia, con l’edge computing, è ora possibile calcolare e generare risultati significativi e rivoluzionari dai dati in tempo reale. Ciò consente alle aziende di prendere decisioni in tempo reale, il che può portare a miglioramenti significativi in ​​termini di efficienza e produttività.

Ad esempio, in un sito cellulare intelligente, i sensori vengono utilizzati per raccogliere dati su tutto, dalla temperatura dell’ambiente e delle apparecchiature, al consumo energetico e alla capacità del sito. Questi dati possono essere utilizzati per migliorare l'efficienza, prevenire i tempi di fermo e ottimizzare la produzione: in questo senso, relè di segnale coerenti e di alta qualità.

Tuttavia, se i dati vengono trasportati ed elaborati a livello centrale, potrebbero verificarsi ritardi costosi, in cui una frazione di secondo di scarsa erogazione del servizio incide sulla soddisfazione del cliente e sulla disponibilità del personale a servire e operare.

Ciò potrebbe portare a problemi come il surriscaldamento dei macchinari, il danneggiamento al di fuori di circostanze controllabili o la consegna di operazioni al di sotto della media in termini di quantità o qualità. Lo stesso quadro può essere applicato a macchinari minerari, edifici intelligenti, fabbriche, strutture mediche e altro ancora.

Con l’edge computing, i dati vengono elaborati localmente, eliminando questi ritardi. Ciò consente un processo decisionale più rapido e prestazioni migliori. Inoltre, l’edge computing può contribuire a migliorare la sicurezza mantenendo i dati locali, dove sono meno vulnerabili agli attacchi informatici.

Per fornire l’AIoT all’edge è necessario prendere in considerazione dieci elementi. Ciò mostra quanto sia multiforme l’AIoT e i livelli necessari per alimentare le varie funzioni e capacità.

Costruire una solida infrastruttura di edge computing è fondamentale. Ciò include l’implementazione di dispositivi edge e gateway in grado di elaborare e analizzare i dati localmente.