Entro il 2025, la quantità di dati scambiati e salvati sarà di 57 miliardi di terabyte. Gli esperti stimano che entro il 2030 questo importo sarà quadruplicato e sarà 50 volte maggiore entro il 2045.
Con una stima di 6 miliardi di dispositivi IoT (Internet of Things) che dovrebbero essere connessi entro il 2025, è urgente ridurre drasticamente la quantità di dati che questi dispositivi creeranno.
Negli ultimi anni, l’implementazione dell’intelligenza artificiale in diverse aziende ha scosso il mondo intero. Il cloud computing è diventato una componente essenziale dell’evoluzione dell’intelligenza artificiale. Poiché gli utenti trascorrono sempre più tempo sui propri dispositivi, le aziende si stanno rendendo conto della necessità di portare la potenza di elaborazione direttamente nel palmo della propria mano.
Secondo Gartner, oltre il 90% dei dati odierni viene elaborato in data center centralizzati. Ma entro il 2025, circa il 70% di tutti i dati dovrà essere analizzato ed elaborato direttamente sui dispositivi per ridurre la larghezza di banda globale.
Da dove viene il termine Edge?
Edge Computing è una divisione del calcolo distribuito, che approssima la potenza di calcolo e l’archiviazione dei dati del dispositivo utilizzato per raccogliere i dati. A differenza di una dipendenza da un sistema centrale come il cloud, che richiede la creazione di collegamenti bidirezionali, costosi in termini di tempo e di elaborazione.
L’edge computing consente l’elaborazione in tempo reale riducendo i problemi di larghezza di banda e latenza. Ciò consente prestazioni migliori e costi ridotti per le applicazioni operative che richiedono un’elaborazione computazionale pesante.
Edge Computing più Intelligenza Artificiale si traducono in Edge AI
In poche parole, Edge AI consente di eseguire algoritmi di elaborazione basati sull’intelligenza artificiale nel cuore dei dispositivi che fanno parte della rete Edge Computing, utilizzando una connessione Internet in modo ragionevole. Tutto avviene sul dispositivo: raccolta, archiviazione ed elaborazione computazionale basata sull’intelligenza artificiale. Ciò si traduce in tempi di risposta estremamente brevi, dell’ordine di pochi millisecondi. Le informazioni arrivano in tempo reale con una precisione impareggiabile, poiché gli algoritmi avranno perfezionato i dati grezzi.
Ancora oggi, la maggior parte delle elaborazioni informatiche pesanti viene eseguita nel cloud e richiede enormi capacità di elaborazione. Edge AI sposterà parte del flusso di elaborazione della tecnologia dell’informazione direttamente sui dispositivi per ridurre significativamente l’utilizzo del cloud. Con questo tipo di dispositivo, tutti i dati possono essere archiviati prima di essere inviati a una postazione remota per un’analisi approfondita, se necessario. Questi dispositivi intelligenti, grazie alla disponibilità dei dati dei sensori sul campo, possono interagire autonomamente senza interagire con il sito centrale.
Ciò ha molti vantaggi in caso di guasto della rete o larghezza di banda saturata da altri servizi Internet. Da un lato abbiamo i sensori connessi a internet, un server centrale e il cloud storage. Tutti lavorano insieme, ma richiedono interruttori regolari per interagire tra loro con tempi di reazione dell’ordine di un secondo. Abbiamo capito molto rapidamente che questa pre-elaborazione informatica di alto livello, eseguita localmente, libererà il server centrale e ridurrà gli scambi di dati.
Quali sono i vantaggi di Edge AI?
Ci sono molti vantaggi da estrarre da Edge AI, ma possiamo evidenziare i seguenti come i principali vantaggi che si possono ottenere da questa tecnologia:
• Riduzione dei costi
Con Edge IA, i costi di comunicazione dei dati e la larghezza di banda saranno ridotti poiché la quantità di dati trasmessi è ridotta al minimo assoluto. Attualmente, l’elaborazione informatica, utilizzando algoritmi di intelligenza artificiale e apprendimento automatico eseguiti nel cloud, è ancora molto costosa.
• Sicurezza e riservatezza
Quando si utilizza l’elaborazione computazionale basata sull’intelligenza artificiale, per telecamere di sicurezza, auto a guida autonoma o droni, è necessario inviare un flusso continuo di dati video a un sito centrale per essere analizzati continuamente. Questo pone un problema fondamentale sulla riservatezza dei dati e, in particolare, rende ciascuno di noi vulnerabile dal punto di vista della privacy, perché molti dati circolano e possono essere intercettati da un malintenzionato.
L’Edge AI, che equipaggerebbe una termocamera in un aeroporto, permetterebbe di identificare e segnalare immediatamente le persone con una temperatura superiore ai 38°C, senza trasmettere dati diversi dalla posizione della persona in aeroporto.
• Tempi di risposta rapidi
Come hai capito, i dispositivi alimentati dall’intelligenza artificiale (Edge AI) sono in grado di elaborare i dati molto più velocemente dei cosiddetti IoT “centralizzati”. Consentono operazioni in tempo reale, come l’acquisizione dei dati, il processo decisionale e l’azione, perché le informazioni vengono elaborate direttamente nell’hardware in modo autonomo, con tempi di risposta in cui ogni millisecondo conta, come nelle auto a guida autonoma
• Facilità di gestione
Con i dispositivi che utilizzano l’Internet delle cose e alimentati dall’intelligenza artificiale, sembra che la gestione di questi dispositivi sia altrettanto complessa. Al contrario, poiché questi dispositivi sono completamente autonomi e non necessitano di manutenzione da parte di specialisti di intelligenza artificiale.
Gli sviluppatori possono facilmente creare e distribuire applicazioni che sfruttano la potenza di Edge AI e machine learning. Le interfacce di programmazione e i cruscotti sono tutti componenti grafici e oggetti manipolabili.
Quali sono le applicazioni di Edge AI?
Ma a cosa può essere effettivamente applicata Edge AI? Ecco alcune applicazioni concrete di Edge AI che potrebbero essere provate molto presto:
• Video sorveglianza
Prima dell’esistenza di Edge AI, dove non esisteva l’intelligenza artificiale, le telecamere di sicurezza trasmettevano continuamente un semplice segnale video a un server nel cloud. Ciò ha comportato un trasferimento di dati di grandi dimensioni e un carico pesante sui server. Con le nuove smart camera, potenziate con Edge AI e machine learning, le videocamere possono ora elaborare video localmente e identificare e tracciare oggetti o persone in movimento.
Invieranno i dati al server cloud solo quando viene rilevata un’attività sospetta o quando viene riconosciuta un’attività specifica.
• Auto Autonoma
La fenomenale potenza di calcolo a bordo dei nuovi veicoli autonomi consente di reagire immediatamente alle situazioni più complesse, perché tutto viene elaborato in tempo reale, direttamente nel veicolo. Edge AI porta il riconoscimento di veicoli, segnali stradali, pedoni, condizioni stradali. Tutto è controllato senza connettersi ai server cloud.
• Altoparlanti collegati
Tutti questi prodotti utilizzano il concetto di Edge AI. Le frasi di attivazione per gli assistenti vocali come “Siri”, “Alexa” o “Google” sono state tutte progettate con un modello basato sull’apprendimento automatico memorizzato nell’altoparlante. Ogni volta che sente una di queste parole, inizia ad ascoltare le tue richieste e inoltra le informazioni al server remoto per elaborare l’intera richiesta. A poco a poco, questi dispositivi saranno in grado di eseguire più attività senza utilizzare un server. Come semplici calcoli matematici, conversioni di valuta o persino la traduzione simultanea di chiamate vocali.
• Internet delle cose nell’industria
Edge AI è già molto presente nel settore per consentire una maggiore autonomia di azioni ai robot, per progettare gemelli digitali e gestire da remoto i dispositivi sul campo, per prendere decisioni in tempo reale per agire immediatamente in caso di incidenti e, infine, per fornire intelligence a tutti i dispositivi attivi sul sito. Poiché l’analisi dei dati critici viene eseguita sul dispositivo stesso, le azioni umane sono ridotte e i rischi sono controllati. I dispositivi con tecnologia Edge AI dimostrano l’inferenza: una somma di analisi, deduzione, metodo, sintesi, astrazione, logica, ragionamento e persino processo decisionale.
Previsioni per il futuro di Edge AI
L’ascesa dell’Internet of Things ha portato a un corrispondente aumento della necessità di edge computing. Come già accennato, l’edge computing è una forma di calcolo distribuito che consente di elaborare e analizzare i dati più vicino al punto di origine piuttosto che in un cloud centralizzato. Questo è diventato sempre più importante nell’era dell’Internet of Things, in quanto consente risposte più rapide e una migliore sicurezza dei dati. In futuro, l’edge computing dovrebbe svolgere un ruolo ancora più critico nel mondo IoT. Con la continua proliferazione di dispositivi connessi, vi è una crescente necessità di elaborare e analizzare rapidamente i dati. L’edge computing consente che ciò avvenga in modo efficiente ed efficace.
Inoltre, si prevede che la crescente prevalenza dell’intelligenza artificiale e dell’apprendimento automatico aumenterà ulteriormente la necessità di edge computing. Queste tecnologie richiedono l’elaborazione e l’analisi in tempo reale di grandi quantità di dati e l’edge computing può fornire l’infrastruttura per questo. Ciò è particolarmente vero per i veicoli autonomi, che fanno molto affidamento sull’intelligenza artificiale e sull’apprendimento automatico per il processo decisionale. Infine, è probabile che anche la crescente domanda di reti 5G rappresenti uno dei principali driver dell’edge computing nei prossimi anni. Queste reti richiedono una bassa latenza e un’elevata larghezza di banda, entrambe fornite dall’edge computing.
In sintesi, l’edge computing è destinato a svolgere un ruolo sempre più importante nel mondo dell’intelligenza artificiale. Con la crescita dell’intelligenza artificiale e dell’apprendimento automatico, nonché la domanda di reti 5G, l’edge computing è destinato a diventare una componente ancora più essenziale del mondo connesso.
Sfide di sicurezza dell’edge computing e come superarle
Mentre il panorama tecnologico continua a evolversi, l’edge computing per il cloud sta diventando una scelta sempre più popolare per le aziende che cercano di semplificare le proprie operazioni. L’edge computing nel cloud comporta l’elaborazione di dati e applicazioni all’edge (ad esempio, su un dispositivo) e quindi lo streaming nel cloud per un’ulteriore elaborazione e archiviazione. Sebbene questo modello offra molti vantaggi, tra cui una migliore scalabilità e una latenza ridotta, presenta anche diversi problemi di sicurezza. Una delle principali sfide alla sicurezza nell’edge-to-cloud computing è il rischio che attori malintenzionati intercettino dati o applicazioni mentre viaggiano dall’edge al cloud. Questo attacco può consentire agli hacker di accedere a informazioni sensibili, nonché potenzialmente di alterare o eliminare i dati. Per proteggersi da questo tipo di attacco, le aziende devono utilizzare protocolli di comunicazione sicuri come TLS e HTTPS ogni volta che i dati vengono trasmessi dall’edge al cloud.
Un’altra sfida alla sicurezza con l’edge-to-cloud computing è il rischio che i dispositivi vengano compromessi all’edge. Ciò può accadere quando i dispositivi non sono adeguatamente protetti da malware e altri software dannosi. Per contrastare questo rischio, le aziende devono implementare solide misure di sicurezza, come software antivirus e firewall, su tutti i dispositivi utilizzati per l’edge-to-cloud computing. Inoltre, devono garantire che tutti i dispositivi siano aggiornati con le patch di sicurezza più recenti. Infine, esiste il rischio che i dati vengano divulgati o rubati durante l’archiviazione nel cloud. Per proteggersi da questo tipo di attacco, le aziende devono utilizzare una crittografia avanzata per proteggere i propri dati quando vengono archiviati nel cloud. Inoltre, devono garantire che solo il personale autorizzato abbia accesso ai propri sistemi di cloud storage. Adottando le misure appropriate per affrontare queste sfide di sicurezza, le aziende possono garantire che le loro operazioni IT edge-to-cloud rimangano sicure e protette. In questo modo, possono massimizzare i vantaggi di questa tecnologia riducendo al minimo i rischi ad essa associati.
È importante sottolineare che per decenni abbiamo detto ai computer cosa fare, ora viene loro chiesto di imparare a imparare. Man mano che l’intelligenza artificiale e l’apprendimento automatico si sviluppano e migliorano, i confini si spingono e le possibilità diventano infinite. Presto vedremo soluzioni chiavi in mano per soddisfare usi più vicini alla nostra quotidianità. Mentre il cloud computing offre innegabili economie di scala, un’architettura di calcolo distribuito basata su Edge AI è dettata dalla natura dei dati stessi.
Più il volume dei dati aumenta, più difficile e costoso sarà trasportarli a causa del costo della larghezza di banda o della disponibilità. La velocità di circolazione dei dati diventerà un grosso problema riunendo un gran numero di applicazioni in tempo reale, che non può essere limitato dalla latenza della rete. E saranno necessari compromessi per soddisfare i vincoli normativi, di riservatezza e di sicurezza.
A cura di Lenildo Morais
Chi è l’autore: Lenildo Morais
Lenildo Morais ha un Master in Informatica ed è Professore, Ricercatore e Project Manager
