Intelligenza artificiale incorporata: l’ascesa del dispositivo intelligente
L’intelligenza artificiale (AI) è generalmente vista in termini di una grande soluzione di elaborazione in quanto fa il salto dal laboratorio agli ambienti di produzione. Nella coscienza pubblica, l’IA è costituita da algoritmi complessi che elaborano grandi quantità di dati tratti da risorse cloud iperscalabili e tutto ciò creerà cambiamenti profondi e trasformativi nei processi e nei modelli aziendali.
Ultimamente, tuttavia, è emersa una forma diversa di IA: più ristretta a fuoco individualmente e meno ampia a portata. Si chiama intelligenza artificiale incorporata e poiché esiste sul dispositivo, sul SoC o persino sul processore stesso, è per natura ampiamente distribuito, in particolare ai margini. Ciò gli conferisce il potenziale per essere un progresso ancora più significativo dell’IA aziendale, supportando applicazioni che cambiano la vita che vanno dai veicoli autonomi al metaverso.
Bella prospettiva
Secondo Maximize Market Research , il mercato globale delle piattaforme di IA integrate dovrebbe crescere del 5,4% all’anno per raggiungere un valore di mercato di 38,8 miliardi di dollari entro il 2026 . Si prevede che il settore sanitario sarà il principale consumatore, dove trova applicazioni in iniziative chiave come la consulenza digitale e la chirurgia robotica. Anche la vendita al dettaglio e l’e-commerce saranno fattori chiave, aiutando i clienti a semplificare la ricerca sul Web e l’evasione degli ordini.
Questi potrebbero essere solo i valori anomali, tuttavia. Cabe Atwell di Fierce Electronicsosserva che l’IA incorporata ha applicazioni nell’intero spettro economico, dall’agricoltura alla produzione fino alla finanza. Spingendo l’IA oltre il cloud e sui dispositivi, diventa più democratizzata e più in grado di gestire le funzioni specifiche per cui il dispositivo è stato progettato. Inoltre, snellisce le architetture e migliora le prestazioni complessive accelerando i tempi di calcolo e riducendo il consumo energetico, fornendo allo stesso tempo i dati necessari per piattaforme più centralizzate per supervisionare la manutenzione predittiva e aumentare l’efficienza operativa. È importante notare che l’IA integrata non sostituirà le piattaforme cloud. In molti modi, aumenterà solo la capacità del cloud di sfruttare l’IA a livello, poiché l’IA integrata all’edge avrà bisogno di un forte supporto da risorse cloud intelligenti per guidare nuovi servizi e creare valore.
In effetti, dovremmo vedere soluzioni integrate farsi strada anche negli ambienti cloud e iperscalabili. IBM ha recentemente aggiunto l’intelligenza artificiale su chip al suo mainframe z16, specificamente addestrata per accelerare i pagamenti al punto in cui tutte le transazioni possono essere eseguite attraverso l’analisi delle frodi. Con la tecnologia attuale, i problemi di latenza e velocità effettiva consentivano di esaminare solo il 10% circa delle transazioni. L’obiettivo non è solo quello di segnalare attività sospette, ma anche di approvare in modo più rapido e accurato le richieste legittime.
Apprendimento dei dispositivi e intelligenza artificiale incorporata
Forse il progresso più significativo nell’IA incorporata negli ultimi anni è stata la capacità di semplificare i modelli di apprendimento automatico al punto da non consumare più risorse di elaborazione e dati sostanziali. La società di ingegneria dei sistemi DAC osserva che l’apprendimento automatico incorporato (E-ML) pone le basi per un vantaggio completamente nuovo che può utilizzare il deep learning e le reti neurali per diventare più intelligenti e reattivi nel tempo. Ciò renderà i servizi perimetrali meno costosi, migliorando allo stesso tempo le prestazioni e potenziando le funzioni critiche come la sicurezza e la privacy.
I produttori di dispositivi stanno già cercando di sfruttare l’E-ML e altre tecnologie per portare l’apprendimento non supervisionato al limite. Il designer francese Cartesiam ha recentemente lanciato una piattaforma software in grado di creare algoritmi di intelligenza artificiale per processori ARM con un minimo di 4 KB di RAM. Ora, invece di dover trasferire i dati a un enorme motore di intelligenza artificiale centrale, il dispositivo può apprendere da solo utilizzando i dati dal proprio sensore incorporato. Come con altre applicazioni, ciò riduce i costi di implementazione dell’IA su architetture distribuite e accelera il processo di apprendimento contenendolo interamente all’interno del dispositivo.
Per la maggior parte, l’IA incorporata funzionerà dietro le quinte, risolvendo silenziosamente i singhiozzi del sistema che altrimenti passerebbero inosservati. Potrebbe fornire supporto ad applicazioni più appariscenti come l’elaborazione del linguaggio naturale e l’analisi intelligente, ma per la maggior parte si concentrerà sulle responsabilità limitate del suo dispositivo host.
Nel complesso, tuttavia, l’IA incorporata potrebbe essere una centrale elettrica, cambiando il mondo in modi che non sono ancora sul tavolo da disegno.
