Il 2021 ha visto una crescita massiccia della domanda di edge computing, sulla spinta della pandemia, della necessità di processi aziendali più efficienti, così come di progressi chiave nell’ambito di Internet of Things, 5G e intelligenza artificiale.
In uno studio pubblicato da Ibm a maggio dello scorso anno, per esempio, il 94% dei dirigenti intervistati ha detto che le loro organizzazioni implementeranno l’edge computing nei prossimi cinque anni.
Dagli ospedali e dalle smart city ai negozi senza casse e alle auto a guida autonoma, l’Edge AI –la combinazione di edge computing e intelligenza artificiale – è più attuale e necessaria che mai.
A evidenziarlo è uno dei maggiori specialisti del settore, Nvidia, che ha individuato le principali tendenze dell’Edge AI che l’azienda si aspetta per il 2022.
I trend dell’Edge AI secondo Nvidia
1. Edge management
Benché l’edge computing stia rapidamente diventando un must per molte aziende – ha sottolineato come prima cosa Nvidia –, le implementazioni sono ancora in fase iniziale.
Per passare alla produzione, la gestione dell’intelligenza artificiale per l’edge diventerà responsabilità dei dipartimenti IT.
Per affrontare le sfide dell’edge computing legate alla gestibilità, alla sicurezza e alla scalabilità, i dipartimenti IT si rivolgeranno alla tecnologia cloud-native.
Kubernetes è emerso come lo strumento principale per la gestione delle applicazioni Edge AI su larga scala.
2. Espansione dei casi d’uso avanzati
La computer vision – sottolinea ancora Nvidia – ha dominato tra le implementazioni dell’intelligenza artificiale sull’edge. Il riconoscimento delle immagini ha aperto la strada, dando vita a un robusto ecosistema di applicazioni di computer vision.
Molte aziende stanno implementando o acquistando applicazioni di computer vision. Tali aziende all’avanguardia nella computer vision, secondo Nvidia inizieranno a guardare a soluzioni multimodali.
L’intelligenza artificiale multimodale introduce data source diverse per creare applicazioni più intelligenti che possono rispondere a ciò che vedono, sentono e percepiscono in altri modi.
Questi casi d’uso complessi impiegano abilità come la comprensione del linguaggio naturale, l’intelligenza artificiale conversazionale, la stima della posa, l’ispezione e la visualizzazione.
Combinata con il data storage, le tecnologie di elaborazione e le funzioni di input/output o dei sensori, secondo Nvidia l’intelligenza artificiale multimodale può produrre prestazioni in tempo reale all’edge per un’espansione dei casi d’uso in vari ambiti.
Tra questi: la robotica, la sanità, la pubblicità iper-personalizzata, lo shopping senza casse, le esperienze di concierge e altro ancora.
3. Convergenza di intelligenza artificiale e IoT industriale
La fabbrica intelligente è un altro spazio che sta ricevendo la spinta proveniente dalle nuove applicazioni di intelligenza artificiale, mette in evidenza Nvidia.
Le fabbriche possono aggiungere applicazioni di intelligenza artificiale a telecamere e altri sensori per l’ispezione e la manutenzione predittiva. Tuttavia, il rilevamento è solo il primo passo. Una volta rilevato un problema, bisogna agire.
Le applicazioni di intelligenza artificiale sono in grado di rilevare un’anomalia o un difetto e poi avvisare un essere umano per intervenire.
Ma per le applicazioni di sicurezza e altri casi d’uso in cui è richiesta un’azione immediata, le risposte in tempo reale sono rese possibili connettendo l’applicazione di inferenza di intelligenza artificiale con le piattaforme IoT che gestiscono le linee di assemblaggio, i bracci robotici o le macchine pick-and-place.
L’integrazione tra queste applicazioni si basa su un lavoro di sviluppo custom. Quindi, Nvidia ritiene che ci si può aspettare più integrazioni tra l’intelligenza artificiale e le tradizionali piattaforme di gestione IoT, che possano semplificare l’adozione dell’Edge AI negli ambienti industriali.
4. Crescita nell’adozione enterprise di AI-on-5G
L’infrastruttura di computing combinato AI-on-5G – sostiene Nvidia – fornisce un tessuto di connettività ad alte prestazioni e sicuro per integrare sensori, piattaforme di calcolo e applicazioni di intelligenza artificiale, sia sul campo, che on premise o nel cloud.
Tra i vantaggi chiave ci sono: una latenza ultra-bassa in ambienti non cablati, una qualità del servizio garantita e una maggiore sicurezza.
L’AI-on-5G sbloccherà nuovi casi d’uso di Ede AI.
Tra questi: l’Industria 4.0, con l’automazione degli impianti, robot di fabbrica, monitoraggio e ispezione; sistemi per l’automotive, con applicazioni di telemetria delle strade a pedaggio e dei veicoli; spazi intelligenti, per applicazioni retail, smart city e supply chain.
5. Gestione del ciclo di vita dal cloud all’edge
Per le organizzazioni che implementano l’intelligenza artificiale sull’edge, MLOps diventerà la chiave per aiutare a guidare il flusso di dati da e verso l’edge, sostiene Nvidia.
L’inserimento di nuovi dati interessanti o di insight dall’edge, il riaddestramento dei modelli, il test delle applicazioni e la loro riallocazione nell’edge, migliorano la precisione del modello e i risultati.
Con il software tradizionale, gli aggiornamenti possono avvenire su base trimestrale o annuale, ma l’intelligenza artificiale trae un vantaggio significativo da un ciclo continuo di aggiornamenti.
MLOps è ancora in fase iniziale di sviluppo, mette in evidenza Nvidia, con molti grandi player e startup che costruiscono soluzioni per la costante necessità di aggiornamenti della tecnologia di intelligenza artificiale.
Mentre per ora si focalizzano soprattutto sulla risoluzione dei problemi del data center, tali soluzioni in futuro si sposteranno sull’edge computing.
Come considerazione finale, secondo Nvidia il 2022 è l’anno in cui più imprese sposteranno la loro inferenza di intelligenza artificiale sull’edge, sostenendo la crescita dell’ecosistema mentre il settore si attrezza per estendersi dal cloud all’edge.
