Los diseñadores de tecnología IoT no deben dejarse engañar por la IA y la computación periférica.

La comunidad de Internet de las cosas (IoT) ha estado promocionando los beneficios de la nube durante mucho tiempo. Su capacidad para procesar, almacenar y distribuir grandes cantidades de datos no tiene parangón. Sin embargo, la nube sufre de una limitación significativa que obstruye el flujo cada vez mayor de bits y bytes del mundo: la alta latencia creada por los anchos de banda de carga y descarga.

Pensemos en un ingeniero que diseña sistemas industriales automatizados o un vehículo autónomo. Estos sistemas de IoT industrial (IIoT) crean una gran cantidad de datos, mientras que sus entornos de trabajo exigen una comunicación fluida y tiempos de reacción rápidos. Estos productos no pueden esperar cientos de milisegundos para que los datos se envíen a la nube, se procesen, se calculen, se interpreten y luego se devuelvan. Cualquier retraso podría significar un desastre.

Sin embargo, si la mayoría de los datos pudieran procesarse a través de edge computing, cerca o en el dispositivo, podrían interpretarse 10 veces más rápido. Este enigma de la baja latencia es una de las razones por las que Dimension Market Research estima que se espera que el mercado de la computación periférica alcance los 702.800 millones de dólares para 2033.

Se prevé que el mercado de edge computing alcance los 702.800 millones de dólares en 2033, con una tasa compuesta anual del 40,0%. (Fuente de la imagen: Dimension Market Research).

Aunque la electrónica de consumo experimenta entornos de trabajo con menos en juego, los ingenieros aún pueden esperar que las demandas de los consumidores impulsen estos dispositivos a lo largo de una tendencia similar.

En resumen, a medida que la IA, el aprendizaje automático (ML), la realidad aumentada (AR) y la realidad virtual (VR) se vuelvan más populares entre los consumidores y la industria por igual, cada vez se enviarán menos datos, por dispositivo, a la nube y se realizará más procesamiento en el borde.

Lo que los ingenieros necesitan para adelantarse a las tendencias de edge computing

Claramente, los ingenieros que diseñan dispositivos IoT ya no pueden depender exclusivamente en el edge computing. Aunque seguirá siendo óptimo para algunos dispositivos enviar todos sus datos a la nube, la computación periférica se convertirá en una necesidad, o al menos una consideración, para la mayoría de los diseños de productos.

EdgeBox-RPI-200 de Seeed Technology es una computadora de placa única que ofrece cuatro núcleos a 1.5Ghz con 4 GB de RAM. Se basa en la Raspberry Pi CM4 ARM Cortex-A72. (Fuente de la imagen: Seeed Technology).

Esto significa que los ingenieros tendrán que tener en cuenta a proveedores como Seeed Technology, que ofrece su EdgeBox-RPI-200. De acuerdo con la hoja de datos del dispositivo, la computadora de placa única está optimizada para aplicaciones en la nube e IoT dentro de entornos industriales hostiles. Está basada en la Raspberry Pi CM4 ARM Cortex y ofrece un núcleo cuádruple de 1,5 GHz y 4 GB de RAM.

Por lo tanto, este dispositivo puede procesar números en el borde, tomar sus propias decisiones basadas en esos datos y luego informar a la nube lo que sucedió.

¿Cómo desarrollan los ingenieros el futuro de la IA, el IoT y la computación periférica?

Todo esto plantea la pregunta: ¿Cómo sería un sistema IIoT inteligente, habilitado para IA y con capacidades de computación periférica? Bueno, podría parecerse a nuestro propio cerebro cuando nos encontramos con una araña.

El edge computing puede actuar de forma similar a las partes internas del cerebro: recibe información y responde inmediatamente, sin que el resto del cerebro tenga que pensar en la araña con demasiado detalle. La persona grita de miedo, su corazón bombea más rápido y está en alerta máxima. En el dispositivo IoT, esto se asemeja a un algoritmo de IA o ML que responde a los datos actuales. Ve que una pieza en la planta de producción está fuera de las especificaciones, informa al equipo para que la retire de la línea y un humano puede inspeccionar la pieza para ver si es tan mala como dice el algoritmo.

Consideremos ahora de nuevo el cerebro. Después del susto y la respuesta iniciales, las partes pensantes externas del cerebro pronto comenzarán a responder. Evaluará lo que sucedió, la respuesta y luego instruirá al cerebro interno para que se calme, porque es solo una araña doméstica, o continúe entrando en pánico, porque parece venenosa. Para el dispositivo IoT, esto podría parecerse a los datos procesados que se envían a la nube. A continuación, la nube podría utilizar la respuesta calculada del algoritmo, el resultado final de la parte retirada de la línea (buena o mala), y utilizar esta información para perfeccionar el algoritmo de IA.

Ahora, los únicos datos que se envían a la nube son la cantidad mínima de datos que necesita para actualizar el modelo de IA. Mientras tanto, todo lo que la nube necesita enviar de vuelta al dispositivo es el algoritmo recién optimizado. Por lo tanto, esta configuración optimiza la cantidad limitada de ancho de banda con el que tienen que trabajar los ingenieros de IoT.