Home Blogs Intelligenza artificiale edge: Perché l’abbiamo costruita
Applications

Intelligenza artificiale edge: Perché l’abbiamo costruita

About The Author

Outline

Affinché le tecnologie nuove ed emergenti ottengano un’ampia accettazione, devono essere in grado di sbloccare nuove efficienze aziendali e apportare valore ai consumatori. Sia individualmente che in combinazione, l’intelligenza artificiale, i big data, il cloud computing e l’IoT hanno dimostrato il loro valore. Queste tecnologie consentono alle aziende di acquisire enormi quantità di streaming di dati da un massimo di milioni di fonti, archiviarli in enormi data center cloud e utilizzare tecniche di apprendimento automatico (ML) e intelligenza artificiale (ai) per ricavare preziose informazioni rivoluzionarie quasi in tempo reale.

Abbiamo iniziato il nostro percorso verso i big data e l’intelligenza artificiale presso Verizon Media nel 2014. Abbiamo creato una piattaforma basata su cloud in grado di acquisire petabyte di dati e abbiamo utilizzato l’apprendimento automatico per fornire informazioni quasi in tempo reale per migliorare le prestazioni della nostra rete di distribuzione, migliorare l’efficienza in tutta la nostra rete e offrire un’esperienza clienti ancora migliore. Abbiamo quindi creato applicazioni di intelligenza artificiale e big data aggiuntive per i clienti, ad esempio, per ottenere informazioni sul comportamento dei clienti utilizzando i dati sull’utilizzo wireless.

In molti modi, questi progressi tecnologici stanno già rivoluzionando le industrie, e siamo solo all’inizio di una lunga ed emozionante strada da percorrere. Ma con i big data, l’intelligenza artificiale basata su cloud e l’IoT, molte delle applicazioni più potenti e produttive di valore non sono state implementate a causa di ritardi di elaborazione e latenza nel cloud, costi di storage e problemi di sicurezza e privacy. E con l’intelligenza artificiale, non è accettabile che le risposte tornino tra giorni, minuti o secondi. Per molte applicazioni, l’intelligenza deve essere applicata in un momento, in pochi millisecondi.

La risposta più ovvia e convincente al superamento di questi ostacoli è spostare l’elaborazione più vicino al dispositivo finale o alla fonte di generazione dei dati, all’edge della rete. Verizon è un’azienda leader nel settore dell’edge computing con una CDN che offre un’enorme capacità di rete e solo 10-25 millisecondi di latenza da parte di praticamente tutti gli utenti Internet del pianeta. La nostra rete 5G offre una <latenza di 10 ms per i carichi di lavoro che richiedono una latenza ancora inferiore. L’emergere dell’edge computing combinato con l’intelligenza artificiale, l’IoT e l’elaborazione dei big data apre le porte a servizi completamente nuovi e a un valore per i consumatori. Collocando l’intelligenza alla periferia della rete, le rivoluzionarie applicazioni di intelligenza artificiale possono ora funzionare quasi in tempo reale.

Partendo dalle funzionalità di edge computing globali di Verizon, unite al nostro know-how in materia di intelligenza artificiale, abbiamo progettato e costruito una piattaforma completamente integrata che chiamiamo Edge ai, sulla quale stiamo sviluppando applicazioni verticali specifiche. Questa è la prima piattaforma del suo genere, con tutti gli elementi di base per le soluzioni di intelligenza artificiale Edge end-to-end già in uso.

L’opportunità di aumentare il valore sbloccato spostando le applicazioni di intelligenza artificiale alla periferia della rete è enorme. Rappresenta un’enorme opportunità per i provider di reti e soluzioni che hanno le capacità di introdurre sul mercato solide soluzioni di intelligenza artificiale Edge. Sotto molti aspetti, è una perfetta confluenza per la nostra offerta di servizi, permettendoci di basarci sui punti di forza esistenti e creare una base per la creazione di una piattaforma intelligente, sicura, estensibile e affidabile in grado di accogliere nuovi servizi, casi d’uso e applicazioni.

In un recente rapporto intitolato “5G and ai: The Foundation for the Next Societal and Business Leap”, ABI Research prevede che la bassa latenza fornita dall’edge computing e dall’intelligenza artificiale in combinazione è “probabile che trasformi il nostro modo di vivere e lavorare”. Il rapporto prosegue affermando che queste tecnologie “spianeranno la strada a una varietà di nuove opportunità di business nei segmenti consumer e Enterprise, altrimenti non possibili con le tecnologie esistenti”. ABI Research stima che le applicazioni ai e ML distribuite all’edge della rete creeranno un valore di 3,1 trilioni di dollari entro il 2025. E man mano che le tecnologie raggiungono la maturità, prevedono la creazione di valore pari al 9,2% del prodotto interno lordo (PIL) globale nel 2035. Come mostrato nella tabella seguente, questo enorme impatto economico deriva principalmente dall’aumento della produttività reso possibile dall’utilizzo combinato di queste tecnologie.

Figura 1: Entro 15 anni, l’edge computing avrà un impatto significativo sul PIL.

L’importanza crescente dell’edge computing

‍For più degli ultimi dieci anni, le organizzazioni hanno raccolto dati da dispositivi e sensori IoT o registrazioni visive e audio da videocamere e microfoni implementati nelle loro strutture prima di trasportarli a un data center o a un cloud centralizzato per ulteriori analisi e archiviazione.

Questo approccio presenta diversi problemi man mano che il numero di dispositivi IoT continua a crescere. La società di analisti tecnologici IDC prevede che entro il 2025 ci saranno 55,7 miliardi di dispositivi IoT connessi. Questi dispositivi genereranno 73,1 zettabyte (ZB) di dati, un incremento significativo rispetto a 18,3 ZB nel 2019. IDC sostiene che questa crescita richiederà alle organizzazioni di ripensare le strategie di storage dei dati a lungo termine e di cercare opportunità nell’analisi dei dati/ai alla periferia della rete.

Prendiamo in considerazione un’impresa industriale o manifatturiera in cui hai molte migliaia di sensori. Man mano che il numero di sensori aumenta, non è semplicemente pratico inviare la grande quantità di dati che fluiscono da questi sensori al cloud, eseguire le analisi lì e quindi inviare i risultati al luogo di produzione per agire infine sulle informazioni ricavate da tali dati. Questo processo presenta diverse sfide, tra cui:

  1. L’invio di tutti i dati al cloud richiede un’enorme quantità di larghezza di banda

  2. Archiviare tutto nel cloud aumenta esponenzialmente i costi di storage nel cloud

  3. Il trasferimento di determinati tipi di informazioni sensibili nel cloud mette a rischio tali dati

Questi problemi di efficienza operativa sono tutti risolti, o almeno ridotti in modo significativo, attraverso l’edge computing, sia che i server che operano nelle vicinanze come parte di una CDN o localmente tramite l’infrastruttura MEC (Mobile Edge Computing) 5G per reti pubbliche o private.

Infine, uno degli aspetti più importanti di Edge ai è la sua capacità di fornire bassa latenza per i casi di utilizzo in tempo reale. Posizionando la capacità di elaborazione vicino ai dispositivi finali, Edge ai riduce drasticamente il ritardo tra l’acquisizione/acquisizione dei dati, l’elaborazione e l’azione richiesta alla fine Ridurre la latenza è fondamentale per consentire applicazioni innovative, dai veicoli connessi alle esperienze multimediali e di gaming più coinvolgenti agli ambienti di produzione più intelligenti e veloci.

L’intelligenza artificiale edge consente inoltre di utilizzare dispositivi IoT connessi e applicazioni ML in ambienti in cui una connettività Internet/Wi-Fi affidabile (o qualsiasi altro) potrebbe non essere un dato, come un impianto di perforazione in alto mare, una nave di ricerca o un aeroporto. Un’applicazione intelligente per il monitoraggio delle condizioni ambientali, come la presenza di gas pericolosi, sarebbe inutile se dipendesse dalla connettività cloud.

‍Edge applicazioni ai

‍Edge l’intelligenza artificiale ha il potenziale di essere la piattaforma tecnologica per molte nuove applicazioni in un’ampia gamma di settori e casi d’uso. Ad esempio, Edge ai consentirà l’implementazione diffusa di iniziative Industry 4,0 nel segmento manifatturiero, tra cui analisi più predittive, impianti di produzione automatizzati, linee di produzione riconfigurabili e logistica ottimizzata. Media e intrattenimento possono utilizzare l’intelligenza artificiale Edge per localizzare i contenuti e aumentare la personalizzazione. L’intelligenza artificiale edge può apportare miglioramenti a 360 gradi alle infrastrutture urbane, consentendo applicazioni più avanzate nel settore dell’istruzione/pubblico, della telemedicina o portando l’automazione dei trasporti a un livello superiore. Le possibilità sono quasi infinite.

Per mostrare le capacità e la versatilità della nostra piattaforma Edge ai, abbiamo sviluppato diversi prototipi e dimostrazioni, tra cui:

  • Soluzione di rilevamento predittivo dei guasti

  • Sistema di scaffali intelligenti per il retail che utilizza la visione artificiale

  • Sistema di rilevamento sconosciuto per un laboratorio o un impianto di produzione

  • Sistema di ispezione ottica automatizzato per garantire la qualità

Per l’applicazione di rilevamento predittivo dei guasti, i sensori sono montati su motori e altre apparecchiature e configurati per trasmettere continuamente segnali di temperatura, vibrazione e corrente alla piattaforma Edge ai. Invece di inviare tutti i dati al cloud, l’IA analizza continuamente i dati localmente per fare previsioni su quando un particolare motore sta per fallire. Un supervisore dell’impianto o della manutenzione può intraprendere azioni correttive per prevenire un’interruzione della produzione rilevando con precisione anomalie e condizioni di guasto. Inoltre, poiché l’archiviazione e l’analisi dei dati avvengono all’interno dell’impianto, le organizzazioni ottengono avvisi più tempestivi, Uniti a una maggiore sicurezza dei dati e a costi ridotti di storage e larghezza di banda.

Figura 2. L’analisi predittiva dei guasti basata sull’intelligenza artificiale edge può ridurre al minimo i rischi di guasti e interruzioni imprevisti.

Nel prototipo funzionante per un sistema automatizzato di monitoraggio dell’inventario nel settore retail, un robot autonomo di scansione degli scaffali fornisce feed di telecamere a un modello ML in esecuzione sulla piattaforma Edge ai. Il sistema è in grado di riconoscere gli oggetti e di fornire i dettagli dell’inventario a un dashboard, fornendo informazioni più frequenti, accurate e complete sullo stato dell’inventario, oltre al monitoraggio dello stato in tempo reale e agli avvisi relativi a scorte scarse.

Figura 3. Il monitoraggio automatizzato dell’inventario nel settore retail basato su Edge ai fornisce informazioni per monitorare le tendenze e fornisce avvisi in tempo reale.

Nonostante le serrature elettroniche e le altre misure di sicurezza, impedire l’accesso non autorizzato alle aree riservate negli ampi impianti di produzione o negli ambienti di laboratorio può essere difficile. Incorporando feed video provenienti da tutta la struttura nell’intelligenza artificiale Edge, il sistema può utilizzare il riconoscimento facciale per rilevare estranei e fornire notifiche in tempo reale al personale addetto alla sicurezza.

Figura 4. L’intelligenza artificiale edge migliora la sicurezza utilizzando la visione artificiale per identificare gli estranei in un ambiente di produzione o di laboratorio.

Un altro caso d’uso per Edge ai e computer Vision è l’ispezione ottica automatizzata sulle linee di produzione. In questo caso, i componenti assemblati vengono inviati attraverso una stazione di ispezione per l’analisi visiva automatizzata. Il modello di visione computerizzata Edge ai rileva parti mancanti o disallineate o qualsiasi altro difetto e fornisce i risultati a un dashboard in tempo reale che mostra lo stato dell’ispezione. Poiché i dati possono fluire nuovamente nel cloud per ulteriori analisi, i modelli ML possono essere continuamente migliorati per ridurre i falsi positivi. Il sistema migliora la resa di produzione e aumenta la produttività del processo aumentando la velocità e la precisione dell’identificazione dei difetti.

Come illustrato in questi esempi, l’integrazione dell’intelligenza artificiale e della capacità di elaborazione combinata con i servizi cloud direttamente nell’edge della rete consente alle organizzazioni di immettere sul mercato casi di utilizzo sempre più sofisticati e trasformativi. Essendo una piattaforma completamente integrata, Edge ai riduce in modo significativo gli ostacoli legati alla realizzazione di questi casi d’uso.

Approfondiremo gli elementi della piattaforma di intelligenza artificiale Edge nel prossimo capitolo di una serie in tre parti.

‍Contact per saperne di più su come la tua applicazione potrebbe trarre vantaggio dalla nostra piattaforma di intelligenza artificiale Edge.