Computación de borde

Por qué el Edge Computing es importante para la IA/ML

La computación de borde es particularmente impactante en el ámbito de la Inteligencia Artificial (IA) y el ML, especialmente para tareas de visión por ordenador (CV). Muchas aplicaciones de IA requieren el procesamiento inmediato de datos de sensores (como imágenes o secuencias de vídeo) para tomar decisiones oportunas. El envío de grandes volúmenes de datos a la nube introduce retrasos(latencia) que son inaceptables para los escenarios de inferencia en tiempo real. La computación de borde soluciona esto permitiendo modelos ML, como Ultralytics YOLO de Ultralytics, se ejecuten directamente en la fuente de datos o cerca de ella. Esto reduce significativamente los tiempos de respuesta, conserva el ancho de banda de la red y puede mejorar la privacidad de los datos al mantener localizada la información sensible. El desarrollo de hardware potente y eficiente, como las GPU, y de aceleradores especializados, como las TPU, diseñados para dispositivos de borde, facilita aún más esta tendencia. Puedes obtener más información sobre el despliegue de aplicaciones de visión computerizada en dispositivos edge AI.

Aplicaciones AI/ML en el mundo real

La computación de borde permite una amplia gama de aplicaciones innovadoras de IA/ML:

1. Vehículos autónomos: Los coches utilizan edge computing para procesar datos de cámaras, LiDAR y otros sensores en tiempo real. Esto permite la detección inmediata de objetos, la planificación de trayectorias y la evitación de colisiones sin depender de una conexión a la nube potencialmente lenta o no disponible. Más información sobre soluciones de IA en Automoción.
2. IoT industrial y fabricación inteligente: Las fábricas despliegan dispositivos de borde para supervisar la maquinaria mediante visión por ordenador para la inspección de calidad o el mantenimiento predictivo. Analizar los datos de los sensores localmente permite alertas y ajustes instantáneos, mejorando la eficiencia y la seguridad. Más información sobre la IA en la fabricación.
3. Comercio inteligente: Los dispositivos Edge analizan las imágenes de las cámaras dentro de las tiendas para supervisar los estantes, analizar el comportamiento de los clientes o gestionar las colas, optimizando las operaciones sin transmitir grandes cantidades de imágenes de vídeo. Mira cómo puede utilizarse la IA para una gestión más inteligente del inventario minorista.
4. Monitorización sanitaria: Los dispositivos que se llevan puestos y los monitores de cabecera pueden utilizar la computación de borde para analizar las constantes vitales localmente, proporcionando alertas inmediatas de condiciones críticas, mejorando la atención al paciente, como se expone en Vision AI in healthcare.

Edge Computing frente a términos relacionados

• Computación en la nube: La principal diferencia radica en la ubicación de la computación. La computación en nube se basa en centros de datos remotos y centralizados que ofrecen una gran escalabilidad y almacenamiento, ideales para entrenar grandes modelos de ML o procesar lotes. La computación de borde se centra en el procesamiento descentralizado y local para necesidades de baja latencia y en tiempo real. A menudo, se utiliza un enfoque híbrido, en el que los modelos se entrenan en la nube y se despliegan en el borde para la inferencia. Descubre las opciones para entrenar modelos en la nube con Ultralytics HUB.
• IA Edge: Aunque está estrechamente relacionada, la IA Edge se refiere específicamente a la ejecución de algoritmos de IA y modelos de ML directamente en dispositivos Edge. La computación periférica proporciona la infraestructura más amplia (hardware, redes, capacidades de procesamiento) que permite la IA periférica. Piensa en la computación de borde como el escenario, y en la IA de borde como la actuación que tiene lugar en ese escenario. Más información sobre cómo la IA Edge y la informática Edge potencian la inteligencia en tiempo real.
• Computación de Niebla: A menudo utilizada indistintamente con la computación de borde, la computación de niebla suele referirse a una capa de recursos informáticos situada entre el borde extremo (dispositivos) y la nube centralizada, que actúa como centro de procesamiento intermediario. La informática de borde se considera generalmente un concepto más amplio que abarca la computación en cualquier lugar fuera de la nube central.

Tecnologías facilitadoras

El despliegue eficaz de los modelos ML en el perímetro suele requerir optimizaciones específicas de hardware y software.

• Hardware: Los dispositivos van desde microcontroladores de bajo consumo y sistemas en chip (SoC) como la Raspberry Pi hasta sistemas integrados más potentes como las placas NVIDIA Jetson, equipadas con aceleradores especializados en IA. Consulta las guías de implantación en NVIDIA Jetson o Raspberry Pi.
• Software/Marcos: Técnicas de optimización de modelos como la cuantización y la poda, junto con motores de inferencia optimizados como OpenVINO deIntel o NVIDIA TensorRTson cruciales para ejecutar modelos complejos de forma eficiente en hardware de última generación con recursos limitados. Explora la integración deUltralytics con OpenVINO y TensorRT. Existen varias opciones de despliegue de modelos para facilitar este proceso.

La computación de borde es fundamental para liberar el potencial de la IA y el ML en tiempo real en diversas industrias, permitiendo aplicaciones inteligentes más rápidas, eficientes y privadas directamente donde más se necesitan.