La computación en el borde o edge computing es una arquitectura que acerca la infraestructura, como servidores y dispositivos de red, a los datos. Aún se considera emergente, pero su impacto será profundo en la Internet de las Cosas (IoT). Y sus beneficios se pueden potenciar al conjuntarla con la inteligencia artificial, una combinación denominada borde inteligente o edge AI.
El uso de la inteligencia artificial en el borde aún no se encuentra tan extendido. La razón es que los primeros algoritmos de inteligencia artificial se pensaron para acceder a datos concentrados en una ubicación central. En cambio, el borde inteligente recurre al aprendizaje distribuido. Es decir, muchos de los datos se procesan en dispositivos y aplicaciones situados en la periferia y no son transmitidos a una nube central. Eso es común con muchos de los elementos integrantes de la IoT.
Motivos para implementar el borde inteligente
●Facilita la protección de los datos sensibles: Al evitar el tránsito de la información generada, se reduce el riesgo que puedan acceder a ellos ciberdelincuentes al acecho en la red.
●Optimiza el uso del ancho de banda y el análisis de datos: El enorme volumen de los datos generados por las aplicaciones de video y programas de realidad virtual y aumentada puede ser demasiado para su transmisión por las redes. Lo mismo ocurre con el big data producido por las investigaciones de laboratorio. Es por ello que resulta más eficiente procesarlos directamente en el borde, mediante aplicaciones de inteligencia artificial diseñadas ex profeso.
●Acelera el procesamiento de datos: En general, los dispositivos de la IoT ven su rendimiento mejorado mediante el uso del borde inteligente. Los más recientes pueden realizar el análisis primario de los datos antes de transmitirlos a una aplicación en la nube para su tratamiento más sofisticado.
Los campus, especialmente aquellos con centros médicos y de investigación, generan cantidades masivas de datos, que pueden analizarse más rápido cuanto más cerca estén del borde. El borde inteligente es ideal para algunas aplicaciones en la educación superior, como aprendizaje inmersivo, investigación intensiva en procesos y aplicaciones de laboratorio, entre otros.
Dificultades a tomar en cuenta
Ahora bien, implementar adecuadamente el borde inteligente puede resultar muy desafiante. Los algoritmos requieren de una gran cantidad de datos para su entrenamiento. Sin embargo, si no están debidamente contextualizados, puede ser muy arduo obtener resultados precisos en los procedimientos que se busca optimizar. Esto es porque a los algoritmos no pueden detectar anomalías sin datos identificados de manera adecuada al momento de crear un modelo. Es decir, el borde inteligente necesita del conocimiento de las personas para aprender a realizar las tareas.
Además, se debe tener en cuenta que la inteligencia artificial no pude resolver por sí misma todos los problemas. Obtener un resultado determinado puede implicar una larga secuencia de pasos interdependientes. Hay que enseñarle a la inteligencia artificial esos pasos y la relación entre ellos.
Por otra parte, no se debe descartar que si el conjunto de datos es muy extenso y se recopila durante un periodo demasiado amplio, se llegue a modelos demasiado complejos y difíciles de actualizar. Lo mejor es buscar a expertos en el desarrollo del borde inteligente. Con su auxilio es más factible llegar a soluciones sencillas y escalables para asegurar su utilidad perdurable a lo largo del tiempo.
Así, pese a las dificultades inherentes a uso de cualquier tecnología nueva, recurrir a la inteligencia en el borde puede mejorar la experiencia del usuario de los estudiantes, profesores, investigadores y administradores.