Akamai è l'azienda di cybersecurity e cloud computing che abilita e protegge il business online. Le nostre soluzioni di sicurezza leader del settore, l'innovativa intelligence sulle minacce e il team presente su scala globale forniscono una difesa approfondita in grado di proteggere applicazioni e dati critici ovunque. Le soluzioni complete di cloud computing offerte da Akamai assicurano performance elevate e notevoli risparmi grazie alla piattaforma più distribuita al mondo. Le maggiori aziende internazionali si affidano ad Akamai per ottenere la protezione, la scalabilità e le competenze leader del settore di cui hanno bisogno per far crescere le loro attività senza rischi.
I rapidi progressi tecnologici hanno reso l'intelligenza artificiale (AI) una delle tecnologie più promettenti e importanti del 21° secolo. Poiché le richieste di computing dell'AI continuano a crescere a un ritmo esponenziale, molti workflow dell'AI si stanno spostando dagli ambienti cloud alle reti sull'edge, avvicinando maggiormente il computing al punto in cui vengono raccolti i dati, anziché nei data center cloud remoti e centralizzati. Questa prossimità consente ai sistemi basati sull'AI di migliorare notevolmente le velocità di elaborazione, rendendo, al contempo, più sicuri i dati dell'AI. Il passaggio dal cloud all'edge svolgerà probabilmente un ruolo fondamentale nell'intento di consentire all'AI di ottenere nuove funzionalità entusiasmanti e solide.
Che cosa sono le reti sull'edge?
Le reti sull'edge sono un'architettura IT in cui le funzioni dei computer, come l'elaborazione, l'archiviazione dei dati, la rete e la sicurezza, si svolgono sull'edge della rete, più vicino agli utenti, ai dispositivi e alle applicazioni che generano e utilizzano i dati. Questo modello offre un contrasto con il cloud computing, che fornisce l'accesso on-demand alle risorse di elaborazione virtualizzate tramite Internet, dai data center che possono risiedere in qualsiasi parte del mondo. Elaborando, archiviando e distribuendo i dati da posizioni più vicine al punto in cui vengono generati i dati, le reti sull'edge aiutano a ridurre al minimo la latenza, migliorare la sicurezza, aumentare la disponibilità e migliorare le user experience.
Perché l'esecuzione dell'AI sugli edge server è importante?
Agli esordi dell'AI, la maggior parte delle funzioni di elaborazione veniva eseguita nei data center basati sul cloud che offrivano il livello di potenza, capacità e scalabilità di elaborazione richieste per questa tecnologia in espansione. Man mano che la tecnologia avanza e le origini della raccolta dei dati si espandono all'IoT (Internet of Things) e a miliardi di smartphone e dispositivi connessi, l'enorme quantità di dati risultante ha aumentato la latenza e l'utilizzo della larghezza di banda di rete nelle operazioni dell'AI basate sul cloud. Di conseguenza, le tecnologie dell'AI si stanno spostando sull'edge, elaborando i dataset molto più vicino ai dispositivi, alle applicazioni e agli utenti in cui vengono generati i dati. L'esecuzione dell'AI sugli edge server consente alle tecnologie emergenti come l'apprendimento automatico, l'accelerazione della rete neurale e il deep learning di scalare più facilmente e fornire informazioni e analisi in tempo reale per favorire un processo decisionale più intelligente e veloce.
Come funziona la tecnologia dell'AI sull'edge?
L'esecuzione dell'AI tramite le reti sull'edge inverte il sistema tradizionale per i sistemi basati sull'intelligenza artificiale. In passato, i dati generati da fonti correlate all'AI venivano inviati a un ambiente di cloud computing centrale in cui enormi quantità di potenza di elaborazione potevano aggregare, analizzare, interpretare e comunicare le informazioni sui dati raccolti dalle origini dell'AI. Oggi, invece di essere eseguiti centralmente, i modelli di AI vengono configurati su processori collegati o presenti all'interno dei dispositivi sull'edge della rete, inclusi dispositivi IoT, cellulari, veicoli a guida autonoma, smart watch, apparecchi di domotica e dispositivi medici, oltre a dispositivi sull'edge standard come laptop, PC e server fisici.
Quali sono i vantaggi dell'AI sull'edge?
Le applicazioni dell'AI sull'edge offrono enormi vantaggi per questo campo in rapida evoluzione.
- Latenza inferiore. L'elaborazione dei carichi di lavoro dell'AI sui dispositivi edge riduce al minimo o elimina i ritardi che si verificano quando i dati devono viaggiare da e verso server cloud distanti.
- Maggiore affidabilità. Le operazioni dell'AI sull'edge possono continuare a funzionare anche quando i data center centrali sono offline. Le reti sull'edge sono in grado di instradare il traffico eludendo i colli di bottiglia e la congestione della rete per mantenere caratteristiche di affidabilità e disponibilità.
- Maggiore privacy e sicurezza. Elaborando i dati più vicino al punto in cui vengono generati, le reti sull'edge riducono il rischio che i dati sensibili vengano resi visibili sull'Internet pubblico o intercettati dai criminali informatici durante la loro trasmissione a cloud center distanti.
- Riduzione della larghezza di banda. La gestione dei dati dell'AI a livello locale riduce il consumo di larghezza di banda sulle reti, aumentando le performance e la disponibilità complessive della rete.
- Risparmio sui costi. Utilizzando una miriade di dispositivi sull'edge anziché un database cloud centrale per CPU, GPU e memoria, le operazioni dell'AI sull'edge possono ridurre notevolmente il costo della larghezza di banda per la trasmissione dei dati.
Quali sono alcuni casi di utilizzo dell'AI sull'edge?
L'AI sulle reti sull'edge sta favorendo nuove funzionalità praticamente in ogni settore.
- Energia. I modelli di AI sull'edge utilizzano dati in tempo reale relativi ai modelli meteorologici, al consumo energetico e allo stato della rete per generare e fornire energia in modo più efficiente.
- Settore sanitario. Gli strumenti medici intelligenti si affidano alla tecnologia dell'AI sull'edge per eseguire la scansione delle immagini mediche, assistere agli interventi chirurgici e comunicare ai medici informazioni vitali sulla salute dei pazienti.
- Sicurezza. Il riconoscimento facciale, il rilevamento degli oggetti e la visione artificiale stanno migliorando notevolmente la sicurezza in molti settori. In molte applicazioni, queste tecnologie richiedono una latenza ultra-bassa fornita dall'elaborazione dell'AI sull'edge per prendere decisioni tempestive sulla sicurezza.
- Settore manifatturiero. Le reti dell'IoT (Industrial Internet of Things) si basano sugli algoritmi dell'AI per monitorare la qualità della produzione e la sicurezza sul luogo di lavoro e per apportare modifiche in tempo reale ai processi di produzione.
- Riconoscimento vocale. La capacità di eseguire l'AI sui dispositivi sull'edge è essenziale per abilitare gli algoritmi che potenziano il riconoscimento vocale su telefoni cellulari e assistenti virtuali.
Domande frequenti (FAQ)
Il cloud-edge fa parte dell'evoluzione dell'edge computing e implica lo spostamento delle risorse cloud e dei data center più vicino all'edge di una rete.
Un attacco DDoS (Distributed Denial-of-Service) inonda un computer o una rete con traffico dannoso, impedendogli di gestire le richieste legittime e causando un peggioramento o un arresto anomalo delle sue performance. Gli attacchi DDoS possono prendere di mira un sito web, un'applicazione web, un'API, una rete o un'infrastruttura di data center. Gli attacchi DDoS possono essere sferrati per causare interruzioni, a scopo di vendetta, estorcere denaro o come parte di un attacco ransomware come REvil o BlackCat.