Home Cloud Computación Edge IA – Tecnologías clave para el juicio y la experiencia de los ingenieros cualificados

Edge IA – Tecnologías clave para el juicio y la experiencia de los ingenieros cualificados

por Edge Computing Foro, Stratus Japón

“Edge AI” es uno de los principales objetivos de edge computing. Esta edge IA es una de las tecnologías clave muy importantes en la realización de la IO, y su difusión se está extendiendo. A continuación, presentaremos qué es la IA de edge , en qué se diferencia de la IA de cloud , por qué la IA de edge está atrayendo la atención, y algunos ejemplos concretos de la IA de edge .

Qué es Edge AI

Edge La IA es poner la inteligencia artificial en un servidor edge . Se puede decir que es una tecnología para equilibrar las ventajas de la velocidad y las ventajas de la inteligencia artificial, que son las ventajas de edge computing.

La ventaja de la inteligencia artificial es que puede realizar automáticamente tareas que no se pueden estandarizar una vez aprendidas. En otras palabras, permite un procesamiento que no puede realizarse con un ordenador normal (ordenador Von Neumann). Se puede decir que este tipo de trabajo no estandarizable es una característica del trabajo que los humanos han realizado hasta ahora. Antiguamente, había varios tipos de inteligencia artificial, como los sistemas expertos, pero en los últimos años la mayoría han sido de aprendizaje profundo de unas 14 a 20 capas mediante redes neuronales (deep learning).

Se cree que haciendo un trabajo típico la inteligencia artificial, es posible compensar la escasez de ingenieros cualificados. Desde otro punto de vista, puede decirse que el juicio y la experiencia de los ingenieros cualificados se transfieren a la inteligencia artificial. Algunos ejemplos concretos son el “mantenimiento predictivo”, que predice con antelación los fallos de los equipos y el momento de la sustitución de las piezas, y el “procesamiento de imágenes”, que inspecciona los productos.

Los técnicos cualificados han llevado a cabo un “aprendizaje” durante un largo periodo de experiencia, y han juzgado si el producto es bueno o malo, cuándo sustituir las piezas, etc., basándose en la intuición cultivada a través de la experiencia. Puede decirse que uno de los objetivos últimos de las fábricas inteligentes y del IoT es ahorrar mano de obra sin degradar la calidad de la inspección y el mantenimiento, transfiriendo esas experiencias y juicios a la inteligencia artificial.

Diferencias entre Edge AI y Cloud AI

Por otro lado, la IA de cloud consiste en poner la inteligencia artificial en un servidor de cloud . La desventaja de cloud AI es que la velocidad de procesamiento es lenta porque la comunicación se realiza siempre entre el servidor edge y el servidor cloud a través de la red.

Por otro lado, si se pone la IA en el servidor edge , el procesamiento se completará sólo en el servidor edge , y sólo hay que enviar el resultado del análisis y el resultado de la predicción al servidor cloud . Por esta razón, tiene la ventaja de una mayor velocidad de procesamiento que cloud AI, que requiere comunicación para cada proceso.

Por otro lado, cloud AI, que puede manejar una gran cantidad de información, será más fácil de manejar cuando el trabajo de aprendizaje sea más fácil y se produzcan nuevos eventos. En otras palabras, la IA de cloud es más flexible. Además, hay que tener en cuenta que los recursos del servidor edge son limitados, y el tamaño de la inteligencia artificial de edge AI (la escala de la red neuronal) también es limitada.

De lo anterior se desprende que la mejor configuración del sistema consiste básicamente en preparar tanto la IA edge como la IA cloud , realizar el aprendizaje con la IA cloud y enviar los resultados del aprendizaje a la IA edge . En concreto, la IA cloud aprende primero utilizando una gran cantidad de información, y cuando el aprendizaje progresa hasta cierto punto, los resultados del aprendizaje se envían a la IA edge . Y la IA edge que ha obtenido el resultado del aprendizaje realiza el procesamiento real. A continuación, el resultado del análisis que la IA Edge considera defectuoso se envía a la IA Cloud , que se utiliza para el reaprendizaje con la IA Cloud , y el resultado del aprendizaje se devuelve a la IA Edge . Repitiendo esta serie de procesos, es posible mejorar la tasa de detección de productos defectuosos a medida que se inspecciona el producto.

Por qué Edge AI está llamando la atención

Con la introducción de Edge AI, la “detección in situ y el análisis in situ” serán posibles a gran velocidad. En otras palabras, la ocurrencia / detección / análisis / notificación de anomalías se puede realizar a alta velocidad sin retraso en comparación con cloud AI. Esta es la principal razón por la que edge AI está llamando la atención. Se trata de una tecnología especialmente eficaz en campos que requieren un procesamiento en milisegundos, como los automóviles (conducción automatizada) y los sistemas de producción.

En el ámbito de la conducción autónoma, es concebible transferir el juicio y la experiencia de los conductores experimentados al juicio y la experiencia de los ingenieros cualificados en el ámbito de los sistemas de producción, y a Edge AI. Además, edge AI será ventajosa en términos de velocidad de procesamiento cuando se produzca un problema en los equipos de producción y se realice una parada de emergencia. Hay escasez de expertos en ambas áreas, y edge AI se considera un medio eficaz para resolver los problemas.

Ejemplos concretos de edge AI

Entonces, ¿cuáles son algunos ejemplos concretos del uso de edge AI?

Tomando como ejemplo la inspección de calidad, en las inspecciones anteriores realizadas por humanos, era común tomar el flujo de “inspección visual del producto”-> “juicio de la imagen visualizada”-> “juicio bueno / malo”. En esta parte de “juicio” → “juicio bueno / malo”, un técnico experto emite un juicio utilizando el “cerebro”. Por otro lado, en la inspección de calidad que utiliza la tecnología de inspección automática de los últimos años, se toma el flujo de “fotografiar el producto con una cámara”-> “juzgar la imagen fotografiada”-> “buen / mal juicio”. Entonces, es concebible utilizar la inteligencia artificial en lugar del “cerebro” de un técnico cualificado en la parte “juicio de la imagen captada” → “buen / mal juicio”.

La decisión de poner la inteligencia artificial en un servidor cloud o en un servidor edge debe tomarse en función de si la inspección requiere velocidad de procesamiento. Por ejemplo, si la producción en masa no da tiempo a realizar una inspección de calidad de cada producto, la IA de Edge puede ser adecuada. Por otro lado, si la inspección de calidad lleva tiempo y sólo se quiere ahorrar mano de obra, la IA de cloud será suficiente en lugar de la IA de edge .

A continuación, veamos la predicción de fallos (mantenimiento predictivo). Aquí, un técnico experto infiere una señal de fallo a partir del flujo de, por ejemplo, “sentir el sonido o la vibración del dispositivo” → “notar esos cambios” → “considerar el tiempo transcurrido desde el fallo anterior” → “juzgar”. Se piensa que lo está haciendo. Por lo tanto, si el sensor instalado en el dispositivo capta los cambios en el sonido y la vibración, considera el tiempo de un temporizador, etc., y realiza un juicio exhaustivo utilizando la inteligencia artificial, es teóricamente posible sustituirlo por la inteligencia artificial. (En realidad, hay problemas de “aprendizaje” y varios pequeños problemas. Se puede decir que resolver estos problemas es una muestra de la habilidad del departamento de ingeniería de producción).

En estos casos, es más fácil elaborar un plan de respuesta posterior (lo que se denomina “plan de mantenimiento”) si el tiempo que transcurre desde la predicción de un fallo hasta la emisión de una alarma es lo más breve posible. Por lo tanto, puede ser posible introducir edge AI, que es ventajosa en términos de velocidad, para ganar tiempo para hacer un plan de mantenimiento.

Además, es necesario “aprender” a introducir la inteligencia artificial, pero este “aprendizaje” suele requerir la experiencia de un técnico cualificado. Por lo tanto, es probable que el trabajo final de un técnico especializado en la materia en la edad de jubilación sea cada vez más confiar su experiencia a la inteligencia artificial.

Edge La IA es uno de los medios eficaces para hacer frente a la escasez de ingenieros

Hasta ahora, hemos descrito Edge AI. Edge La IA es una tecnología diseñada para obtener los beneficios de la inteligencia artificial lo más rápido posible. En la antigua línea de producción, los ingenieros de producción estaban siempre en la línea de producción, y mantenían la línea basándose en su experiencia e intuición. Ahora que estos ingenieros de producción escasean, edge La IA puede ser una de las soluciones eficaces al problema de la escasez de mano de obra si el juicio y la experiencia pueden transferirse con éxito a la inteligencia artificial.

MENSAJES RELACIONADOS