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 ou 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 flux de données provenant 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 aventure Big Data et intelligence artificielle chez Verizon Media en 2014. Nous avons créé une plateforme cloud capable d’ingérer des pétaoctets de données et utilisé l’apprentissage automatique pour fournir des informations en temps quasi réel afin d’améliorer les performances de notre réseau de livraison, d’améliorer l’efficacité de notre réseau et d’offrir une expérience client encore meilleure. Nous avons ensuite créé d’autres applications d’IA et de Big Data pour permettre aux clients, par exemple, d’obtenir des informations sur le comportement des clients en utilisant des 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 productrices 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 problèmes 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 immédiatement, en quelques millisecondes.
La réponse 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 de l’industrie de l’informatique de périphérie avec un CDN qui offre une capacité réseau massive et seulement 10-25 millisecondes de latence de pratiquement tous les internautes de 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 bord combinée à l’IA, à l’IoT et au traitement des données volumineuses ouvre la porte à des services et une valeur ajoutée entièrement nouveaux 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 de calcul 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, sur laquelle nous développons des applications verticales spécifiques. Il s’agit de la première plateforme de ce type, avec tous les éléments constitutifs des solutions d’IA Edge de bout en bout déjà en place.
La possibilité d’augmenter la valeur débloquée en déplaçant les applications d’IA à 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 convergence parfaite pour notre offre de services, ce qui nous permet de nous appuyer sur les forces existantes et de créer une base pour construire une plate-forme intelligente, sécurisée, extensible et fiable capable d’accueillir de nouveaux services, cas d’utilisation et applications.
Dans un récent rapport intitulé « 5G et IA : la fondation du prochain saut sociétal et commercial », ABI Research prédit que la faible latence fournie par l’informatique de bord et l’IA combinées est « susceptible 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 d’IA et DE ML déployées à la périphérie créeront 3,1 milliards de dollars de valeur d’ici 2025. Et à mesure que les technologies arrivent à maturité, ils prévoient une création de valeur représentant 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 bord aura un impact significatif sur le PIB.
L’importance croissante de l’informatique de périphérie
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 poussés.
Cette approche présente 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 obligera les entreprises à repenser leurs stratégies de stockage de données à long terme et à rechercher des opportunités en matière d’analyse/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 énormes quantités de données qui circulent de ces capteurs vers le cloud, de faire effectuer les analyses là-bas, puis de renvoyer les résultats au site de fabrication pour éventuellement agir sur les informations de ces données. Ce processus comporte de nombreux défis, notamment :
-
L’envoi de toutes les données vers le cloud nécessite d’énormes quantités de bande passante
-
Le stockage de tout dans le cloud augmente exponentiellement vos coûts de stockage dans le cloud
-
Le déplacement de certains types d’informations sensibles vers le cloud met ces données en danger
Ces problèmes d’efficacité opérationnelle sont tous résolus, ou au moins considérablement minimisés, par le biais de 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 mobile de périphérie (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’ingestion/acquisition de données, le traitement et l’action requise à la fin. La réduction de la latence est essentielle pour permettre des applications innovantes, des véhicules connectés aux environnements de fabrication plus intelligents et plus rapides, en passant par les jeux et les expériences multimédia plus immersives.
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 aucune) peut ne pas être donnée, comme une plate-forme de forage en haute mer, un navire de recherche ou un aéroport. Une application intelligente de surveillance des conditions environnementales, telles que la présence de gaz dangereux, serait inutile si elle dépendait de la connectivité cloud.
Edge applications ai
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 prédictives plus poussées, des ateliers automatisés, des lignes de production reconfigurables et une logistique optimisée. Les médias et les divertissements peuvent utiliser Edge ai pour localiser le contenu et améliorer la personnalisation. Edge ai peut conduire à des améliorations globales des infrastructures urbaines en permettant des applications plus avancées dans le secteur de l’éducation/public, la télémédecine, ou en faisant passer l’automatisation des transports à un 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
-
Système d’étagères intelligentes pour la vente au détail utilisant la vision par ordinateur
-
Système de détection d’étrangers pour un laboratoire ou une installation de fabrication
-
SYSTEME D’inspection optique AUTOMATISE pour L’assurance QUALITE
Pour l’application de détection prédictive des pannes, les capteurs sont montés sur des moteurs et d’autres équipements et configurés pour transmettre en continu des signaux sur la température, les vibrations et le courant à la plate-forme Edge ai. Au lieu d’envoyer toutes les données vers le nuage, l’IA analyse les données en permanence localement pour faire des prédictions sur le 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. Et puisque le stockage et l’analyse des données ont lieu sur le site de l’usine, les entreprises obtiennent des alertes plus opportunes associées à une sécurité des données améliorée et à une réduction des coûts de stockage des données et de bande passante.
Figure 2. L’analyse prédictive des défaillances pilotée par Edge ai peut minimiser les risques de défaillances et de pannes imprévues.
Dans le prototype fonctionnel d’un système automatisé de suivi des stocks de vente au détail, un robot autonome de balayage d’étagères fournit des flux de caméra à un modèle ML exécuté sur la plate-forme Edge ai. Le système peut reconnaître les objets et fournir les détails de l’inventaire à un tableau de bord, fournissant des informations plus fréquentes, précises et complètes sur l’état de l’inventaire, ainsi qu’une surveillance de l’état en temps réel et des alertes pour les stocks faibles.
Figure 3. Le suivi automatisé des stocks de vente au détail optimisé par Edge ai fournit des informations pour surveiller les tendances et fournit des alertes en temps réel.
Malgré les serrures électroniques et les autres mesures de sécurité, empêcher l’accès non autorisé aux zones d’accès restreint dans des installations de fabrication ou des environnements de laboratoire tentaculaires peut s’avérer difficile. En intégrant des flux vidéo provenant de l’ensemble de l’établissement dans l’Edge ai, le système peut utiliser la reconnaissance faciale pour détecter les étrangers et fournir des notifications 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 de Edge ai et de la vision par ordinateur est l’inspection optique automatisée sur les lignes de fabrication. Dans ce cas, les composants assemblés sont envoyés à travers un poste 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 indiquant l’état de l’inspection. Comme les données peuvent être renvoyées 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 combinée à des services cloud directement à la périphérie du réseau permet aux organisations de commercialiser des cas d’utilisation de plus en plus sophistiqués et transformateurs. En tant que plate-forme entièrement intégrée, Edge ai réduit considérablement les obstacles liés à la concrétisation de ces cas d’utilisation.
Nous approfondirons les éléments de la plateforme Edge ai dans le prochain volet 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.
