L’intelligenza artificiale (IA) ha la capacità di trasformare qualsiasi impresa che punta ad aumentare i livelli di automazione, in particolare con il supporto di nuovi sviluppi tecnologici quali edge computing, 5G e cybersecurity. Grazie a questi strumenti, concetti come AIoT (Artificial Intelligence of Things) ed Edge AI non sono più solo strategie per il futuro, ma realtà del presente, soprattutto con il supporto di partnership tecnologiche specializzate e un’accorta selezione di prodotti.
Le soluzioni di “IoT edge intellligence” possono essere implementate ovunque vengano generati dati. Può trattarsi di una fabbrica o un magazzino che vuole automatizzare le attività operative, un’azienda di commercio al dettaglio che si dota di casse self-service, una società di trasporti che punta ad automatizzare la gestione della flotta, o persino una smart city che adotta sistemi per la gestione dei parcheggi o il monitoraggio dei flussi di traffico.
Lo sviluppo delle tecnologie IA e 5G offre la garanzia che un progresso importante come l’edge computing sia oggi più flessibile, intelligente e connesso. In questo contesto, l’adozione di soluzioni che comprendono IA, software per settori specifici, connettività wireless e integrazione cloud può agevolare applicazioni AIoT versatili su un ampio spettro di casi d’uso in ambito smart industry e smart city. L’interesse per l’edge computing abilitato dall’intelligenza artificiale è tale che uno studio di Gartner indica che il mercato dell’edge (comprensivo di hardware, software e servizi) raggiungerà il valore esorbitante di 450 miliardi di dollari entro il 2025.
Edge computing e IA, combinazione nota come “Edge AI” (intelligenza artificiale nell’edge), offrono numerosi vantaggi alle imprese, fra cui capacità di elaborazione dati ad alte prestazioni, analisi visuale avanzata e migliore controllo del sistema, per migliorare le metriche operative vitali.
Prevenire invece di curare
Lo sviluppo incessante dell’Edge AI continuerà a generare nuovi servizi, processi produttivi e applicazioni a valore aggiunto in molti ambiti. Tuttavia, questa evoluzione avrà successo solo se sarà accompagnata dal massimo livello di sicurezza informatica. Ovunque vi siano oggetti collegati a Internet, sia sul fronte IT (informatica) sia sul fronte OT (automazione), gli utenti devono mettere in conto minacce alla sicurezza.
Per proteggere la trasformazione digitale di un’azienda bisogna analizzare ogni aspetto dell’infrastruttura. In generale, fra i punti più critici dell’ecosistema di sicurezza ci sono i gateway, principalmente perché svolgono un ruolo chiave nella raccolta di dati. Implementando la sicurezza dei gateway nell’edge come priorità, si ottiene la sicurezza dei dati e dei sistemi, il controllo di identità e accessi, il rilevamento di minacce e il successivo ripristino.
Dialogo serrato tra edge e 5G
Advantech considera la comunicazione in tempo reale come un’altra chiave per il successo di AIoT ed Edge AI. La rapida diffusione di dispositivi IoT nelle fabbriche e nelle città intelligenti sta generando enormi quantità di dati in tempi brevi, creando difficoltà ai tradizionali modelli di cloud computing nel soddisfare questo requisito critico.
La risposta viene dall’edge computing 5G con configurazione vicina al dispositivo finale. Grazie a caratteristiche quali velocità elevate, ampia larghezza di banda e latenza ultrabassa, l’edge computing 5G è in grado di integrare pienamente un numero elevato di dispositivi e utenti connessi fra la rete e l’ambiente di calcolo, offrendo al tempo stesso capacità di calcolo e stoccaggio affidabili. I benefici per gli utenti sono minore utilizzo della larghezza di banda, tempi di risposta brevi e bassa latenza. L’edge computing 5G è pertanto un componente chiave per la realizzazione dell’AIoT.
Implementare l’intelligenza artificiale nell’edge
Implementare l’IA nell’edge può sembrare un compito arduo, ma non necessariamente. Molti sviluppatori di soluzioni AIoT per smart industry e smart city sono bravi ad addestrare modelli IA (oltre naturalmente a conoscere il loro ambito o settore industriale), ma spesso fanno fatica a far girare modelli IA su dispositivi edge come PC industriali.
È qui che una partnership con uno specialista può garantire ottimi risultati. Un partner credibile per la tecnologia di automazione AIoT dovrà avere processi e strumenti che agevolino un’implementazione e un monitoraggio dell’IA dal cloud all’edge efficaci e rapidi. Attualmente c’è un “buco” fra l’addestramento del modello di machine learning (ML) e la sua implementazione nell’edge. Esistono già molti modelli per addestrare modelli IA/ML localmente su un PC desktop o un server, ad esempio, ma molti esperti di settore o manager esterni non hanno queste competenze, e forse neanche il tempo o un team adeguat, per eseguire questa attività. In questi casi devono affidarsi a risorse IA/ML in cloud. Ma poi che cosa succede? Come farà l’azienda a implementare il modello su dispostivi edge?
Colmare il divario
Una piattaforma idonea per la gestione dei dispositivi offre un modo comodo ed efficace per colmare questo divario: addestrare modelli IA nel cloud e implementare modelli IA nell’edge. Una piattaforma per la gestione dei dispositivi con capacità elevata può aiutare a supervisionare (da remoto) oltre 10.000 dispositivi, con monitoraggio e notifiche in tempo reale. Questo strumento, ospitato su una piattaforma cloud come Microsoft Azure, aiuta anche a implementare modelli IA su dispositivi in ingresso su larga scala, soprattutto in container.
Sostanzialmente esistono due tipi di sistemi abilitati per l’IA: quelli per l’addestramento e quelli per l’inferenza. I sistemi di addestramento analizzano set di dati ed esiti, puntando a generare un algoritmo decisionale. Per i set di dati di grandi dimensioni, i sistemi di addestramento possono essere potenziati tramite server, risorse di calcolo in cloud o supercomputer. Possono anche permettersi di impiegare giorni o persino settimane per analizzare i dati.
Pur richiedendo una “intensità” di calcolo minore rispetto all’addestramento, l’inferenza richiede un’accelerazione IA efficiente per arrivare velocemente alle decisioni, restando al passo con i dati in ingresso. Una soluzione tipica per ottenere questa accelerazione è l’utilizzo di core GPU, grazie a strumenti di programmazione comuni, prestazioni elevate e un ecosistema solido.
Estendendo l’edge computing con l’inferenza IA si ottengono notevoli vantaggi. Ad esempio, le applicazioni di inferenza IA nell’edge possono essere dimensionate in modo efficiente aggiungendo piattaforme più piccole, mentre qualsiasi miglioramento ottenuto mediante inferenza su un singolo nodo edge può essere implementato e distribuito su un intero sistema di nodi. Se è possibile che una piattaforma di inferenza IA nell’edge acceleri l’intero stack di applicazioni con acquisizione dati, inferenza, controllo localizzato, connettività e altro ancora, essa offre un enorme potenziale per gli architetti di sistemi.
Esempio reale
Per dare un esempio di utilizzo dell’IA nell’edge, consideriamo una fabbrica dove bisogna controllare un vassoio che contiene diversi tipi di componenti necessari per un kit di assemblaggio. Combinando una piattaforma per la gestione di dispositivi ad alta capacità con una tecnologia SOM (System on Module) adeguata, diventa possibile non solo individuare quali componenti sono presenti sul vassoio, ma anche fornire funzionalità di reportistica complete.
È importante osservare come, avendo una piattaforma ottimale per la gestione dei dispositivi, non sia più necessario addestrare il modello sul modulo stesso: gli utenti possono eseguire l’addestramento sul cloud, on premise oppure sulla loro infrastruttura. Inoltre, è veloce: da pochi minuti a una-due ore al massimo, a seconda del modello. Dopo l’addestramento del modello, gli utenti possono convertire il formato pronto per l’implementazione su qualsiasi macchina edge presente in fabbrica o su migliaia di dispositivi connessi.
L’obiettivo di questo esempio specifico è verificare che il vassoio contenga la tipologia e la quantità corrette di componenti. Una volta verificato, i dati inferenziali vengono inviati al server in cloud della piattaforma di gestione dei dispositivi, consentendo agli utenti di estrarre valore dai dati.
Conclusione tra AI e 5G
L’intelligenza artificiale nell’edge (Edge AI) in combinazione con tecnologia IoT, edge computing 5G e la sicurezza informatica più avanzata, sta ridefinendo interi settori con applicazioni smart. Uno sviluppo rilevante in tutti questi settori è lo spostamento dei sistemi di inferenza IA verso l’edge, più vicini a elementi e sensori di controllo, migliorando la risposta e riducendo la latenza. Una soluzione come il sistema IA edge compatto Advantech AIR-020 è dotata di SOM NVIDIA Jetson e sfrutta la piattaforma DeviceOn di Advantech per la gestione dei dispositivi. La soluzione offre la capacità di riportare dati inferenziali in tempo reale, mentre le funzionalità di aggiornamento over-the-air (OTA) consentono di implementare modelli di inferenza IA pronti per la produzione.
In ultima analisi, Advantech è all’avanguardia nelle soluzioni in questo ambito, evidenziando ciò che è possibile realizzare in questa fase in cui smart industry e smart city cominciano ad attingere alle potenzialità offerte dalla convergenza fra IoT e IA.
di Jash Bansidhar, Managing Director, Advantech Europe
