Edge Computing: back to origins
La tecnologia Cloud ha rappresentato una rivoluzione del sistema di storage e computing, virtualizzando i data center un tempo stipati nei sotterranei delle aziende e dislocando l’elaborazione dei dati e la loro archiviazione lontano dalla fonte. Ciò ha liberato le organizzazioni dal gravoso compito di gestire un data center proprietario, affidandosi a un’infrastruttura accessibile as-a-service tramite un provider.
Nel frattempo, il mondo dell’ICT è andato avanti, il progresso tecnologico ha dato vita a nuove applicazioni che a loro volta hanno rimesso in discussione la collocazione della potenza di calcolo rispetto all’origine dei dati. Stiamo parlando, ad esempio, dell’Intelligenza Artificiale e dell’Internet of Things, le cui applicazioni richiedono il processamento di grandi moli di dati. Nonostante la capacità di calcolo e archiviazione pressoché infinite fornite dal cloud, e per quanto la comunicazione tra un sistema e il cloud possa essere rapida, talvolta non è possibile tollerare la latenza dovuta dalla distanza tra l’endpoint e il server o da problemi legati alla connessione.
Per garantire una certa soglia di rapidità, talvolta l’elaborazione dei dati deve avvenire in prossimità dei sensori e degli apparati che li generano.
Ecco che entra in gioco l’Edge computing. Con tendenze solo apparentemente anacronistiche, l’Edge computing prevede che la potenza di calcolo venga collocata “on-site”. Attenzione, questo non significa che nei casi di utilizzo dell’Edge computing il cloud non venga utilizzato in alcun modo, ma lo scambio di dati viene ottimizzato affinché le comunicazioni trasmesse siano pre-elaborate e quindi ottimizzate.
L’edge computing sta già riscuotendo successo e il suo grado di adozione è destinato a crescere: a fronte di un investimento in infrastrutture Edge pari a 4,9 miliardi di dollari nel 2019, si prevede che questo valore raggiungerà i 104 miliardi di dollari (dati Statista).
Edge Artificial Intelligence: Edge computing, ma più intelligente
In particolare, l’Edge Artificial Intelligence, riguarda l’implementazione di soluzioni di Intelligenza Artificiale direttamente sui dispositivi che generano i dati elaborati dagli algoritmi, emancipandosi, almeno in parte, dalla potenza di calcolo del cloud. Gartner definisce l’Edge AI come una classe di tecniche analitiche e inferenziali collocate su dispositivi endpoint, gateway e server locali in grado di ridurre la latenza e il trasporto di dati, ma anche di migliorare le capacità computazionali locali.
Nell’Artificial Intelligence Hype Cycle di Gartner, l’Edge Ai si trova nel Peak of inflated Expectations, ciò significa che al momento si trova in una fase di forte curiosità, ma il momento in cui le aspettative corrisponderanno ai reali benefici portando a una sua democratizzazione arriverà non prima di due anni. Macchinari industriali intelligenti e veicoli a guida autonoma sono due esempi di applicazioni che richiedono una latenza pressoché nulla per avere un corretto funzionamento: per un’auto a guida autonoma la velocità di elaborazione, e quindi di decisione, può fare davvero la differenza. L’Edge computing permette quindi di implementare algoritmi di macine learning in dispositivi IoT come telecamere di sorveglianza, macchinari industriali, veicoli e droni a guida autonoma.
Anche l’Edge Ai mostra un ottimo potenziale: secondo Gartner, più del 50% delle analisi effettuate da deep neural network avverrà tramite sistemi Edge, mentre nel 2020 la percentuale si attestava intorno al 5%.
In un primo momento le dimensioni delle soluzioni AI potevano rappresentare un limite all’uso dell’Edge AI perché richiedevano una memoria eccessiva e unità computative potenti. L’adozione di questa tecnologia, infatti, è stata favorita dalla model compression. La model compression è una tecnica che permette di ridurre le dimensioni dei modelli matematici fino al 90%, permettendo un funzionamento a latenza ridotta.
Applicazioni frequenti dell’Edge Artificial Intelligence
Il manufacturing si è fatto pioniere nell’utilizzo dell’Edge Ai e ancora oggi detiene il primato di settore con maggiore impiego. Una delle pratiche per la quale si fa ricorso alle tecniche di Edge Ai è l’asset intelligence, vale a dire il monitoraggio del corretto funzionamento e delle performance delle apparecchiature in ottica di ottimizzazione e manutenzione predittiva. Sono altrettanto frequenti casi di business process improvement, iniziative volte al miglioramento dei risultati di business attraverso l’automazione e le analisi predittive.
Altri casi di uso di questa tecnica prevedono la sua applicazione su videocamere per effettuare il riconoscimento delle immagini. Gli usi sono molteplici e vanno dal riconoscimento e la classificazione degli oggetti all’identificazione di pericoli, dal controllo qualità al monitoraggio di ambienti nello stabilimento. In alcuni casi, le tecniche di Edge Ai possono anche essere implementate all’interno di un prodotto per renderlo tecnologicamente più avanzato grazie a nuove feature.
Il riconoscimento e l’elaborazione delle immagini riprese da una videocamera è una delle applicazioni più frequenti anche nell’ambito retail. Individuare i clienti all’interno del punto vendita e riuscire a distinguerli l’uno dall’altro sono attività cruciali per i negozi frictionless come Mimex o AmazonGo: altrimenti non sarebbe possibile attribuire al giusto cliente i prodotti che vengono prelevati dagli scaffali. Inoltre, grazie a queste tecniche è possibile studiare come le persone si muovono nello spazio del negozio, quali sono le aree più visitate, in quali i clienti passano più tempo ma anche monitorare le corsie per prevenire furti e migliorare la gestione del personale sulla superficie di vendita.
Nell’industria dei media e delle telecomunicazioni l’Edge AI è applicato sui satelliti per ottimizzare i costi di trasmissione riconoscendo e trattenendo i dati superflui o non utilizzabili, ma anche per migliorare le capacità fotografiche dei satelliti stessi.
Arrivando al settore dei trasporti, possiamo riprendere l’esempio già menzionato dell’auto a guida autonoma. Tali veicoli presentano diversi sensori che raccolgono dati per prendere consapevolezza dell’ambiente circostante (geospatial intelligence). L’elaborazione di tali dati avviene anche grazie ad algoritmi di AI installati direttamente nell’hardware del veicolo. Presumibilmente l’Edge AI avrà un ruolo cruciale anche nell’utilizzo di droni a guida autonoma, e dal momento che già diverse aziende stanno pianificando di introdurre servizi di consegna con dispositivi di questo tipo, è giusto presumere che si stiano già facendo esperimenti a riguardo.
Ancora, l’Edge AI potrà giocare un ruolo importante nel fleet management e nel traffic management della smart city, nella quale, per esempio, i flussi potranno essere gestiti in modo intelligente adeguando il funzionamento dei semafori per evitare ingorghi e facilitare il transito dei mezzi di soccorso.
Non solo intelligente, ma anche green e sicuro
Il trasferimento dei dati generati dai singoli dispositivi al cloud e la potenza di calcolo necessaria per elaborarli e archiviarli possono essere onerosi per il business. Dal momento che il prezzo dei servizi cloud si basa anche sulla quantità di dati scambiati e salvati, l’Edge computing e l’Edge AI possono rappresentare un’opportunità per ridurne i costi. Lo sviluppo del sistema economico grazie al sostegno dell’ICT ha generato una rescente domanda di servizi di cloud e in parallelo una crescita dei flussi di dati scambiati.
Le server farm sulle quali poggia l’infrastruttura cloud non consumano poca energia: nel 2020 il consumo elettrico dei data centre di tutto il mondo è stato di 200-250 TWh1, circa l’1% della domanda mondiale di elettricità. Fortunatamente, l’efficienza energetica dei data center permette di compensare al consumo energetico del sempre maggiore traffico di dati. Inoltre, circa metà del totale dell’energia rinnovabile utilizzata da aziende negli ultimi cinque anni è stata acquistata proprio da imprese del settore ICT (Fonte: International Energy Agency).
Ma cosa c’entra questo con l’Edge computing? Sotto questo aspetto si dovrebbe considerare che l’Edge computing riduce e ottimizza il traffico di dati destinato al cloud riducendo la banda utilizzata per scambiare informazioni. Ciò ha effetti positivi non solo sulla decongestione del cloud, ma anche sul fronte energetico e ambientale perché, come si può dedurre, un minore ricorso al cloud porta a un minor consumo di risorse.
Tuttavia, una ricerca della Linux Foundation prevede che l’impronta ecologica delle infrastrutture Edge crescerà da 1GW nel 2019 a oltre 40GW nel 2028. Di questo valore il 37% sarà attribuibile all’utilizzo di dispositivi da parte dei cittadini e il 63% invece farà capo al consumo da parte di organizzazioni ed enti pubblici.
Probabilmente non è necessario soffermarsi nel sottolineare l’importanza della sicurezza delle informazioni, specialmente quando si tratta di sistemi inseriti in contesti di business. A tal riguardo, l’Edge computing potrebbe avere degli effetti positivi anche sul fronte della cyber security: l’elaborazione dei dati, decentralizzata rispetto al cloud, riduce i flussi informativi e allo stesso tempo il rischio che questi possano essere intercettati o persi. Questa struttura conferirebbe una maggiore sicurezza per i dispositivi e le informazioni prodotte, con buona pace di CIO e CCSO.
I vantaggi di avere i piedi per terra
Passando in rassegna i casi di studio più frequenti emerge chiaramente come il vantaggio principale derivante dall’utilizzo dell’Edge Artificial Intelligence sia l’ottimizzazione dei costi. I benefici di questo tipo possono essere più o meno diretti: in alcuni casi, come quello del minore utilizzo del cloud, la riduzione delle spese è immediata, in altri, come il controllo qualità o la manutenzione predittiva, i vantaggi sono meno evidenti ed emergono nel medio-lungo periodo.
Se gli aspetti legati alla sostenibilità ambientale e alla cyber security si consolideranno, non stupirà l’avverarsi delle previsioni fatte sull’adozione e il successo dell’Edge Artificial Intelligence.
Spindox da anni ricorre all’Edge computing sia per soddisfare le esigenze dei suoi clienti realizzando soluzioni ad hoc, sia per la realizzazione di progetti come MIMEX.
Photo by Anton Mislawsky
