I progettisti di tecnologia IoT non devono farsi trarre in inganno su IA ed edge computing

La comunità dell'Internet delle cose (IoT) da tempo decanta i vantaggi del cloud. La sua capacità di elaborare, memorizzare e distribuire grandi quantità di dati è senza precedenti. Il cloud però soffre di una pesante limitazione che rallenta il flusso di dati in continua crescita nel mondo: l'alta latenza causata dalle larghezze di banda di upload e download.

Prendiamo ad esempio un ingegnere che debba progettare sistemi industriali automatizzati o un veicolo autonomo. Questi sistemi Industrial IoT (IIoT) creano una grandissima quantità di dati, mentre gli ambienti in cui vengono utilizzati richiedono una comunicazione affidabile e tempi rapidi di reazione. Questi prodotti non possono attendere per centinaia di millisecondi che i dati vengano inviati al cloud, elaborati, interpretati e restituiti. Il più piccolo ritardo può avere conseguenze disastrose.

Tuttavia, se fosse possibile elaborare la maggior parte dei dati tramite edge computing, sul dispositivo o in prossimità dello stesso, l'interpretazione dei dati potrebbe risultare 10 volte più veloce. Questo collo di bottiglia della latenza è una delle ragioni per le quali Dimension Market Research stima che il mercato dell'edge computing possa raggiungere i 702,8 miliardi di dollari entro il 2033.

Si prevede che il mercato dell'edge computing raggiungerà un volume d'affari di 702,8 miliardi di dollari entro il 2033, con un CAGR del 40%. (Immagine per gentile concessione di Dimension Market Research)

Anche se l'elettronica consumer implica ambienti di lavoro nei quali eventuali problemi hanno conseguenze minori, ci si può ragionevolmente aspettare che anche per questi dispositivi la domanda spingerà in una direzione analoga.

In sintesi, con il diffondersi dell'IA, dell'apprendimento automatico (ML), della realtà aumentata (AR) e della realtà virtuale (VR) a livello sia consumer che industriale, una quantità sempre minore di dati per ciascun dispositivo sarà inviata al cloud, poiché una parte maggiore dell'elaborazione verrà eseguita sull'edge.

Di cosa hanno bisogno gli ingegneri per anticipare le tendenze dell'edge computing

È evidente che gli ingegneri che si occupano di progettare i dispositivi IoT non possono rimanere fermi all'edge computing. Sebbene per alcuni dispositivi l'invio di tutti i dati al cloud continuerà ad essere l'approccio ottimale, l'edge computing diventerà una necessità, o per lo meno un fattore da considerare, per la maggiore parte dei prodotti in fase di progettazione.

Il dispositivo EdgeBox-RPI-200 di Seeed Technology è un computer monoscheda con un processore quad core da 1,5 Ghz e 4 GB di RAM. È basato su ARM Cortex-A72 Raspberry Pi CM4. (Immagine per gentile concessione di Seeed Technology)

Ciò significa che gli ingegneri dovranno prendere in considerazione fornitori quali Seeed Technology, che offre il dispositivo EdgeBox-RPI-200. Secondo la scheda tecnica del dispositivo, il computer monoscheda è ottimizzato per le applicazioni cloud e IoT all'interno di ambienti industriali difficili. È basato su ARM Cortex Raspberry Pi CM4 e offre un processore quad core da 1,5 GHz e 4 GB di RAM.

Questo dispositivo è in grado di fare i calcoli sull'edge, prendere le proprie decisioni in base ai dati risultanti e quindi informare il cloud di quanto avvenuto.

In che modo gli ingegneri sviluppano il futuro dell'IA, dell'IoT e dell'edge computing?

Tutto questo fa sorgere una domanda: che aspetto avrà un sistema IIoT dotato di intelligenza artificiale e capacità di edge computing? Potrebbe somigliare al nostro cervello quando ci troviamo davanti un ragno.

L'edge computing può agire in modo simile alle parti più interne del cervello: quando riceve le informazioni, fornisce una risposta immediata, senza coinvolgere il resto del cervello nel pensare al ragno. Alla vista dell'animale, la persona lancia un grido, il suo cuore pompa più velocemente e tutti i sensi sono vigili. Nel dispositivo IoT, questo equivale alla risposta dell'algoritmo dell'IA o ML ai dati ricevuti: se individua un componente non conforme alle specifiche, l'algoritmo informa l'attrezzatura di rimuoverlo dalla linea di produzione in modo tale che possa essere sottoposto a ispezione da parte di un essere umano che verifichi quanto evidenziato dall'algoritmo.

Torniamo ora al cervello. Dopo lo spavento e la risposta iniziali, inizia a reagire la parte più esterna del cervello, dove risiede il pensiero cosciente: valuta l'accaduto e la risposta da fornire, quindi segnala al cervello profondo di calmarsi (perché si tratta di un ragno innocuo) oppure di mantenere lo stato di panico (perché ha l'aspetto di una specie velenosa). Nel dispositivo IoT, ciò equivale all'invio dei dati elaborati al cloud. Il cloud utilizza quindi la risposta calcolata dall'algoritmo, l'eventuale risultato della rimozione del componente (difettoso o meno) dalla linea di produzione, e utilizza queste informazioni per perfezionare l'algoritmo di IA.

Ora i dati inviati al cloud sono limitati alla quantità minima necessaria per l'aggiornamento del modello di IA. Allo stesso tempo tutto ciò che il cloud deve restituire al dispositivo è l'algoritmo appena ottimizzato. Questa configurazione ottimizza quindi la quantità limitata di larghezza di banda che gli ingegneri IoT devono utilizzare.