Jak budować przewagi konkurencyjne z wykorzystaniem Edge Ai?

Autor: Bartłomiej Drążkiewicz 6 czerwca 2022

Technologia brzegowa to ciekawy segment w branży high tech, który może usprawnić procesy produkcyjne przy ograniczonych zasobach ludzkich. Edge AI może być także odpowiedzią na bolączki marketerów obawiających się przyszłości bez 3rd party cookies.

Nir Manor, czyli Retail Advisor w Anagog na Mobile Trends Conference 22 poruszył tematykę Edge Ai i jej potencjalnego wpływu na obszar dzisiejszego marketingu. Odwieczny konflikt pomiędzy poszanowaniem prywatności użytkownika, a możliwością hiperpersonalizowania przekazu wcale nie muszą się wykluczać.

Z pierwszego punktu prezentacji mogliśmy przypomnieć sobie rozwój kierowania przekazu medialnego. Najpierw odbywało się to w sposób jednostronny, czasem używa się określenia “zimny”. Media zimne i gorące to termin odpowiadający sposobowi naszego zaangażowania w ich konsumpcję, nie zaś w możliwość interakcji czy personalizacji, choć te są ze sobą bezsprzecznie powiązane. Wracając do sedna, broadcastowe komunikaty oznaczają te wyrzucane w przestrzeń, które miały docierać do odbiorców w nadziei na ich dostrzeżenie. Później szacowano grupy docelowe poprzez dobór odpowiednio sprofilowanego medium, którego były częstymi użytkownikami.

Pojawienie się przekaźników internetowych i telewizyjnych pozwoliło na początki większej targetyzacji chociaż wciąż odbywała się ona bardziej na głównych założeniach i socjologicznych prawidłach niż znanej nam dzisiaj personalizacji, co uległo zmianie dzięki rozwoju sieci społecznościowych i wejściu większej ilości ludzi do internetu. Pojawienie się aplikacji mobilnej to kamień węgielny dla zrozumienia możliwości operacyjnych jakie płyną z  danych pozyskiwanych przez urządzenia mobilne.

Niestety po wejściu dyrektyw GDPR zawierających przepisy o ochronie osób fizycznych w związku z przetwarzaniem danych osobowych oraz przepisy o swobodnym przepływie danych osobowych, firmy zostały zmuszone do zmiany swojej polityki danych. Myśl to przewrotna, aczkolwiek może mieć pozytywne oddziaływanie na rozwój technologii, co upatruje się w brzegowości. Dzisiaj systemy opierają się o przetwarzanie wyłącznie z wykorzystaniem chmury.

Przetwarzanie w chmurze

Jak wskazuje Intel, do 2025 roku nawet 75 proc. danych będzie tworzonych poza centrami danych, w których obecnie są przetwarzane. Co więcej, niemal 90 proc. pozyskiwanych danych nigdy nie będzie miało konieczności i możliwości ich wykorzystania.  Powstaje więc problem zbierania i przetwarzania ogromnych zbiorów informacji, które obciążają serwery, ograniczając ich szybkość transmisji. Okazuje się, że nawet wykorzystanie sieci 5G i coraz większych pojemnościowo kart graficznych może nie być wystarczające dla ogromnej wagi powstającej w ten sposób sieci informacyjnej. 

Obecne systemy skupiają się na rozwiązaniach chmurowych, które emitują bardzo duży koszt czasowy wynikający z potrzeby przesyłu danych na duże odległości. Choć nieraz może to trwać sekundy, tak w przypadku wyposażenia autonomicznych samochodów czy zautomatyzowanych fabryk, te mogą okazać się skutkiem swoistej tragedii. Konsekwentne zwiększanie przepustowości sieci może rozwiązałoby ten problem, jednakże w obliczu wciąż wzrastających urządzeń i wynikających z tego połączeń, generuje potrzebę nieustannej iteracji sieci przy zachowaniu tego samego problemu. 

Zbieraniu ogromnej ilości danych, zwłaszcza personalnych i medycznych nie sprzyjają regulatorzy, którzy coraz głośniej sprzeciwiają się tym praktykom, a przez przykład ByteDance widzimy, że rządy mogą nie życzyć sobie, aby dane przesyłane były poza teren kraju, którego użytkowników dotyczą. Nie wszędzie też możemy się spotkać z dobrym łączem internetowym, a brak stałej łączności przeważnie utrudnia przetwarzanie chmurowe. Coraz większa liczba danych stoi też w opozycji do przymusu coraz szybszej ich interpretacji, co wymaga wykorzystania sztucznej inteligencji.

Czym jest system przetwarzania brzegowego?

Z pomocą zrozumienia “edgy” technologii przychodzi nam portal virtline.com. Wpis odnośnie Edge computing przybliża nam definicję, w której mianem tym określa się przetwarzanie danych w rozproszony sposób.

Otóż systemy analityczne badają informacje w trakcie ich powstawania bezpośrednio na urządzeniach emisyjnych, co eliminuje konieczność przesyłania zbędnych dla systemu informacji. Operacje nie są wówczas wykonywane na zbiorach danych, lecz na danych powstających w czasie rzeczywistym. Pozwala to na zwiększenie przepustowości sieci i odciążenie mocy obliczeniowych chmur.

Za adaptację przetwarzania brzegowego odpowiedzialna jest warstwa pośrednia, którą określa się węzłami brzegowymi. Węzły stoją w kontraście do obecnie stosowanego modelu na linii klient-serwer, gdyż takim węzłem może być przykładowo serwer, komputer czy cały system operacyjny urządzenia. Rola chmury się jednak nie zmniejsza w tym modelu, gdyż nadal trafiają do niej ustrukturyzowane przez węzły dane z dostępnych urządzeń lokalnych. 

Sztuczna Inteligencja na krawędzi, czyli potencjał Edge Ai

Zastosowanie sztucznej inteligencji w przetwarzaniu brzegowym jest szczególnie newralgiczne, w kontekście problemów wyróżnionych powyżej. Największym prowodyrem zmiany winno być bezpieczeństwo rozumiane jako szybkość reakcji i kontrola nad przetwarzonymi danymi, które nie muszą wcale opuszczać urządzenia. Gdy nawet opóźnienie milisekundowe stanowi dla nas zagrożenie, występują jakiekolwiek problemy z dostępem do internetu lub gdy chcemy zaoszczędzić energię elektryczną wykorzystywaną przez wszystkie maszyny uczestniczące w procesie, tak sztuczna inteligencja na brzegu nie powinna umykać naszemu zainteresowaniu. 

Witryna theblue.ai wyróżnia także sytuacje wykorzytywania parametrów życiowych analizowanych przez wearables do planowania efektywniejszych treningów, wsparcia zdrowia czy planowania opieki nad starszymi. Nieocenioną pomocą może wykazać się także w przemyśle jako wyposażenie maszyn, które na bieżąco byłyby analizowane poprzez wykorzystanie sensorów wibracyjnych, cieplnych czy dźwiękowych w celu określenie obecnych, a nawet i przyszłych – przewidywanych usterek. Poza tym, dzięki dodatkowej implementacji algorytmów rozpoznawania, klasyfikacji czy śledzenia obiektów znajdujących się w pobliżu można zoptymalizować automatyzację procesu produkcji oraz kontroli jakości. 

Przyszłość Edge AI

Według raportu Gartnera, w ciągu najbliższych czterech lat uczenie maszynowe będzie zastosowane w ponad 65 procentach przypadków użycia na urządzeniach typu Edge AI. W kontrze do 10 proc. wykorzystywanych w roku ubiegłym (2021).

Jako kluczowych graczy na rynku brzegowego przetwarzania danych wyszczególnia się firmy: IBM, Microsoft, Google, Tibco, Intel, Foghorn Systems, Cloudera, oraz Anagog, którego przedstawicielem jest sylwetka Nira Manora.

Prywatność i personalizacja mogą współistnieć!

Anagog opracowało system wsparty przez sztuczną inteligencję, który ma wykorzystywać dane z aplikacji, systemu i czujników urządzenia, z którego korzysta się w danym momencie. Reagowanie w czasie rzeczywistym i brak potrzeby procesowania danych z ich zewnętrzną wysyłką powoduje, że skuteczność push notyfikacji wysyłanych z pomocą tego rozwiązania sięga poziomu 90 procent. , Z poziomu urządzenia sztuczna inteligencja analizuje i kontekstuje  sytuację na bieżąco, dostarczając trafionych komunikatów.

Nie zakłóca przy tym w żadnej mierze naruszeń danych, gdyż te nie wychodzą poza urządzenie użytkownika, a są przetwarzane w nim na bieżąco. Jak widzimy Gartner może mieć sporo racji w swoich przewidywaniach, a Edge AI może wkrótce zawojować rynek marketingu, telekomunikacji, smart homes i internetu ciał.