La «IA perimetral» es uno de los principales propósitos de la computación perimetral. Esta IA de vanguardia es una de las tecnologías clave más importantes para la realización de la IoT, y su difusión se está expandiendo. Aquí, presentaremos qué es la IA de borde, en qué se diferencia de la IA en la nube, por qué la IA de borde atrae la atención y algunos ejemplos concretos de IA de borde.
¿Qué es Edge AI?
La IA perimetral consiste en colocar inteligencia artificial en un servidor perimetral. Se puede decir que es una tecnología para equilibrar las ventajas de la velocidad y las ventajas de la inteligencia artificial, que son las ventajas de la computación de borde.
La ventaja de la inteligencia artificial es que puede realizar automáticamente tareas que no se pueden estandarizar una vez que se aprende. En otras palabras, permite un procesamiento que no se puede realizar con un ordenador normal (ordenador Von Neumann). Se puede decir que este tipo de trabajo que no se puede estandarizar es una característica del trabajo que los humanos han realizado hasta ahora. Antiguamente, existen varios tipos de inteligencia artificial, como los sistemas expertos, pero en los últimos años la mayoría de ellos han consistido en el aprendizaje profundo de entre 14 y 20 capas mediante redes neuronales (aprendizaje profundo).
Se cree que al hacer que un trabajo típico sea inteligencia artificial, es posible compensar la escasez de ingenieros calificados. Desde un punto de vista diferente, se puede decir que el juicio y la experiencia de los ingenieros expertos se transfieren a la inteligencia artificial. Los ejemplos específicos incluyen el «mantenimiento predictivo», que predice las fallas de los equipos y el momento de la sustitución de las piezas por adelantado, y el «procesamiento de imágenes», que inspecciona los productos.
Los técnicos cualificados han llevado a cabo un «aprendizaje» durante un largo período de experiencia y han juzgado si el producto es bueno o malo, cuándo reemplazar las piezas, etc. basándose en la intuición cultivada a través de la experiencia. Se puede decir que uno de los objetivos finales de las fábricas inteligentes y el IoT es ahorrar mano de obra sin degradar la calidad de la inspección y el mantenimiento mediante la transferencia de esas experiencias y juicios a la inteligencia artificial.
Diferencias entre la IA perimetral y la IA en la nube
Por otro lado, la IA en la nube consiste en colocar la inteligencia artificial en un servidor en la nube. La desventaja de la IA en la nube es que la velocidad de procesamiento es lenta porque la comunicación siempre se realiza entre el servidor perimetral y el servidor en la nube a través de la red.
Por otro lado, si coloca la IA en el servidor perimetral, el procesamiento se completará solo en el servidor perimetral y solo tendrá que enviar el resultado del análisis y el resultado de la predicción al servidor en la nube. Por esta razón, tiene la ventaja de una velocidad de procesamiento más rápida que la IA en la nube, que requiere comunicación para cada proceso.
Por otro lado, la IA en la nube, que puede manejar una enorme cantidad de información, será más fácil de manejar cuando el trabajo de aprendizaje sea más fácil y se produzcan nuevos eventos. En otras palabras, la IA en la nube es más flexible. Además, cabe señalar que los recursos del servidor perimetral son limitados y el tamaño de la inteligencia artificial de la IA perimetral (la escala de la red neuronal) también es limitado.
De lo anterior, se puede decir que la mejor configuración del sistema es básicamente preparar tanto la IA perimetral como la IA cloud, realizar el aprendizaje con IA cloud y enviar los resultados del aprendizaje a la IA perimetral. En concreto, la IA en la nube aprende primero utilizando una enorme cantidad de información y, cuando el aprendizaje progresa hasta cierto punto, los resultados del aprendizaje se envían a la IA perimetral. Y la IA perimetral que obtuvo el resultado del aprendizaje realiza el procesamiento real. A continuación, el resultado del análisis que Edge AI considera defectuoso se envía a Cloud AI, que se utiliza para volver a aprender con Cloud AI, y el resultado del aprendizaje se devuelve a Edge AI. Al repetir esta serie de procesos, es posible mejorar la tasa de detección de productos defectuosos a medida que se inspecciona el producto.
Por qué Edge AI llama la atención
Con la introducción de Edge AI, el «descubrimiento in situ y el análisis in situ» serán posibles a gran velocidad. En otras palabras, la aparición, la detección, el análisis o la notificación de anomalías se pueden realizar a gran velocidad y sin demora en comparación con la IA en la nube. Esta es la razón principal por la que la IA de vanguardia está atrayendo la atención. Esta es una tecnología particularmente eficaz en campos que requieren procesamiento en milisegundos, como los automóviles (conducción automatizada) y los sistemas de producción.
En el campo de la conducción autónoma, es concebible transferir el juicio y la experiencia de los conductores experimentados al juicio y la experiencia de ingenieros expertos en el campo de los sistemas de producción y a la IA perimetral. Además, la IA perimetral será ventajosa en términos de velocidad de procesamiento cuando se produzca un problema en el equipo de producción y se realice una parada de emergencia. Hay escasez de expertos en ambas áreas, y la IA de vanguardia se considera un medio eficaz para resolver problemas.
Ejemplos específicos de IA perimetral
Entonces, ¿cuáles son algunos ejemplos concretos del uso de la IA perimetral?
Tomando como ejemplo la inspección de calidad, en las inspecciones anteriores realizadas por humanos, era habitual seguir el flujo de «inspección visual del producto» -> «juicio de la imagen visualizada visualmente» -> «buen o mal juicio». En esta parte de «sentencia» → «dictaminar o rechazar», un técnico experto emite un juicio utilizando el «cerebro». Por otro lado, en la inspección de calidad que utiliza la tecnología de inspección automática de los últimos años, se toma en cuenta el flujo de «fotografiar el producto con una cámara» -> «juzgar la imagen tomada» -> «buen o mal juicio». Entonces, es concebible utilizar inteligencia artificial en lugar del «cerebro» de un técnico experto en la parte de «juicio de la imagen capturada» → «buen o mal juicio».
La decisión de colocar la inteligencia artificial en un servidor en la nube o en un servidor periférico debe tomarse en función de si la inspección requiere velocidad de procesamiento. Por ejemplo, si la producción en masa no da tiempo para inspeccionar la calidad de cada producto, Edge AI puede ser adecuado. Por otro lado, si la inspección de calidad lleva tiempo y solo quieres ahorrar mano de obra, la IA en la nube será suficiente en lugar de la IA perimetral.
A continuación, echemos un vistazo a la predicción de fallos (mantenimiento predictivo). En este caso, un técnico experto deduce una señal de fallo a partir del flujo de, por ejemplo, «sentir el sonido o la vibración del dispositivo» → «darse cuenta de esos cambios» → «tener en cuenta el tiempo transcurrido desde el fallo anterior» → «juicio». Se cree que lo estás haciendo. Por lo tanto, si el sensor instalado en el dispositivo captura los cambios en el sonido y la vibración, considera el tiempo transcurrido desde un temporizador, etc., y hace un juicio exhaustivo utilizando inteligencia artificial, teóricamente es posible reemplazarlo por inteligencia artificial. (En realidad, hay problemas de «aprendizaje» y varios problemas pequeños. Se puede decir que la solución de estos problemas es una muestra de la habilidad del departamento de ingeniería de producción).
En estos casos, es más fácil elaborar un plan de respuesta posterior (denominado «plan de mantenimiento») si el tiempo transcurrido entre la predicción de una falla y la emisión de una alarma es lo más breve posible. Por lo tanto, es posible introducir la IA de vanguardia, que es ventajosa en términos de velocidad, para ganar tiempo y elaborar un plan de mantenimiento.
Además, se requiere «aprendizaje» para introducir la inteligencia artificial, pero este «aprendizaje» a menudo requiere la experiencia de un ingeniero cualificado. Por tanto, es probable que el trabajo final de un técnico cualificado en la materia a la edad de jubilación consista cada vez más en confiar su experiencia a la inteligencia artificial.
La IA perimetral es uno de los medios efectivos para hacer frente a la escasez de ingenieros
Hasta ahora, hemos descrito Edge AI. Edge AI es una tecnología diseñada para aprovechar los beneficios de la inteligencia artificial lo más rápido posible. En la antigua línea de producción, los ingenieros de producción siempre estaban en la línea de producción y mantenían la línea basándose en su experiencia e intuición. Ahora que estos ingenieros de producción escasean, la IA de vanguardia puede ser una de las soluciones eficaces al problema de la escasez de mano de obra si el juicio y la experiencia se pueden transferir con éxito a la inteligencia artificial.
