Edge Computing y IA

Edge Computing

Vivimos en la era de la computación en nube. Usamos nuestros ordenadores, tabletas y móviles no ya como sistemas de almacenamiento sino para acceder a servicios de almacenamiento, trabajo y compartición de archivos online como Google Drive, Dropbox, One Drive o Slack. Individuos y empresas en todo el mundo confían en la infraestructura de unos pocos proveedores, esencialmente -aunque no solo- Google, IBM, Amazon y Microsoft. Frente a este sistema, se empieza a hablar de la informática perimetral o cercana al límite (más conocida por su voz inglés: edge computing), que es la computación que se realiza en la fuente de datos o cerca de ella, en lugar de confiar en la nube para hacer todo el trabajo. No significa que la nube desaparezca, sino que, de alguna manera, se acerca a nosotros.

 

Esta tecnología esta ligada al futuro de la IA porque el aprendizaje automático (parte central del AI) se basa en la ingente cantidad de datos etiquetados disponibles, gran parte de ellos en la Nube. El considerable aumento de datos nos ha situado en una encrucijada, ya que el ancho de banda (para acceder a la nube) no crece en la misma proporción.  Llevando al sistema al límite. 

 

El Edge computing crea hardware especifico: aceleradores neuronales, que no son caros pero tienen mucha potencia, para tener potencia de procesamiento de datos producidos por los dispositivos (miles de GB) en el bolsillo, en el coche… Así que habrá una gran cantidad de procesamiento de datos que se da en torno a nosotros y no tenga que ser subido a la nube. 

 

Nuestros expertos destacan estos avances de la IA en relación con el Edge Computing:

 

- Permite una democratización del uso de la IA, ya que todo el mundo podrá construir sistemas basados en los datos que produce, sin tener que contar con los sistemas de las grandes compañías,

- Se ha convertido en un movimiento de fuente abierta, ya que permite que se pueda compartir datos de forma sencilla, 

- Facilita construir sistemas que se refinan solos, simplificando las aptitudes necesarias para dominar el aprendizaje automático.

 

Además, dentro del I+D de HP, donde trabaja nuestro experto Anthony Lewis, están trabajando en el desarrollo del aprendizaje automático simbiótico: cómo copiar y mejorar el rendimiento de las personas de forma simbiótica. Por ejemplo, monitorizan cómo interactúan con otras personas los agentes de un call center, y de ahí extraen modelos adaptables sobre cómo podrían hacerlo de forma más eficiente. Es una de las grandes tendencias que van a despegar en los próximos años.