Edge AI è uno dei nuovi settori più importanti dell’intelligenza artificiale e mira a consentire alle persone di eseguire processi AI senza doversi preoccupare della privacy o dei rallentamenti dovuti alla trasmissione dei dati. Edge AI sta consentendo un uso più ampio e più diffuso dell’IA, consentendo ai dispositivi intelligenti di reagire rapidamente agli input senza accesso a un cloud. Sebbene questa sia una rapida definizione di Edge AI, prendiamoci un momento per comprendere meglio Edge AI esplorando le tecnologie che lo rendono possibile e vedendo alcuni casi d’uso per Edge AI.
Cos’è l’Edge Computing?
Per comprendere veramente Edge AI, dobbiamo prima comprendere l’Edge computing e il modo migliore per comprendere l’ Edge computing è confrontarlo con il cloud computing. Il cloud computing è la fornitura di servizi informatici su Internet. Al contrario, i sistemi di Edge Computing non sono connessi a un cloud, invece di funzionare su dispositivi locali. Questi dispositivi locali possono essere un server edge computing dedicato, un dispositivo locale o un Internet of Things (IoT) . Esistono numerosi vantaggi nell’utilizzo dell’Edge Computing. Ad esempio, il calcolo basato su Internet / cloud è limitato dalla latenza e dalla larghezza di banda, mentre l’Edge Computing non è limitato da questi parametri.
Cos’è Edge AI?
Ora che comprendiamo l’Edge Computing, possiamo dare un’occhiata all’Edge AI . Edge AI combina intelligenza artificiale e edge computing. Gli algoritmi di intelligenza artificiale vengono eseguiti su dispositivi in grado di eseguire l’edge computing. Il vantaggio di questo è che i dati possono essere elaborati in tempo reale, senza doversi connettere a un cloud.
La maggior parte dei processi di intelligenza artificiale all’avanguardia vengono eseguiti in un cloud in quanto richiedono una grande quantità di potenza di calcolo. Il risultato è che questi processi di intelligenza artificiale possono essere vulnerabili ai tempi di inattività. Poiché i sistemi Edge AI operano su un dispositivo di edge computing, le operazioni di dati necessarie possono avvenire localmente, essendo inviate quando viene stabilita una connessione Internet, il che consente di risparmiare tempo. Gli algoritmi di deep learning possono operare sul dispositivo stesso, punto di origine dei dati.
Edge AI sta diventando sempre più importante a causa del fatto che sempre più dispositivi devono utilizzare l’IA in situazioni in cui non possono accedere al cloud. Considera quanti robot di fabbrica o quante auto oggigiorno sono dotati di algoritmi di visione artificiale. Un ritardo nella trasmissione dei dati in queste situazioni potrebbe essere catastrofico. Le auto a guida autonoma non possono soffrire di latenza durante il rilevamento di oggetti sulla strada. Poiché un tempo di risposta rapido è così importante, il dispositivo stesso deve disporre di un sistema Edge AI che gli consenta di analizzare e classificare le immagini senza fare affidamento su una connessione cloud.
Quando ai computer edge vengono affidate le attività di elaborazione delle informazioni normalmente svolte nel cloud, il risultato è un’elaborazione in tempo reale a bassa latenza e bassa latenza. Inoltre, limitando la trasmissione dei dati solo alle informazioni più vitali, il volume di dati stesso può essere ridotto e le interruzioni di comunicazione possono essere minimizzate.
Edge AI e Internet of Things
Edge AI si integra con altre tecnologie digitali come 5G e Internet of Things (IoT). L’IoT può generare dati per i sistemi Edge AI da utilizzare, mentre la tecnologia 5G è essenziale per il continuo progresso sia dell’Edge AI che dell’IoT.
L’Internet of Things si riferisce a una varietà di dispositivi intelligenti collegati tra loro tramite Internet. Tutti questi dispositivi generano dati, che possono essere inseriti nel dispositivo Edge AI, che può anche fungere da unità di archiviazione temporanea per i dati fino a quando non viene sincronizzato con il cloud. Il metodo di elaborazione dei dati consente una maggiore flessibilità.
La quinta generazione della rete mobile, 5G , è fondamentale per lo sviluppo sia di Edge AI che di Internet of Things. Il 5G è in grado di trasferire dati a velocità molto più elevate, fino a 20 Gbps, mentre il 4G è in grado di fornire dati a solo 1 Gbps. Il 5G supporta anche molte più connessioni simultanee rispetto al 4G (1.000.000 per chilometro quadrato contro 100.000) e una migliore velocità di latenza (1 ms contro 10 ms). Questi vantaggi rispetto al 4G sono importanti perché con la crescita dell’IoT, cresce anche il volume dei dati e la velocità di trasferimento ne risente. Il 5G consente più interazioni tra una gamma più ampia di dispositivi, molti dei quali possono essere dotati di Edge AI.
Casi d’uso per Edge AI
I casi d’uso per Edge AI includono praticamente qualsiasi istanza in cui l’elaborazione dei dati verrebbe eseguita in modo più efficiente su un dispositivo locale rispetto a quando eseguita tramite un cloud. Tuttavia, alcune delle maggior parte dei casi di uso comune di bordo AI includono vetture auto-guida , droni autonomi , riconoscimento facciale , e assistenti digitali .
Le auto a guida autonoma sono uno dei casi d’uso più rilevanti per Edge AI. Le auto a guida autonoma devono costantemente scansionare l’ambiente circostante e valutare la situazione, apportando correzioni alla sua traiettoria in base agli eventi vicini. L’elaborazione dei dati in tempo reale è fondamentale per questi casi e, di conseguenza, i loro sistemi Edge AI integrati sono responsabili dell’archiviazione, della manipolazione e dell’analisi dei dati. I sistemi di IA edge sono necessari per portare sul mercato veicoli di livello 3 e di livello 4 (completamente autonomi).
Poiché i droni autonomi non sono pilotati da operatori umani, hanno requisiti molto simili per le auto autonome. Se un drone perde il controllo o non funziona correttamente durante il volo, può schiantarsi e danneggiare la proprietà o la vita. I droni possono volare lontano dalla portata di un punto di accesso Internet e devono avere funzionalità Edge AI. I sistemi Edge AI saranno indispensabili per servizi come Amazon Prime Air, che mira a consegnare pacchi tramite drone.
Un altro caso d’uso per Edge AI sono i sistemi di riconoscimento facciale. I sistemi di riconoscimento facciale si basano su algoritmi di visione artificiale, analizzando i dati raccolti dalla telecamera. Le app di riconoscimento facciale che operano ai fini di attività come la sicurezza devono funzionare in modo affidabile anche se non sono connesse a un cloud.
Gli assistenti digitali sono un altro caso d’uso comune per Edge AI. Gli assistenti digitali come Google Assistant, Alexa e Siri devono essere in grado di operare su smartphone e altri dispositivi digitali anche quando non sono connessi a Internet. Quando i dati vengono elaborati sul dispositivo non è necessario inviarli al cloud, il che aiuta a ridurre il traffico e garantire la privacy.
![](http://ihal.it/wp-content/uploads/2020/08/AI-Edge-di-Kneron-2.jpg)