Home Blogs Edge ai : Pourquoi nous l’avons construit
Applications

Edge ai : Pourquoi nous l’avons construit

About The Author

Outline

Pour que les technologies nouvelles et émergentes soient largement acceptées, elles doivent être capables de libérer de nouvelles efficacités commerciales et d’apporter de la valeur aux consommateurs. Individuellement et en combinaison, l’IA, le Big Data, le Cloud Computing et l’IoT ont prouvé leur valeur. Ces technologies aident les entreprises à capturer d’énormes quantités de données en streaming à partir de millions de sources, à les stocker dans des centres de données cloud massifs et à utiliser des techniques d’apprentissage automatique (ML) et d’intelligence artificielle (IA) pour obtenir des informations précieuses et révolutionnaires en temps quasi réel.

Nous avons commencé notre voyage vers le Big Data et l’intelligence artificielle chez Verizon Media en 2014. Nous avons construit une plate-forme basée sur le cloud capable d’ingérer des pétaoctets de données et utilisé l’apprentissage automatique pour fournir des informations quasi en temps réel afin d’améliorer les performances de notre réseau de distribution, d’améliorer l’efficacité de notre réseau et d’offrir une expérience client encore meilleure. Nous avons ensuite créé des applications supplémentaires d’IA et de Big Data pour les clients, par exemple, afin d’obtenir des informations sur le comportement des clients en utilisant les données d’utilisation du sans fil.

À bien des égards, ces avancées technologiques révolutionnent déjà les industries, et nous ne sommes qu’au tout début d’une longue et passionnante route à parcourir. Mais avec le Big Data, l’IA basée sur le cloud et l’IoT, bon nombre des applications les plus puissantes et les plus génératrices de valeur n’ont pas été mises en œuvre en raison des retards de traitement et de latence dans le cloud, des coûts de stockage et des préoccupations en matière de sécurité et de confidentialité. Et avec l’IA, il n’est pas acceptable que les réponses reviennent en jours, minutes ou secondes. Pour de nombreuses applications, l’intelligence doit être appliquée sur le moment, en quelques millisecondes.

La solution la plus évidente et la plus convaincante pour surmonter ces obstacles consiste à rapprocher le traitement du périphérique final ou de la source de génération de données, à la périphérie du réseau. Verizon est un leader du secteur de l’informatique de périphérie avec un CDN qui offre une capacité réseau massive et seulement 10-25 millisecondes de latence pour pratiquement tous les utilisateurs d’Internet sur la planète. Notre réseau 5G offre une <latence de 10 ms pour les charges de travail nécessitant encore moins de latence. L’émergence de l’informatique de périphérie combinée à l’IA, à l’IoT et au traitement des données volumineuses ouvre la voie à des services entièrement nouveaux et à une valeur ajoutée pour les consommateurs. En plaçant l’intelligence à la périphérie, les applications d’IA révolutionnaires peuvent maintenant fonctionner en temps quasi réel.

En commençant par les capacités mondiales d’informatique de périphérie de Verizon, fusionnées avec notre savoir-faire en IA, nous avons conçu et construit une plate-forme entièrement intégrée que nous appelons Edge ai, au-dessus de laquelle nous développons des applications verticales spécifiques. Il s’agit de la première plate-forme de ce type, avec tous les blocs de construction pour les solutions Edge ai de bout en bout déjà en place.

L’opportunité d’augmenter la valeur débloquée en déplaçant les applications d’IA vers la périphérie est énorme. Il représente une énorme opportunité pour les fournisseurs de réseaux et de solutions qui ont les capacités de mettre sur le marché des solutions robustes d’IA Edge. À bien des égards, il s’agit d’une confluence parfaite pour notre offre de services, nous permettant de nous appuyer sur les forces existantes et de créer une base pour construire une plateforme intelligente, sécurisée, extensible et fiable capable d’accueillir de nouveaux services, cas d’utilisation et applications.

Dans un récent rapport intitulé « 5G et IA : The Foundation for the Next sociétal and Business Leap », ABI Research prédit que la faible latence fournie par l’informatique de périphérie et l’IA combinées sont « susceptibles de transformer notre façon de vivre et de travailler ». Le rapport poursuit en disant que ces technologies « ouvriront la voie à une variété de nouvelles opportunités commerciales dans les segments des consommateurs et des entreprises, autrement impossible avec les technologies existantes ». ABI Research estime que les applications IA et ML déployées à la périphérie généreront 3,1 billions de dollars de valeur d’ici 2025. Et à mesure que les technologies arrivent à maturité, ils prévoient que la création de valeur représente 9,2 % du produit intérieur brut (PIB) mondial en 2035. Comme le montre le graphique ci-dessous, cet impact économique massif provient principalement des gains de productivité rendus possibles lorsque ces technologies sont utilisées en combinaison.

Figure 1 : d’ici 15 ans, l’informatique de périphérie aura un impact significatif sur le PIB.

L’importance croissante de l’Edge computing

‍For au cours de la dernière décennie, les organisations ont collecté des données à partir d’appareils et de capteurs IoT ou des enregistrements visuels et audio à partir de caméras et de microphones déployés dans leurs installations avant de les transporter vers un centre de données centralisé ou un cloud pour une analyse et un stockage plus approfondis.

Cette approche pose de multiples problèmes car le nombre d’appareils IoT continue d’augmenter. Le cabinet d’analystes technologiques IDC prévoit qu’il y aura 55,7 milliards d’appareils IoT connectés d’ici 2025. Ils notent que ces appareils généreront 73,1 zettaoctets (ZB) de données, une hausse significative par rapport aux 18,3 ZB en 2019. IDC soutient que cette croissance exigera des organisations qu’elles repensent leurs stratégies de stockage de données à long terme et recherchent des opportunités en analytique/IA à la périphérie.

Considérons une entreprise industrielle ou manufacturière où vous avez plusieurs milliers de capteurs. À mesure que le nombre de capteurs augmente, il n’est tout simplement pas pratique d’envoyer les grandes quantités de données provenant de ces capteurs vers le cloud, de faire effectuer les analyses là-bas, puis de renvoyer les résultats au site de fabrication pour finalement agir sur les informations issues de ces données. Ce processus comporte de multiples défis, notamment :

  1. L’envoi de toutes les données vers le cloud nécessite d’énormes quantités de bande passante

  2. Stocker tout dans le cloud augmente de façon exponentielle vos coûts de stockage dans le cloud

  3. Le transfert de certains types d’informations sensibles vers le cloud met ces données en danger

Ces problèmes d’efficacité opérationnelle sont tous résolus, ou du moins considérablement réduits, par l’informatique de périphérie, que ce soit des serveurs fonctionnant à proximité dans le cadre d’un CDN ou sur site via une infrastructure de calcul de périphérie mobile (MEC) 5G pour les réseaux publics ou privés.

Enfin, l’un des aspects les plus importants d’Edge ai est sa capacité à fournir une faible latence pour les cas d’utilisation en temps réel. En plaçant la capacité de traitement à proximité des périphériques finaux, Edge ai réduit considérablement le décalage entre l’acquisition/l’acquisition des données, le traitement et l’action requise à la fin La réduction de la latence est essentielle pour permettre la mise en œuvre d’applications innovantes, des véhicules connectés et des expériences multimédia et de jeux plus immersives aux environnements de fabrication plus intelligents et rapides.

Edge ai permet également d’utiliser des appareils IoT connectés et des applications ML dans des environnements où une connectivité Internet/Wi-Fi fiable (ou toute autre connectivité) peut ne pas être donnée, comme une plate-forme de forage en haute mer, un navire de recherche ou un aéroport. Une application intelligente pour surveiller les conditions environnementales, telles que la présence de gaz dangereux, serait inutile si elle dépendait de la connectivité cloud.

‍Edge applications IA

‍Edge l’IA a le potentiel d’être la plate-forme technologique pour de nombreuses nouvelles applications dans un large éventail d’industries et de cas d’utilisation. Par exemple, Edge ai permettra la mise en œuvre à grande échelle d’initiatives de l’Industrie 4,0 dans le segment de la fabrication, y compris des analyses plus prédictives, des ateliers automatisés, des lignes de production reconfigurables et une logistique optimisée. Les médias et le divertissement peuvent utiliser Edge ai pour localiser du contenu et améliorer la personnalisation. Edge IA peut conduire à des améliorations globales des infrastructures urbaines en permettant des applications plus avancées dans le secteur public/éducatif, la télémédecine, ou en faisant passer l’automatisation des transports au niveau supérieur. Les possibilités sont presque infinies.

Pour mettre en valeur les capacités et la polyvalence de notre plateforme Edge ai, nous avons développé plusieurs prototypes et démonstrations, notamment:

  • Solution de détection prédictive des défaillances

  • SYSTEME d’ETAGERE intelligent pour la vente au détail utilisant la vision par ordinateur

  • Système de détection d’étrangers pour un laboratoire ou une installation de fabrication

  • Système automatisé d’inspection optique pour l’assurance qualité

Pour l’application de détection prédictive des défaillances, les capteurs sont montés sur les moteurs et autres équipements et configurés pour transmettre en continu des signaux de température, de vibration et de courant à la plate-forme Edge ai. Au lieu d’envoyer toutes les données vers le cloud, l’IA analyse les données en continu localement pour faire des prédictions quant au moment où un moteur particulier est sur le point de tomber en panne. Un superviseur d’usine ou de maintenance peut prendre des mesures correctives pour prévenir une interruption de production en détectant avec précision les anomalies et les conditions de défaillance. De plus, comme le stockage et l’analyse des données ont lieu sur le site de l’usine, les entreprises obtiennent des alertes plus rapides associées à une sécurité des données améliorée et à une réduction des coûts de stockage et de bande passante.

Figure 2. L’analyse prédictive des défaillances pilotée par Edge ai peut minimiser les risques de pannes et de pannes imprévues.

Dans le prototype fonctionnel d’un système automatisé de suivi des stocks de détail, un robot de balayage autonome fournit des flux de caméra à un modèle ML exécuté sur la plate-forme Edge ai. Le système peut reconnaître les objets et fournir des détails d’inventaire à un tableau de bord, fournissant ainsi des informations plus fréquentes, précises et complètes sur l’état des stocks, ainsi qu’une surveillance de l’état en temps réel et des alertes en cas de faible inventaire.

Figure 3. Le suivi automatisé des stocks de détail alimenté par Edge ai fournit des informations pour surveiller les tendances et fournit des alertes en temps réel.

Malgré les verrous électroniques et autres mesures de sécurité, empêcher l’accès non autorisé à des zones restreintes dans les vastes installations de fabrication ou les environnements de laboratoire peut s’avérer difficile. En intégrant des flux vidéo provenant de l’ensemble de l’établissement dans l’IA Edge, le système peut utiliser la reconnaissance faciale pour détecter les étrangers et fournir une notification en temps réel au personnel de sécurité.

Figure 4. Edge ai améliore la sécurité en utilisant la vision par ordinateur pour identifier les étrangers dans un environnement de fabrication ou de laboratoire.

Un autre cas d’utilisation pour Edge ai et la vision par ordinateur est l’inspection optique automatisée sur les lignes de fabrication. Dans ce cas, les composants assemblés sont envoyés par une station d’inspection pour une analyse visuelle automatisée. Le modèle de vision par ordinateur Edge ai détecte les pièces manquantes ou mal alignées ou tout autre défaut et fournit les résultats à un tableau de bord en temps réel montrant l’état de l’inspection. Comme les données peuvent retourner dans le cloud pour une analyse plus approfondie, les modèles ML peuvent être continuellement améliorés pour réduire les faux positifs. Le système améliore le rendement de fabrication et augmente le rendement du processus en augmentant la vitesse et la précision de l’identification des défauts.

Comme l’illustrent ces exemples, l’intégration de l’IA et de la capacité de calcul combinées à des services cloud directement à la périphérie du réseau permet aux organisations de mettre sur le marché des cas d’utilisation de plus en plus sophistiqués et transformateurs. En tant que plate-forme entièrement intégrée, Edge ai réduit considérablement les obstacles à la concrétisation de ces cas d’utilisation.

Nous approfondirons les éléments de la plateforme Edge ai dans le prochain opus d’une série en trois parties.

‍Contact nous pour en savoir plus sur la façon dont votre application pourrait bénéficier de notre plateforme Edge ai.