O que é IA em redes de edge?

Os rápidos avanços tecnológicos tornaram a IA uma das tecnologias mais promissoras e importantes do século XXI. À medida que as demandas de computação da IA continuam a crescer em um ritmo exponencial, muitos fluxos de trabalho de IA agora estão migrando de ambientes em nuvem para redes de edge, permitindo que a computação aconteça mais perto de onde os dados são coletados, em vez de em data centers de nuvem distantes e centralizados. Essa proximidade permite que os sistemas de IA melhorem drasticamente as velocidades de processamento e, ao mesmo tempo, tornem os dados de IA mais seguros. A mudança da nuvem para a edge provavelmente desempenhará um papel fundamental para permitir que a IA obtenha novos recursos empolgantes e ousados.

As redes de edge são uma arquitetura de TI na qual funções de computador, como processamento, armazenamento de dados, rede e segurança, ocorrem na edge da rede, mais próximas dos usuários, dispositivos e aplicações que geram e consomem dados. Esse modelo contrasta com a computação em nuvem, que fornece acesso sob demanda a recursos de computação virtualizados pela Internet, a partir de data centers que podem residir em qualquer lugar do mundo. Ao processar, armazenar e fornecer dados de locais mais próximos de onde os dados são gerados, as redes de edge ajudam a minimizar a latência, melhorar a segurança, aumentar a disponibilidade e aprimorar as experiências do usuário.

Nos primórdios da IA, a maioria das funções de computação era executada em data centers baseados em nuvem que ofereciam o enorme poder de computação, capacidade e escalabilidade necessários para essa tecnologia em expansão. À medida que a tecnologia amadurece e as fontes de coleta de dados se expandem para a IoT (Internet das Coisas) e para bilhões de smartphones e dispositivos conectados, a enorme quantidade de dados resultante aumentou a latência e o uso da largura de banda da rede em operações de IA baseadas em nuvem. Como resultado, as tecnologias de IA agora estão migrando para a edge, processando conjuntos de dados muito mais próximos dos dispositivos, aplicações e usuários onde os dados são gerados. A execução da IA em servidores de edge permite que tecnologias emergentes, como aprendizado de máquina, aceleração de rede neural e aprendizado profundo, sejam dimensionadas com mais facilidade e forneçam insights e análises em tempo real para impulsionar a tomada de decisões mais inteligentes e rápidas.

A execução da IA em redes de edge muda a estrutura tradicional em sistemas de inteligência artificial. No passado, os dados gerados por fontes relacionadas à IA eram enviados para um ambiente central de computação em nuvem, onde grandes quantidades de poder computacional poderiam agregar, analisar, interpretar e comunicar informações sobre os dados coletados de fontes de IA. Hoje, em vez de serem executados centralmente, os modelos de IA são configurados em processadores conectados ou dentro dos dispositivos na edge da rede, incluindo dispositivos de IoT, telefones celulares, veículos autônomos, relógios inteligentes, dispositivos inteligentes e dispositivos médicos, além de dispositivos de edge padrão, como notebooks, PCs e servidores físicos.

As aplicações de IA de edge oferecem enormes vantagens para esse campo em rápida evolução.

• Redução da latência. O processamento de workloads de IA em dispositivos de edge minimiza ou elimina os atrasos que ocorrem quando os dados precisam viajar de e para servidores de nuvem distantes.
• Aumento da confiabilidade. As operações de IA de edge podem continuar a operar mesmo quando os data centers centrais ficam off-line. As redes de edge são bastante adeptas ao roteamento de tráfego em torno de gargalos e congestionamento de rede para manter a confiabilidade e a disponibilidade.
• Maior privacidade e segurança. Ao processar dados mais próximos de onde são gerados, as redes de edge reduzem o risco de que dados confidenciais sejam expostos na Internet pública ou interceptados por cibercriminosos à medida que são transmitidos para centros de nuvem distantes.
• Redução na largura de banda. O gerenciamento local de dados de IA reduz o consumo de largura de banda nas redes, aumentando o desempenho e a disponibilidade gerais da rede.
• Economia de custos. Ao usar uma infinidade de dispositivos de edge em vez de um banco de dados de nuvem central para CPU, GPU e memória, as operações de IA de edge podem reduzir significativamente o custo da largura de banda para transmissão de dados.

A IA em redes de edge está impulsionando novos recursos em praticamente todos os setores.

• Energia. Os modelos de IA de edge usam dados em tempo real de padrões meteorológicos, consumo de energia e integridade da rede para gerar e entregar energia com mais eficiência.
• Área da saúde. Os instrumentos médicos inteligentes contam com a tecnologia de IA de edge para digitalizar imagens médicas, ajudar na cirurgia e comunicar informações vitais sobre a saúde do paciente aos médicos.
• Segurança. O reconhecimento facial, a detecção de objetos e a visão computacional estão melhorando drasticamente a segurança em muitos setores. Em muitas aplicações, essas tecnologias exigem latência ultrabaixa fornecida pelo processamento de IA na edge para tomar decisões de segurança oportunas.
• Fabricação. As redes de IIoT (industriais de Internet das Coisas) dependem de algoritmos de IA para monitorar a qualidade da produção e a segurança no local de trabalho e fazer ajustes em tempo real nos processos de produção.
• Reconhecimento de discurso. A capacidade de executar IA em dispositivos de edge é essencial para habilitar os algoritmos que potencializam o reconhecimento de fala em telefones celulares e assistentes virtuais.