Para que as tecnologias novas e emergentes ganhem uma ampla aceitação, elas devem ser capazes de desbloquear novas eficiências de negócios e trazer valor aos consumidores. Tanto individualmente como em combinação, IA, big data, computação em nuvem e Internet das Coisas provaram o seu valor. Essas tecnologias ajudam as empresas a capturar grandes quantidades de fluxo de dados de até milhões de fontes, armazená-los em centros de dados em nuvem massivos e usar técnicas de aprendizado de máquina (ML) e inteligência artificial (IA) para obter insights valiosos e mutáveis em tempo quase real.
Iniciámos a nossa jornada de Big Data e Inteligência Artificial na Verizon Media em 2014. Construímos uma plataforma baseada na nuvem capaz de ingerir petabytes de dados e usamos o aprendizado de máquina para fornecer insights quase em tempo real para melhorar o desempenho da nossa rede de entrega, melhorar a eficiência em toda a nossa rede e oferecer uma experiência ainda melhor para o cliente. Em seguida, construímos aplicações adicionais de IA e Big Data para os clientes, por exemplo, obterem informações sobre o comportamento do cliente usando dados de uso sem fio.
Em muitos aspetos, estes avanços tecnológicos já estão a revolucionar as indústrias, e estamos apenas no início de um longo e excitante caminho pela frente. Mas com o Big Data, a IA e a Internet das Coisas baseadas na nuvem, muitas das aplicações mais poderosas e produtoras de valor não foram implementadas devido a atrasos no processamento e na latência na nuvem, custos de armazenamento e preocupações de segurança e privacidade. E com a IA, não é aceitável que as respostas voltem em dias, minutos ou segundos. Para muitas aplicações, a inteligência precisa ser aplicada no momento, em milissegundos.
A resposta mais óbvia e convincente para ultrapassar estes obstáculos é aproximar o processamento do dispositivo final ou da fonte de geração de dados, até ao limite da rede. A Verizon é líder do setor em computação de ponta com uma CDN que oferece uma enorme capacidade de rede e apenas 10-25 milissegundos de latência de praticamente todos os utilizadores da Internet do planeta. A nossa rede 5G oferece <10 ms de latência para cargas de trabalho que requerem ainda menos latência. O surgimento da computação de ponta combinada com IA, Internet das Coisas e processamento de Big Data abre a porta para serviços totalmente novos e valor do consumidor. Ao colocar a inteligência no limite, as aplicações inovadoras de IA podem agora funcionar quase em tempo real.
Começando com as capacidades de computação de ponta global da Verizon, fundidas com o nosso know-how de IA, concebemos e construímos uma plataforma totalmente integrada a que chamamos Edge IA, sobre a qual estamos a desenvolver aplicações verticais específicas. Esta é a primeira plataforma deste tipo, com todos os blocos de construção para soluções de IA de ponta a ponta já em vigor.
A oportunidade de maior valor desbloqueada ao mover aplicações de IA para a borda é enorme. Apresenta uma enorme oportunidade para fornecedores de redes e soluções que têm a capacidade de trazer soluções robustas de IA Edge para o mercado. Em muitos aspetos, é uma confluência perfeita para a nossa oferta de serviços, permitindo-nos construir os pontos fortes existentes e criar uma base para a construção de uma plataforma inteligente, segura, extensível e confiável capaz de acomodar novos serviços, casos de uso e aplicações.
Num relatório recente intitulado “5G e IA: A Fundação para o Próximo Leap Social e Empresarial”, a ABI Research prevê que a baixa latência fornecida pela computação de ponta e pela IA em combinação é “provável transformar a forma como vivemos e trabalhamos.” O relatório continua dizendo que essas tecnologias “abrirão o caminho para uma variedade de novas oportunidades de negócios nos segmentos de consumidor e empresarial, de outra forma não possível com as tecnologias existentes.” A ABI Research estima que as aplicações de IA e ML implementadas na borda criarão $3,1 trilhões de valor até 2025. E à medida que as tecnologias atingem a maturidade, preveem a criação de valor no valor de 9,2% do Produto Interno Bruto (PIB) global em 2035. Como mostrado no gráfico abaixo, este enorme impactos económico vem principalmente através de ganhos de produtividade tornados possíveis quando estas tecnologias são usadas em combinação.
Figura 1: Dentro de 15 anos, a computação de borda terá um impactos significativo no PIB.
A importância crescente da computação de borda
For Mais do que na última década, as organizações recolheram dados de dispositivos e sensores de Internet das Coisas ou gravações visuais e de áudio de câmaras e microfones implantados nas suas instalações antes de os transportarem para um centro de dados centralizado ou para uma nuvem para posterior análise e armazenamento.
Esta abordagem tem múltiplos problemas à medida que o número de dispositivos de Internet das Coisas continua a aumentar. A empresa de analistas de tecnologia IDC projeta que haverá 55,7 mil milhões de dispositivos de Internet das Coisas ligados até 2025. Eles observam que esses dispositivos irão gerar 73,1 zettabytes (ZB) de dados, um aumento significativo de 18,3 ZB em 2019. A IDC argumenta que esse crescimento exigirá que as organizações repensem estratégias de armazenamento de dados a longo prazo e procurem oportunidades em análise/IA no limite.
Vamos considerar uma empresa industrial ou de manufatura onde você tem muitos milhares de sensores. À medida que o número de sensores aumenta, simplesmente não é prático enviar grandes quantidades de dados que fluem desses sensores para a nuvem, fazer a análise lá feita, e depois enviar os resultados de volta para o local de fabricação para eventualmente agir sobre os insights desses dados. Há múltiplos desafios para este processo, incluindo:
-
Enviar todos os dados para a nuvem requer uma grande quantidade de largura de banda
-
Armazenar tudo na nuvem aumenta exponencialmente os custos de armazenamento na nuvem
-
Mover certos tipos de informações confidenciais para a nuvem coloca esses dados em risco
Esses problemas de eficiência operacional são resolvidos, ou pelo menos significativamente minimizados, através da computação de borda, sejam servidores que estejam funcionando nas proximidades como parte de uma CDN ou no local por meio da infraestrutura de computação de borda móvel 5G (MEC) para redes públicas ou privadas.
Finalmente, um dos aspetos mais importantes da Edge AI é a sua capacidade de fornecer baixa latência para casos de uso em tempo real. Ao colocar a capacidade de processamento perto dos dispositivos finais, o Edge IA reduz drasticamente o atraso entre a ingestão/aquisição de dados, o processamento e a ação necessária no final Cortar a latência é fundamental para permitir aplicações inovadoras, desde veículos conetados e experiências de jogos e mídia mais imersivas a ambientes de manufatura mais inteligentes e rápidos.
O Edge AI também permite o uso de dispositivos de IoT conetados e APLICAÇÕES DE ML em ambientes onde uma conetividade confiável de internet/Wi-Fi (ou qualquer outra) pode não ser uma dada, como um equipamento de perfuração em alto mar, um navio de pesquisa ou um aeroporto. Uma aplicação inteligente para monitorizar as condições ambientais, como a presença de gases perigosos, seria inútil se dependesse da conetividade da nuvem.
Edge Aplicações de IA
Edge A IA tem o potencial de ser a plataforma tecnológica para muitas novas aplicações em uma ampla gama de indústrias e casos de uso. Por exemplo, a IA Edge permitirá a implementação generalizada de iniciativas da Indústria 4,0 no segmento de manufatura, incluindo análises mais preditivas, pisos de fábrica automatizados, linhas de produção reconfiguráveis e logística otimizada. A mídia e o entretenimento podem usar o Edge AI para localizar conteúdo e aumentar a personalização. A IA Edge pode conduzir melhorias transversais às infraestruturas urbanas, permitindo aplicações mais avançadas no setor público/educacional, telemedicina, ou levando a automação de transportes para o próximo nível. As possibilidades são quase infinitas.
Para mostrar as capacidades e a versatilidade da nossa plataforma Edge IA, desenvolvemos vários protótipos e demonstrações, incluindo:
-
Solução de deteção de falhas preditivas
-
Sistema de prateleira inteligente para retalho usando visão computacional
-
Sistema de deteção de estranhos para um laboratório ou instalações de fabrico
-
Sistema de inspeção ótica automatizado para garantia de qualidade
Para a aplicação de deteção de falhas preditivas, os sensores são montados em motores e outros equipamentos e configurados para transmitir continuamente sinais de temperatura, vibração e corrente para a plataforma Edge AI. Em vez de enviar todos os dados para a nuvem, a IA analisa os dados continuamente localmente para fazer previsões para quando um determinado motor está prestes a falhar. Uma fábrica ou supervisor de manutenção pode tomar medidas correctivas para evitar uma interrupção da produção, detetando com precisão anomalias e condições de falha. E como o armazenamento e a análise de dados ocorrem dentro da localização da fábrica, as organizações ganham alertas mais oportunos juntamente com uma maior segurança de dados e custos reduzidos de armazenamento de dados e largura de banda.
Figura 2. A análise de falhas preditivas impulsionada pelo Edge AI pode minimizar os riscos de falhas e interrupções não previstas.
No protótipo de um sistema automatizado de rastreamento de inventário de varejo, um robô autónomo de digitalização de prateleiras entrega alimentações de câmera a um MODELO DE ML executado na plataforma Edge AI. O sistema pode reconhecer objetos e fornecer detalhes de inventário a um painel, fornecendo insights mais frequentes, precisos e abrangentes sobre o status do inventário, juntamente com monitoramento de status em tempo real e alerta para baixo inventário.
Figura 3. O rastreamento automatizado de inventário de varejo alimentado pelo Edge AI fornece insights para monitorar tendências e fornece alertas em tempo real.
Apesar dos bloqueios eletrónicos e de outras medidas de segurança, impedir o acesso não autorizado a áreas restritas em instalações de produção em expansão ou em ambientes laboratoriais pode ser um desafio. Ao incorporar feeds de vídeo de todas as instalações na IA do Edge, o sistema pode usar o reconhecimento facial para detetar estranhos e fornecer notificações em tempo real ao pessoal de segurança.
Figura 4. A IA de borda melhora a segurança usando a visão computacional para identificar estranhos em um ambiente de manufatura ou laboratório.
Outro caso de uso para Edge IA e visão computacional é a inspeção ótica automatizada nas linhas de fabricação. Neste caso, os componentes montados são enviados através de uma estação de inspeção para análise visual automatizada. O modelo de visão computacional Edge AI deteta peças em falta ou desalinhadas ou qualquer outra falha e fornece resultados a um painel em tempo real mostrando o status da inspeção. Como os dados podem fluir de volta para a nuvem para análise posterior, os MODELOS DE ML podem ser continuamente melhorados para reduzir falsos positivos. O sistema melhora o rendimento da produção e aumenta a produtividade do processo aumentando a velocidade e a precisão da identificação de defeitos.
Como estes exemplos ilustram, a integração da IA e da capacidade de computação combinada com serviços de nuvem diretamente na borda da rede permite que as organizações tragam casos de uso cada vez mais sofisticados e transformadores ao mercado. Como uma plataforma totalmente integrada, o Edge IA reduz significativamente os obstáculos de dar vida a estes casos de uso.
Vamos mergulhar mais fundo nos elementos da plataforma Edge IA na próxima edição de uma série de três partes.
Contact-nos para saber mais sobre como a sua aplicação pode beneficiar da nossa plataforma Edge IA.
