Los algoritmos de IA se vuelven más sofisticados en los dispositivos periféricos

Los sistemas de Inteligencia Artificial (IA) parecen estar en todas partes y por una buena razón. La IA representa la próxima generación de capacidades informáticas. Aprovecha la velocidad y la escala de informatique dans le cloud para ofrecer no sólo una automatización de alta velocidad, sino también capacidades de aprendizaje y adaptación continuos que por fin pueden igualar el ritmo de cambio del entorno natural. A medida que maduran las capacidades y los algoritmos de la IA, las organizaciones están desarrollando nuevos escenarios de uso empresarial, de consumo y gubernamental que están revolucionando la forma en que los seres humanos interactúan con las máquinas.

Servicios autónomos de IA

La evolución de la IA va más allá de las capacidades. Los algoritmos de IA también están migrando de los centros de datos centralizados (tanto sur site como en la nube) a los dispositivos distribuidos en el borde de las redes. La IA ya no es el "equivalente moderno a un mainframe", sino que está evolucionando hacia un nuevo tipo de capacidad Embarqué en dispositivos de usuario final y edge computing. Esta evolución es importante por dos razones:

1. Los sistemas de IA son cada vez más autónomos. No se trata de un sistema de IA singular, sino de una red de robots de IA independientes que realizan tareas y "aprenden" como unidades separadas.
2. Distribuir la IA por la red significa mejorar el rendimiento tanto de la automatización industrial como de las interacciones con el usuario final. Dos de los principales casos de uso de la IA son traitement du language naturel y el análisis de imágenes. Realizar estas operaciones "sobre el terreno" supone menos tráfico en las redes y tiempos de respuesta más rápidos.

Cómo se utiliza la inteligencia artificial en la periferia

Las empresas utilizan algoritmos de IA distribuidos para supervisar y optimizar las operaciones en tiempo real, recibiendo entradas de sensores Embarqué , aplicaciones móviles con GPS, dispositivos IoT y cámaras de vídeo, y agregando estos datos en una representación digital holística de las operaciones físicas. A continuación, el sistema de IA analiza esta representación digital directamente o la transmite al personal de operaciones centralizado para su interpretación.

Las empresas también están utilizando sistemas de IA Embarqué en dispositivos de borde como plataforma para desplegar la próxima generación de tecnologías de interacción humana. La IA es muy adecuada para traitement du language naturel (NLP), la traducción y la sugerencia de respuestas basadas en el análisis de interacciones anteriores. En los últimos años, la latencia de la red ha sido el mayor obstáculo para que los robots de IA sean indistinguibles de los agentes humanos. Al trasladar los algoritmos de IA a los dispositivos periféricos, se elimina la latencia y se puede lograr una interacción fluida entre máquinas y humanos.

La necesidad de datos persistentes

Es estupendo que los algoritmos de IA puedan funcionar de forma independiente en el borde de la red, pero hay algunas razones clave por las que estos sistemas deben conectarse de nuevo a una infraestructura central de IA.

Aprendizaje compartido

Los sistemas de IA independientes aprenderán cada uno contenidos/entradas diferentes a ritmos distintos en función de los tipos de experiencias e interacciones a los que estén expuestos. Sin embargo, para ofrecer una experiencia de IA coherente en todo el sistema, estos robots independientes deben compartir lo que han aprendido con otros sistemas de IA y desarrollar un conocimiento colectivo.

Interacciones en movimiento

Los dispositivos móviles, como teléfonos celulares, automóviles conectados y otros dispositivos móviles, facilitan la mayoría de las interacciones de los usuarios finales con los dispositivos de IA. Para mantener una interacción de IA coherente mientras un usuario final está en movimiento (cruzando diferentes puntos de acceso a la red o torres de telefonía móvil), ciertos datos sobre la interacción de IA deben persistir en una ubicación centralizada y compartirse con otros robots de IA.

Flujo de trabajo

La mayoría de las actividades transaccionales y flujos de trabajo de automatización de procesos habilitados por la IA requerirán cierta interacción con servicios centralizados u otros dispositivos remotos. La persistencia de los datos permite la continuidad y el seguimiento del flujo de trabajo en varios sistemas. Los sistemas de IA deben ajustarse para saber cuándo pueden funcionar de forma independiente y cuándo deben interactuar con servicios de infraestructura centralizados.

La Inteligencia Artificial es posiblemente el desarrollo tecnológico más importante de la era moderna. Las capacidades de los sistemas de IA son cada vez más sofisticadas y se están distribuyendo por todo el mundo. A medida que estos algoritmos de IA distribuidos en dispositivos periféricos se vuelven más sofisticados, los requisitos de datos persistentes deben avanzar al mismo ritmo para permitir los casos de uso emergentes y las experiencias inmersivas que demanda el mercado.

Zen IT base de données Edge de Actian proporciona un almacén de datos persistente, incrustable y de tamaño nanométrico para dispositivos inteligentes que se conectan fácilmente a la nube de Actian y a las bases de datos analíticas sur site . Puede obtener más información sobre Actian Data Platform aquí.

Acerca de Actian Corporation

Actian hace que trabajar con datos sea fácil. Nuestra plataforma de datos simplifica la forma en que las personas conectan, gestionan y analizan datos en entornos cloud, híbridos y locales. Con décadas de experiencia en gestión y analítica de datos, Actian ofrece soluciones de alto rendimiento que ayudan a las empresas a tomar decisiones basadas en datos. Estamos reconocidos por los principales analistas del sector y hemos recibido premios por nuestro rendimiento e innovación. Nuestros equipos comparten casos de éxito en conferencias (como Strata Data) y contribuyen activamente a proyectos de código abierto. En el blog de Actian tratamos temas como la ingesta de datos en tiempo real, el análisis de datos, la gobernanza y gestión de datos, la calidad de los datos, la inteligencia de datos y el análisis impulsado por IA.