¿Por qué la IA será tan importante para el Edge Computing en 2023? La Inteligencia Artificial o el Machine Learning están muy extendidos en los centros de datos centralizados o en la nube pública. Pero las nuevas tendencias de la Industria 4.0, con el importante crecimiento de los dispositivos inteligentes IoT desplegados en el edge, es un medio de cambio para conseguir que la inferencia se realice más cerca del usuario final, ya que las necesidades de procesamiento casi en tiempo real están creciendo en el edge. Tomemos como ejemplo los coches autónomos. Una latencia incoherente podría aumentar significativamente el riesgo de accidentes.
Además, la inferencia en una nube centralizada requiere mover datos entre elementos informáticos. Esto no sólo cuesta tiempo y dinero, sino que conlleva problemas de limitación del ancho de bandaEl ancho de banda es la capacidad máxima de transferencia d.... Además de los retos de latencia y ancho de banda, el coste es otro factor cuando se trata de procesar y analizar grandes cantidades de datos en la nube. Por lo tanto, el uso de IA/ML para abordar necesidades casi en tiempo real en el edge requiere trasladar la inferencia de IA de la nube al edge para beneficiarse de la baja latencia de la computación en el edge y del ahorro de ancho de banda de la red.
Pero la inferencia de IA no es fácil en el edge…
Si bien esperamos que muchas organizaciones consideren la IA en el edge en 2023, se debe tener en cuenta los múltiples desafíos únicos de la inferencia en el edge. En primer lugar, la gestión de la IA en el edge puede llevar mucho tiempo y ser costosa cuando hay que instalar y mantener docenas o miles de dispositivos. Otro reto es asegurar la arquitectura del edge computing con múltiples ubicaciones que pueden tener una TI mínima o inexistente. La seguridad debe ser integral, desde la nube hasta el edge. Con la IA procesada en el edge, la aplicación empresarial que gestiona la propiedad intelectual y los datos confidenciales recogidos de los sensores debe estar siempre protegida. Además, las organizaciones que busquen Edge AI tendrán que gestionar un elevado número de sitios dispersos por todo el territorio. Tendrán que buscar alguna forma de entrenar, desplegar y operar estas aplicaciones de IA en el edge y beneficiarse de las capacidades de despliegue automatizado y gestión del ciclo de vida generalmente disponibles in situ o en la nube pública.
Por lo tanto, la gestión de la inteligencia artificial en el edge es cuestión de control…
De acuerdo con los retos descritos anteriormente, la gestión de la inteligencia artificial en el edge es tan buena como el control que se tenga sobre ella. Ejecutar aplicaciones de IA en el edge requerirá un control en profundidad para ejecutarlas de forma segura y a escala, con el fin de tener la tranquilidad de saber que, pase lo que pase, la información recopilada para la toma de decisiones basada en datos estará siempre disponible y protegida.
Por lo tanto, podemos esperar que, al considerar el avance hacia la IA edge, muchas organizaciones busquen una plataforma de nube híbrida con gestión y seguridad centralizadas que pueda ayudar a crear, ejecutar, gestionar y escalar despliegues de IA en docenas y hasta miles de servidores desplegados en el edge. Esto respalda la ambición de llevar rápidamente la inteligencia artificial a las redes de tiendas minoristas, almacenes, hospitales, fábricas, etc. Además de ayudar a simplificar las operaciones, muchas organizaciones considerarán una gestión centralizada para la IA edge, ya que puede ayudar a reducir costes y, por lo tanto, hacer que la IA sea más accesible y práctica en todas las ubicaciones.
