Edge computing e intelligenza artificiale sono due fra le tecnologie più promettenti e in grande crescita di popolarità. Non solo: sono anche perfettamente complementari, giustificando assieme gli investimenti in sviluppo ed implementazione. Il combinato disposto di edge e intelligenza artificiale apre scenari inediti, il cui potenziale è quasi illimitato e alla base di progetti anche molto complessi di trasformazione digitale. Per approfondire questa interessante tematica, ci siamo confrontati con gli esperti di Reply. Peter Schiekofer, Partner Autonomous Reply ci parla di User Experience, Controllo Qualità Smart City System.
Da qualche tempo siamo giunti nell’era in cui l’autonomia abilitata o supportata dall’Intelligenza Artificiale sull’Edge, in combinazione con tecniche di Computer Vision e con modelli avanzati di Machine Learning, è in grado di rendere più efficienti numerose attività.
Ne sono un chiaro esempio lo sviluppo di un’automazione di alta precisione nella rilevazione dei difetti, il potenziamento di una manutenzione predittiva sempre più accurata, l’ottimizzazione di sistemi di Data Warehouse che abilitano le attività di business intelligence o di sistemi di facility Management per il coordinamento dello spazio fisico di lavoro con le risorse umane, fino ad arrivare alla messa a punto di approcci rivoluzionari al Building Information Management per una pianificazione, realizzazione, gestione ottimale tramite Digital Twins, ovvero le rappresentazioni virtuali di oggetti o sistemi collegati ad essi per tutto il ciclo di vita.
In assoluto, il miglioramento dell’esperienza dell’utente attraverso la salvaguardia dei suoi dati personali è uno dei più grandi vantaggi manifesti quando l’AI è portato nel mondo dell’Edge. Infatti, implementando gli algoritmi di machine learning sul dispositivo stesso, i dati raccolti possono essere elaborati localmente, anziché trasferiti a servizi cloud-centric, rappresentando una svolta notevole per la User Experience e la personalizzazione dei servizi digitali. Sappiamo che la user friendliness dei dispositivi mobile deve spesso scendere a patti con la questione della privacy legittima o stabilita legalmente, dal momento che i dati comportamentali vengono solitamente processati con modelli di machine learning nel cloud centrale, con tutti i rischi potenziali che questo comporta. Ora il nuovo trend di approccio attraverso un algoritmo di federated learning sta portando anche grandi player tecnologici monopolisti del mercato, come Google, a ripensare alla UX in un’ottica di continuo miglioramento perché consapevoli di poter svolgere azioni pubblicitarie personalizzate rispettando allo stesso tempo le severe normative sulla privacy.
Anche il delicato momento del controllo qualità può essere considerevolmente impattato dall’implementazione dell’Edge AI, che può diventare un alleato irrinunciabile nel passaggio transizionale dall’automazione all’autonomia per affrontare le sfide del cambiamento ecologico attraverso soluzioni intelligenti. Ne sono un esempio l’utilizzo di droni autosufficienti che eseguono ispezioni, identificano oggetti, raccolgono immagini che servono poi per categorizzare eventuali danni. Qui la vera novità è che il rilevamento avviene direttamente in loco, dal pc, dove il modello si auto-addestra e comprende proprietà e difetti in maniera accurata, prestandosi a ottimizzatore di vari contesti aziendali. L’obiettivo è arrivare ad avere operazioni industriali più sostenibili aumentando l’efficienza della produzione, minimizzando gli sprechi e risparmiando risorse grazie a processi altamente efficaci e intelligenti.
Lo Smart City System è un ulteriore ambito di costruzione di prospettive future con l’Edge AI. Grazie alle tecnologie di deep learning la smart city popolata da veicoli a guida autonoma sarà sempre più sicura con la risoluzione delle lacune ancora oggi esistenti relative alla sicurezza, come angoli ciechi, mancanza di visuale in curva o veicoli troppo silenziosi. L’Edge AI è lo strumento che stavamo aspettando per evitare le collisioni, capace di coinvolgere tutti gli utenti della strada, pedoni, ciclisti, scooter, nell’interazione con veicoli autonomi. L’infrastruttura ottimizzata prevederà sensori statici per la raccolta dati sul traffico, tecniche di computer vision per monitorare posizione e velocità dei mezzi, reti neurali nel cloud per calcolare il percorso programmato e una doppia trasmissione delle informazioni sia al veicolo che all’app consultabile dagli utenti in strada.
Reply vanta una notevole expertise tecnica nell’utilizzo dell’Edge AI in tutti e tre gli ambiti sopra descritti, avendo partecipato a fianco dei clienti e partner a numerosi progetti.
In collaborazione con un rilevanti partner tecnologici, Reply ha sviluppato un’architettura end-to-end per robot mobili autonomi che grazie alla loro caratteristica agilità rendono possibile il riconoscimento di eventuali danni ad automobili: utilizzando la computer vision, il robot si può muovere liberamente, in maniera indipendente da un’infrastruttura centrale, su un terreno tradizionalmente non progettato per i robot all’interno dell’area di parcheggio, scansionando una ad una le targhe per individuare il veicolo esatto e raccogliere dati visivi tramite fotocamera e sensori. Le informazioni sono poi elaborate sull’edge o trasmesse al cloud dove algoritmi avanzati di riconoscimento delle immagini e di machine learning eseguono il rilevamento dei danni.
Questa prima sperimentazione apre le porte a possibili scenari successivi di upgrade modulari del robot per un loro impiego in casi d’uso altamente complessi, come l’ipotesi di tutti quegli ambienti pericolosi troppo rischiosi per un intervento umano, in cui si garantisce l’autonomia del robot proprio mediante l’elaborazione dei dati e le capacità dell’AI sull’Edge.
