Tren Utama Edge AI Tahun 2022
Sejak ditambahkan sebagai salah satu bidang studi pada tahun 1956 di Universitas, Kecerdasan Buatan telah melalui periode optimisme dan pesimisisme dengan seimbang. Tidak ada ragu bahwa saat ini kita menjadi saksi dari salah satu periode optimisme yang besar.
Ilmu Data adalah pekerjaan yang paling dicari ketiga di dunia. Faktanya, dalam studi terbaru kami tentang Kondisi Komputasi Edge di Spanyol, Data Scientist adalah profesional yang paling diinginkan oleh perusahaan Spanyol di pasar yang mengalami pertumbuhan eksponensial dan diprediksi akan mencapai 190 miliar dolar pada tahun 2025.
Semua begitu pentingnya AI di pasar industri sehingga tidak lagi masuk akal untuk berbicara tentangnya sebagai satu teknologi tetapi sebagai banyak cabang yang melayani penggunaan yang berbeda untuk industri yang berbeda.
Di antara tren yang diidentifikasi sebagai paling matang dan paling dekat dengan tahap produksi adalah yang dapat kita identifikasi dalam rutinitas harian kita. Misalnya, pemrosesan bahasa alami yang kita gunakan ketika berbicara dengan chatbot yang semakin mirip manusia, citra mesin yang memungkinkan otomatisasi pemrosesan video real-time, dan pencarian semantik, yang mengarah pada hasil pencarian yang lebih baik.
Di ujung lainnya, ada yang lebih futuristik yang tidak akan muncul setidaknya selama 10 tahun. Beberapa contoh menarik adalah teknologi AI TRISM (Manajemen Kepercayaan, Risiko, dan Keamanan), yang memungkinkan untuk mengatur model AI membuatnya lebih tangguh terhadap serangan keamanan dan privasi, dan transformers, yang memungkinkan untuk menyesuaikan model AI agar sesuai dengan konteks dan akan memiliki dampak besar pada perbaikan aplikasi seperti penerjemah, pembuatan dokumen otomatis, atau analisis urutan biologis.
Di antara kedua ujung tersebut ada teknologi pendukung lain yang akan memakan waktu dua hingga lima tahun dari penerapan hingga matang pasar, yang dapat disebut sebagai “Masa Depan Dekat AI.” Di antaranya adalah AI yang berpusat pada manusia, AI generatif, orkestrasi dan otomatisasi AI, dan, yang memimpin semua yang lain di kurva kematangan, AI di Edge, juga dikenal sebagai “Edge AI.” Pada tahun 2021, Edge AI menjadi teknologi yang akan matang di masa depan dekat.
Edge AI dan Revolusi Kecerdasan Terdistribusi di Dunia Industri
Edge AI atau AI di Edge dapat disinggung sebagai kemampuan untuk mengeksekusi algoritma kecerdasan buatan pada perangkat (perangkat IoT, perangkat edge) yang sangat dekat dengan sumber data.
Teknologi ini tumbuh secara eksponensial, didukung oleh statistik yang menakutkan: lebih dari 60 persen organisasi industri tidak memiliki infrastruktur Cloud yang membantu mereka berinovasi secara efisien.
Jadi, jika kita memakai kaca pembesar pada proyek Edge AI, apa tren paling disruptif yang akan kita saksikan pada tahun 2022 dan 2023?
Di bawah ini adalah ringkasan 5 teratas kami:
1. Industri Kritis Akan Jadi Penggerak Utama: dari SCADA ke Edge AI
Di Barbara IoT kita menemukan pola berulang dalam industri yang berada di garis depan Edge AI: semua mereka menangani banyak aset terdistribusi yang kritis. Dengan kata lain, mereka adalah industri yang menghadapi tantangan besar dari fragmentasi teknologi, skalabilitas, dan keamanan siber. Ini dapat diminimalkan dengan mengeksekusi algoritma AI di edge. Kami dapat meramalkan bahwa industri ini akan mengembangkan kasus penggunaan yang sangat ambisius dan transformatif.
Sistem SCADA yang digunakan sejak tahun 80-an memiliki tujuan yang serupa dalam hal pengumpulan dan pemrosesan data. Namun, sistem SCADA perlu dilengkapi dengan teknologi yang lebih modern sehingga dapat merespons persyaratan interoperabilitas, keterbukaan, dan keamanan yang semakin demanding. Di sinilah Edge AI dapat membantu: untuk mengalikan nilai sistem ini.
2. Tipis Akan Melengkapi Tebal Edge
Ada berbagai tafsiran tentang arti apa itu “edge” ketika kita merujuk ke Edge AI. Tradisionalnya, edge telah diidentifikasi sebagai infrastruktur operator jaringan terdekat dengan pengguna. Misalnya, ketika kita berbicara tentang jaringan 5G, kita merujuk pada operator yang meluncurkan sejumlah besar node yang disebut “Multiaccess Edge Computing” yang digunakan untuk pemrosesan data yang dekat. Node-node ini dipasang pada server yang sangat mirip dengan yang dapat ditemukan di pusat data yang dirancang untuk menempatkan layanan cloud, dan mereka memiliki potensi dan kemampuan tinggi untuk memproses algoritma AI yang kompleks. Ini adalah apa yang beberapa analyst sebut sebagai Edge “Tebal.”
Namun, baru-baru ini node Edge dari jenis lain mulai dikembangkan: yang terhubung langsung dengan sensor dan saklar, yang, ketika dipasang pada perangkat daya rendah seperti gateway atau konsentrator, berfungsi untuk menjalankan algoritma AI yang lebih sederhana dengan waktu respons yang lebih pendek yang lebih dekat ke real-time. Jenis Edge baru ini, disebut “Tipis” Edge, akan memungkinkan untuk segera dan fleksibel menangani proyek skala besar yang mencakup lokasi jarak jauh atau persyaratan keamanan tinggi dan isolasi data.
3. Edge Mesh sebagai Paradigma Baru untuk Mengaktifkan Kecerdasan Buatan Terdistribusi
Edge AI tradisionalnya didasarkan pada model keputusan yang dilatih menggunakan data besar. Model, yang terdiri dari serangkaian rumus matematika, dipasang pada Node Edge. Dari sana, setiap node mampu membuat keputusannya sendiri berdasarkan data yang diterima dan model yang telah dipasang.
Paradigma baru, yang dikenal sebagai Edge Mesh, memungkinkan keputusan suatu node untuk dikondisikan oleh keputusan node lain seperti jaringan jaringan. Salah satu contoh yang baik untuk memahami kekuatan arsitektur baru ini adalah sistem lalu lintas pintar.
Node Edge dapat membuat keputusan tentang waktu lampu lalu lintas menggunakan algoritma AI yang mempertimbangkan jumlah mobil dan orang yang terdeteksi oleh sensor. Namun, keputusan ini dapat sempurna dilengkapi oleh keputusan yang dibuat oleh node lain di jalanan terdekat.
Tujuan Edge Mesh adalah mendistribusikan kecerdasan di antara berbagai node untuk menawarkan performa, waktu respons, dan toleransi gangguan yang lebih baik dibandingkan dengan arsitektur yang lebih tradisional.
4. Manajemen Siklus Hidup Menggunakan MLOps Semakin Penting
Seiring dengan industri bergerak menuju peluncuran Edge AI dengan node yang lebih terdistribusi dan algoritma pelatihan yang lebih kompleks, kemampuan untuk memelihara siklus hidup dari model yang telah dilatih ini, dan perangkat yang mengeksekusinya, akan menjadi kunci untuk masa depan teknologi ini.
Dalam arti ini, proyek dan perusahaan yang menerapkan filosofi DevOps untuk pengembangan, peluncuran, dan pemeliharaan algoritma AI akan ditingkatkan.
Cara kerja ini disebut MLOps, kombinasi dari Pembelajaran Mesin dan DevOps.
Tetapi apa sebenarnya? Dasarnya, ini bertujuan untuk mengurangi waktu pengembangan, pengujian, dan implementasi model AI di Edge melalui integrasi berkelanjutan dari peralatan dan lingkungan pengembangan, pengujian, dan operasi.
5. Edge AI Mengaktifkan Pertukaran Data Suveren
Tidak ada ragu bahwa berbagi data akan menjadi prioritas untuk meningkatkan proses di sektor industri dengan banyak pemegang kepentingan dalam rantai nilai.
Mari kita lihat ke masa depan dekat model jaringan listrik: Smart Grid. Untuk dapat menerima atau menawarkan layanan yang lebih baik, esensial bagi penyedia untuk dapat menganalisis dan memproses informasi dari sejumlah pemegang kepentingan seperti prosumer, operator, distributor, dan agregator. Tanpa pertukaran data yang transparan dan cepat, akan tidak mungkin untuk mencapai optimasi jaringan yang diperlukan pada tahun 2050.
Dengan Edge AI, pemrosesan data terpusat ON memungkinkan, yang akan membantu mengatasi beberapa hambatan yang saat ini dihadapi industri seperti keamanan data, privasi, dan kedaulatan.
