Il progetto EdgeAI: convergenza delle tecnologie per migliorare l'intelligenza per migliorare prestazioni ed efficienza nell'edge

Jun 20, 2024

Edge Artificial Intelligence combina le tecnologie edge computing, Internet of Things (IoT) e intelligenza artificiale (AI) per fornire raccolta, elaborazione, analisi e processo decisionale dei dati in tempo reale. I progressi nelle tecnologie edge AI, Machine Learning (ML) e Deep Learning (DL) consentono nuove funzionalità ai margini della rete, più vicine ai sensori e agli attuatori che prima erano impossibili per i sistemi convenzionali di unità microcontrollori (MCU).

Sfruttando i vantaggi dell'IoT e dell'edge computing per raccogliere ed elaborare i dati localmente, l'elaborazione ML e DL sul dispositivo riduce la latenza, aumenta la privacy e la sicurezza dei dati e riduce la necessità di una connessione cloud continua fornendo connettività edge e soluzioni di analisi. L'elaborazione intelligente dei bordi ML e DL apre opportunità per sistemi di intelligenza artificiale nuovi, robusti e scalabili nel continuum edge (micro-deep e meta-edge) e in molteplici settori.

L’applicazione dell’intelligenza artificiale all’avanguardia offre molte opportunità, tra cui velocità di elaborazione più elevate per consentire analisi in tempo reale, maggiore scalabilità per lavorare con dati in tempo reale e una migliore sicurezza informatica man mano che i dati vengono elaborati in locale. Ma queste innovazioni comportano anche sfide significative, dall’eterogeneità tecnologica e dalle architetture di elaborazione all’efficienza energetica.

Una delle sfide più significative per gli sviluppi della tecnologia edge AI è il miglioramento dell’efficienza energetica e della scalabilità delle prestazioni di elaborazione, dati i diversi vincoli di risorse per dispositivi, algoritmi e piattaforme edge.

Le applicazioni Edge AI presentano una significativa eterogeneità hardware/software. Le applicazioni utilizzano metodi e algoritmi di IA combinati, il che presenta sfide quando le soluzioni di IA edge devono essere ottimizzate per varie piattaforme hardware/software e confrontate tra loro.

L'elaborazione eterogenea è un aspetto cruciale dell'intelligenza artificiale edge che combina diverse architetture hardware, tra cui unità di elaborazione centrale (CPU), unità di elaborazione grafica (GPU), unità di elaborazione tensore (TPU), unità di elaborazione di intelligenza (IPU), circuiti integrati specifici dell'applicazione ( ASIC), gate array programmabili sul campo (FPGA), unità di elaborazione neuromorfica (NPU), sistema su chip (SoC) e sistema su modulo (SoM).

Le tecnologie e le applicazioni Edge AI sono in continua evoluzione e stanno guidando il futuro controllo intelligente e il processo decisionale avvicinando le capacità di AI al mondo fisico per consentire l’implementazione di sistemi autonomi e migliorare il comportamento autonomo di tali sistemi.

Per affrontare l'eterogeneità dei dispositivi, il progetto KDT JU EdgeAI gestisce l'elaborazione all'edge come un continuum computing granulare che comprende micro-edge (unità di elaborazione in microcontrollori, sensori e attuatori incorporati, ecc.), deep-edge (unità di elaborazione che forniscono potenza di elaborazione estesa, in gateway, telefoni cellulari, controllori logici programmabili, ecc.) e il meta-edge (micro-server di elaborazione edge on-premise ad alte prestazioni che combinano diversi microcontrollori e processori per operazioni specifiche).

Le tecnologie Edge AI stanno consentendo lo sviluppo di sistemi eterogenei, iperconnessi, iperautonomi e iperintelligenti che combinano intelligenza edge e swarm per creare nuovi sistemi di sistemi intelligenti edge.

Gli sviluppi di Hyper-X e l'intelligenza artificiale all'avanguardia accelerano l'integrazione di strumenti di automazione, piattaforme e molteplici tecnologie di rilevamento/attuazione. Ciò consente funzionalità più intelligenti e crea sistemi autonomi interfunzionali e scalabili con “intelligenza intrinseca” e “intelligenza estrinseca”.

L'intelligenza intrinseca rappresenta le capacità cognitive integrate in un dispositivo IA edge, come un dispositivo IoT intelligente, un robot o un veicolo autonomo. L'intelligenza estrinseca è l'intelligenza di rete utilizzata per la collaborazione tra questi dispositivi edge intelligenti.

EdgeAI – Edge AI Technologies for Optimized Performance Embedded Processing, il progetto Key Digital Technologies (KDT) Joint Undertaking (JU) è un’iniziativa chiave per la transizione digitale europea verso soluzioni di elaborazione intelligente all’edge.