5 Casos de Uso del Aprendizaje Automático en el Edge

 

Machine Learning At the Edge Use Cases

En los últimos años, la informática de punta y el aprendizaje de máquinas han sido dos de las tecnologías líderes que han captado grandes cantidades tanto de interés como de inversión. En la era de la Internet de las Cosas (IoT), el número de dispositivos de vanguardia y de plataformas de aprendizaje de máquinas se ha expandido masivamente a través de las industrias, viendo más y más aplicaciones para estas dos tecnologías desarrolladas y probadas.


5 Casos de Uso del Aprendizaje Automático en el Edge

Edge computing es el método de mover datos, aplicaciones y servicios fuera de la nube y hacia el borde de la red. Esto permite que el procesamiento de datos y la analítica, así como la generación de conocimiento, ocurran en la fuente de los datos.

Mientras que el aprendizaje por máquina es una rama de la inteligencia artificial (IA) que se centra en permitir que las máquinas aprendan por sí mismas sin necesidad de la intervención humana o de ser programadas explícitamente para ello. La capacidad de las máquinas de mejorar a través de la experiencia se considera un elemento esencial de cualquier inteligencia artificial, sin embargo, los sistemas de IA normalmente se ejecutan en centros de datos remotos en nube en servidores potentes. En ciertas aplicaciones, sin embargo, tiene más sentido aplicar el aprendizaje automático en el borde de la red o en los dispositivos que generan los datos de origen. En este artículo, veremos cinco casos de uso para el aprendizaje automático al límite, así que vamos a empezar de cero.
1. Detección de Intrusos en la Red

Gracias a un enorme aumento en el número de vulnerabilidades potenciales o vectores de ataque dentro de una red, la seguridad cibernética se está convirtiendo claramente en una prioridad mucho mayor para un gran número de organizaciones. La implementación de técnicas de aprendizaje de máquinas en el borde de una red puede demostrar cómo el software y los dispositivos de seguridad de la red

Lanner’s NCA-4010 – High Performance Xeon Powered Appliance for Edge to Cloud Communication.

2. Gestión del Medio Ambiente

Una de las formas en que el aprendizaje automático se está utilizando en la periferia es para la gestión de áreas ambientales y de vida silvestre. La gestión forestal, por ejemplo, ha visto la aplicación del aprendizaje automático para predecir y optimizar la elección de especies de árboles con fines de reforestación, normalmente a partir de datos cartográficos. Luego se infiere qué tipo de especies serían óptimas en base a variables como la altitud, la exposición, el tipo de suelo y la humedad, y los sistemas aprendidos producen resultados altamente precisos. Se espera que las computadoras portátiles y otros dispositivos de borde en el sitio que se está manejando eventualmente sean capaces de realizar esfuerzos autónomos de reforestación.
3. Detección de actividad de dispositivos IoT

Con la rápida expansión de la Internet de los objetos y los dispositivos conectados, ha aumentado el interés por las aplicaciones y prendas de vestir para la salud y el acondicionamiento físico. Estas aplicaciones suelen recoger datos de los giróscopos y acelerómetros ubicados en muchos teléfonos inteligentes modernos. Sin embargo, con la creciente cantidad de datos personales recopilados y transmitidos por estas aplicaciones, aumentan las preocupaciones por la privacidad personal y la seguridad de las transferencias de datos. El aprendizaje automático en dispositivos periféricos como los teléfonos inteligentes permite aprender modelos seguros directamente en los propios dispositivos, eliminando la necesidad de enviar datos a la nube o externalizarlos de todos modos. A medida que los dispositivos de IO se hacen más numerosos, los problemas de privacidad como estos serán un foco cada vez mayor de aprendizaje de máquinas de punta.
4. Predicación de la Calificación del Producto

El aprendizaje automático en el comercio electrónico se ha aplicado a áreas como la evaluación de los sentimientos de los clientes, y se han utilizado técnicas de aprendizaje automático para predecir las clasificaciones de los productos basándose en los comentarios escritos de los clientes. Los datos de texto recopilados de estas revisiones se analizan como una secuencia de palabras antes de que el aprendizaje por máquinas de punta señale las secuencias de palabras relevantes y, finalmente, se aprende un modelo predicativo. Proporcionando ideas como estas, el aprendizaje de máquinas de punta sería una herramienta invaluable para cualquier punto de venta de comercio electrónico que busque capitalizar una base vocal de clientes con el fin de predecir las clasificaciones de los productos.
5. Monitoreo remoto

cloud based video solutions for oil well monitoring

La latencia puede ser mucho más un problema de vida o muerte para una industria que para otras. Por ejemplo, en pozos de petróleo o plantas de gas, el aprendizaje de máquinas de borde se está aplicando para el monitoreo remoto y el mantenimiento predictivo, entre otras cosas. En el caso de la monitorización remota, el envío de datos a la nube para su análisis y procesamiento tiene un efecto global de ralentización sobre el tiempo que tardarían los operadores de equipos y máquinas en ser notificados de cualquier anomalía o situación peligrosa. En este tipo de entornos, la seguridad es primordial y, por lo tanto, la reducción de este tiempo mediante la utilización del aprendizaje con máquinas de punta es un enfoque que probablemente se adoptará cada vez más a medida que pase el tiempo.

Aunque la mayoría de las tecnologías de inteligencia artificial y de aprendizaje automático siguen alojadas en grandes y potentes servidores en nube, este periodo de tiempo podría llegar pronto a su fin. El aprendizaje de máquinas de borde promete equipar los dispositivos en el borde de la red con la capacidad de utilizar modelos de aprendizaje y realizar procesamiento y análisis de datos desde la misma ubicación en la que están recolectando sus datos. Con 2018 como el año en el que la inteligencia artificial se convierte en una norma en el lugar de trabajo, esto también podría traer grandes saltos en el aprendizaje de la máquina en la frontera cuando se combina con la continua expansión de la Internet de los objetos y la realización de hogares, oficinas, fábricas y ciudades inteligentes.


Related Posts