Tren Utama di Edge AI yang Harus Diwaspadai pada 2022

Sejak ditambahkan sebagai salah satu bidang studi pada tahun 1956 di Universitas, Kecerdasan Buatan telah melalui kedua periode optimisme dan pesimisme dalam ukuran yang sama. Tidak diragukan lagi bahwa hari ini kita menyaksikan salah satu optimisme besar.

Ilmu Data adalah posting pekerjaan ketiga yang paling dicari di seluruh dunia. Faktanya, dalam penelitian terbaru kami tentang State of Edge Computing di Spanyol, Data Scientist adalah profesional yang paling dicari di antara perusahaan Spanyol di pasar yang mengalami pertumbuhan eksponensial dan diperkirakan akan mencapai 190 miliar dolar pada tahun 2025.

Sedemikian pentingnya AI di industri pasar sehingga tidak lagi masuk akal untuk menyebutnya sebagai teknologi tunggal tetapi sebagai banyak cabang yang melayani kegunaan berbeda untuk industri yang berbeda.

Di antara tren yang diidentifikasi sebagai yang paling matang dan paling dekat dengan tahap produksi adalah tren yang dapat kita identifikasi dalam rutinitas sehari-hari. Misalnya, pemrosesan bahasa sederhana yang kita gunakan saat berbicara dengan chatbot yang semakin mirip manusia, pencitraan mesin yang memungkinkan pemrosesan video waktu nyata otomatis, dan penelusuran semantik, yang menghasilkan hasil penelusuran yang lebih baik.

Di sisi lain, ada yang lebih futuristik yang tidak akan muncul setidaknya selama 10 tahun. Beberapa contoh menarik adalah AI TRISM (Trust, Risk and Security Management)  teknologi, yang memungkinkan untuk mengatur model AI membuatnya lebih tahan terhadap serangan keamanan dan privasi, dan transformer, yang memungkinkan untuk mengadaptasi model AI agar sesuai dengan konteks dan akan berdampak besar pada peningkatan aplikasi seperti penerjemah, dokumen otomatis penciptaan, atau analisis urutan biologis.

Di antara dua ekstrem tersebut terdapat teknologi pendukung lainnya yang akan memakan waktu hingga dua hingga lima tahun dari penerapan hingga kematangan pasar, yang dapat disebut sebagai “Masa Depan AI yang Dekat.” Di antaranya adalah AI yang berpusat pada manusia, AI generatif, orkestrasi dan otomatisasi AI, dan, memimpin yang lainnya pada kurva kedewasaan, AI on the Edge, juga dikenal sebagai “Edge AI.” Pada tahun 2021, Edge AI menjadi teknologi yang akan matang dalam waktu dekat.

AI Edge dan Revolusi Intelijen Terdistribusi di Dunia Industri

Edge AI atau AI di Edge dapat disimpulkan sebagai kemampuan untuk mengeksekusi algoritme kecerdasan buatan pada perangkat (perangkat IoT, perangkat edge) yang sangat dekat dengan sumber data.

Teknologi ini berkembang pesat, didukung oleh statistik yang mengkhawatirkan:lebih dari 60 persen organisasi industri tidak memiliki infrastruktur Cloud yang membantu mereka berinovasi secara efisien.

Jadi, jika kita menggunakan kaca pembesar untuk proyek Edge AI, tren apa yang paling mengganggu yang akan kita saksikan pada tahun 2022 dan 2023?

Di bawah ini adalah ringkasan dari 5:

1. Industri Kritis Akan Menjadi Penggerak Utama:dari SCADA hingga Edge AI

Di Barbara IoT, kami menemukan pola berulang dalam industri yang berada di garis depan Edge AI: semuanya menangani banyak aset terdistribusi yang penting. Dengan kata lain, mereka adalah industri yang menghadapi tantangan besar dari fragmentasi teknologi, skalabilitas, dan keamanan siber. Ini dapat diminimalkan dengan menjalankan algoritme AI di edge. Kami dapat memperkirakan industri ini akan mengembangkan kasus penggunaan yang sangat ambisius dan transformatif.

Sistem SCADA yang telah digunakan sejak tahun 80-an memiliki tujuan yang sama dalam hal pengambilan dan pemrosesan data. Namun, sistem SCADA perlu dilengkapi dengan teknologi yang lebih modern sehingga dapat merespons persyaratan yang semakin menuntut untuk interoperabilitas, keterbukaan, dan keamanan . Di sinilah Edge AI dapat membantu:melipatgandakan nilai sistem ini.

2. Tepi Tipis Akan Melengkapi Tepi Tebal

Ada interpretasi yang berbeda tentang arti dari apa itu "tepi" ketika kita merujuk ke Edge AI. Secara tradisional, edge telah diidentifikasi sebagai infrastruktur operator jaringan yang paling dekat dengan pengguna. Misalnya, ketika kita berbicara tentang jaringan 5G, kita merujuk pada operator yang meluncurkan banyak node yang disebut “Multiaccess Edge Computing” yang digunakan untuk pemrosesan data jarak dekat. Node ini dipasang di server yang sangat mirip dengan yang dapat ditemukan di pusat data yang dirancang untuk meng-host layanan cloud, dan node ini memiliki potensi dan kemampuan tinggi untuk memproses algoritme AI yang kompleks. Inilah yang oleh beberapa analis disebut Edge "Tebal".

Namun, baru-baru ini Edge node jenis lain mulai dikembangkan:yang terhubung langsung ke sensor dan sakelar, yang ketika dipasang pada perangkat berdaya rendah seperti gateway atau konsentrator, berfungsi untuk menjalankan algoritme AI yang lebih sederhana dengan waktu respons yang lebih pendek yang mendekati waktu nyata. Edge jenis baru ini, yang disebut Edge “Thin”, akan memungkinkan untuk menangani proyek skala besar dengan cepat dan fleksibel yang mencakup lokasi atau persyaratan terpencil untuk keamanan tinggi dan isolasi data.

3. Edge Mesh sebagai Paradigma Baru untuk Mengaktifkan Kecerdasan Buatan Terdistribusi

Edge AI secara tradisional didasarkan pada model keputusan yang dilatih menggunakan data besar. Model, yang terdiri dari serangkaian rumus matematika, dipasang di Edge Nodes. Dari sana, setiap node dapat membuat keputusannya sendiri tergantung pada data yang diterimanya dan model yang telah diinstal.

Paradigma baru, yang dikenal sebagai Edge Mesh, memungkinkan keputusan node dikondisikan oleh keputusan node lain seolah-olah itu adalah jaringan kisi. Salah satu contoh yang baik untuk memahami kekuatan arsitektur baru ini adalah sistem lalu lintas yang cerdas.

Sebuah node Edge dapat membuat keputusan tentang waktu lampu lalu lintas menggunakan algoritme AI yang memperhitungkan jumlah mobil dan orang yang terdeteksi oleh sensor. Namun, keputusan ini dapat dilengkapi dengan sempurna oleh keputusan yang dibuat oleh node lain di jalan terdekat.

Tujuan Edge Mesh adalah untuk mendistribusikan kecerdasan di antara berbagai node untuk menawarkan kinerja, waktu respons, dan toleransi kesalahan yang lebih baik dibandingkan dengan arsitektur yang lebih tradisional.

4. Manajemen Siklus Proses Menggunakan MLOps Semakin Penting 

Saat industri bergerak menuju peluncuran Edge AI dengan node yang lebih terdistribusi dan algoritme pelatihan yang lebih kompleks, kemampuan untuk mempertahankan siklus hidup model terlatih ini, dan perangkat yang menjalankannya, akan menjadi kunci masa depan teknologi ini.

Dalam hal ini, proyek dan perusahaan yang menerapkan filosofi DevOps untuk pengembangan, peluncuran, dan pemeliharaan algoritme AI akan ditingkatkan.

Cara kerja ini disebut MLOps, kombinasi Machine Learning dan DevOps.

Tapi apa sebenarnya itu? Pada dasarnya, ini bertujuan untuk mengurangi waktu pengembangan, pengujian, dan implementasi AI pada model Edge melalui integrasi berkelanjutan dari peralatan dan lingkungan pengembangan, pengujian, dan operasi.

 5. Edge AI Mengaktifkan Pertukaran Data Berdaulat

Tidak diragukan lagi bahwa berbagi data akan menjadi hal terpenting untuk meningkatkan proses di sektor industri dengan banyak pemangku kepentingan dalam rantai nilai.

Mari kita lihat model jaringan listrik dalam waktu dekat:Smart Grid. Untuk dapat menerima atau menawarkan layanan yang lebih baik, pemasok harus mampu menganalisis dan mengolah informasi dari sejumlah pemangku kepentingan seperti prosumer, operator, distributor, dan agregator. Tanpa pertukaran data yang transparan dan gesit, mustahil untuk mencapai optimalisasi jaringan yang diperlukan pada tahun 2050.

Dengan Edge AI, pemrosesan data terpusat ON dimungkinkan, yang akan membantu mengatasi beberapa kendala yang dihadapi industri saat ini seperti keamanan data, privasi, dan kedaulatan.