Edge AI: la inteligencia artificial en el extremo de la red

El término inteligencia artificial en el extremo de la red (edge AI) hace referencia a la implementación de esta tecnología en un entorno de edge computing, lo cual permite que los procesos informáticos se lleven a cabo más cerca de donde se recopilan los datos, en lugar de en instalaciones de cloud computing centralizadas o en un centro de datos externo. Con la inteligencia artificial en el extremo de la red (edge AI), los dispositivos pueden tomar decisiones más inteligentes con mayor rapidez y sin conectarse a la nube o a los centros de datos externos.

Debido a que el edge computing acerca el almacenamiento de datos al dispositivo, los algoritmos de la inteligencia artificial procesan los datos creados en el dispositivo, sin necesidad de que este se encuentre conectado a Internet. Esto permite procesar los datos en cuestión de milisegundos y obtener información de inmediato. Con la inteligencia artificial en el extremo de la red, las respuestas son casi instantáneas. Esto puede ser más seguro, ya que algunos datos confidenciales permanecen en el extremo.

Los dispositivos del extremo de la red, como los sensores y los dispositivos del IoT, son tecnologías cada vez más importantes, ya que brindan la posibilidad de evitar los centros de datos en la nube que se encuentran sobrecargados.

La diferencia radica en que, según el marco de aplicación de la  inteligencia artificial tradicional, los datos generados por las tecnologías conectadas se trasmiten hacia un sistema de backend en la nube. En lugar de ejecutar los modelos de IA en el backend, se los configura en los procesadores que se ubican dentro de los dispositivos conectados que funcionan en el extremo de la red. Esto agrega una capa de inteligencia en el extremo que permite que el dispositivo que se encuentra allí no solo recopile datos e indicadores, sino que pueda utilizarlos para tomar decisiones. Esto se debe a que el dispositivo cuenta con un modelo de aprendizaje automático (ML) integrado, de manera que se trata de una verdadera  inteligencia artificial en el extremo de la red.

El objetivo de la inteligencia artificial es el mismo: diseñar máquinas inteligentes que puedan encargarse de las tareas que solemos realizar las personas, pero sin necesidad de supervisarlas. Es importante aclarar que la  inteligencia artificial en el extremo de la red realiza sus tareas y toma las decisiones de manera local, dentro del dispositivo que se utiliza o cerca de él.

La combinación del edge computing y la inteligencia artificial proporciona grandes ventajas. Con la  inteligencia artificial en el extremo de la red (edge AI), se trasladan las funciones informáticas de alto rendimiento al extremo, donde se encuentran los dispositivos del IoT y los sensores. Los usuarios pueden procesar los datos en los dispositivos inmediatamente, porque no se requiere conectividad ni integración entre los sistemas. Esto permite que los usuarios ahorren tiempo, ya que es posible agrupar los datos y prestar servicios sin necesidad de comunicarse con otras ubicaciones físicas.

Las ventajas de la IA en el extremo de la red incluyen:

• Menor uso de energía: ahorre energía al procesar los datos de manera local. Esto se debe a que los requisitos energéticos para ejecutar la inteligencia artificial  en el extremo de la red son mucho más bajos que en los centros de datos de la nube.
• Reducción del ancho de banda: debido a que cada vez más datos se procesan, analizan y almacenan de manera local, se reducen el ancho de banda del flujo de datos y los gastos.
• Privacidad: al procesar los datos de forma local en los dispositivos del extremo de la red, se disminuye el riesgo de que se utilicen indebidamente.
• Seguridad: se prioriza la transferencia de datos importantes al procesarlos y almacenarlos en una red del extremo o al filtrar aquellos que sean redundantes, irrelevantes o innecesarios.
• Capacidad de ajuste: las plataformas basadas en la nube y las funciones del extremo de la red presentes en los equipos de fabricantes de equipos originales (OEM) permiten ajustar los sistemas de manera sencilla.
• Reducción de la latencia: se libera parte de la carga de la plataforma en la nube y se trabaja de manera local para que esta pueda realizar otras tareas, como los análisis.

Red Hat trabaja en las tecnologías de contenedores y Kubernetes en conjunto con la gran comunidad open source. Red Hat® OpenShift® combina servicios probados y confiables para reducir los problemas a la hora de desarrollar, modernizar, implementar, ejecutar y gestionar las aplicaciones. 

Incluye las funciones esenciales para que las operaciones del aprendizaje automático (MLOps) sean uniformes en los centros de datos, la nube híbrida y el extremo de la red. Con la inteligencia artificial y el aprendizaje automático en Red Hat OpenShift, puede agilizar los flujos de trabajo de inteligencia artificial /machine learning y la distribución de las aplicaciones que usan la  inteligencia artificial.

Red Hat OpenShift AI es una cartera de soluciones centradas en la inteligencia artificial que brinda herramientas para todo el ciclo de vida de los modelos y los experimentos con inteligencia artificial /machine learning, e incluye Red Hat OpenShift AI. Se trata de una base uniforme, con capacidad de ajuste y basada en las tecnologías de open source para los líderes de operaciones de TI. A su vez, presenta un ecosistema de partners especializados a los desarrolladores y los analistas de datos para que puedan generar innovaciones en el ámbito de la  inteligencia artificial.