L'Edge AI, qu'est-ce que c'est ?

L'Edge AI, ou intelligence artificielle (IA), ou IA en périphérie du réseau, désigne l'utilisation de l'IA en association avec l'edge computing pour permettre la collecte de données à un emplacement physique ou à proximité. Par exemple, une tâche d'algorithme de reconnaissance d'image sera plus efficace si elle est exécutée près de la source des données.

L'Edge AI permet donc de fournir des réponses presque instantanément. Grâce à l'Edge AI, les données sont traitées en quelques millisecondes et offrent un retour d'informations en temps réel avec ou sans connexion Internet, car les algorithmes d'IA peuvent traiter les données plus près de l'emplacement de l'appareil. Ce processus s'avère particulièrement sûr, car les données sensibles ne quittent jamais la périphérie du réseau.

Se lancer avec l'IA en entreprise: guide pour les débutants

En savoir plus sur les solutions Red Hat pour l'edge computing

Contrairement à l'IA traditionnelle, l'Edge AI n'exécute pas des modèles au niveau du back-end d'un système cloud, mais sur des appareils connectés qui s'exécutent en périphérie du réseau. Cette approche ajoute une couche d'intelligence. En plus de la collecte des indicateurs de mesure et des analyses, l'appareil d'edge computing peut agir sur la base d'un modèle d'apprentissage automatique (AA) intégré à l'appareil d'edge computing.

L'intelligence artificielle poursuit le même objectif : confier la collecte des données, leur traitement et la génération de résultats aux ordinateurs, en copiant l'intelligence humaine. Toutefois, l'Edge AI exécute les tâches et prend des décisions localement, à l'intérieur ou à proximité de l'appareil utilisé. 

Les inférences d'IA, qu'est-ce que c'est ?
 

Différence entre l'IA en périphérie et l'IA distribuée

L'Edge AI est l'IA distribuée qui utilise des concepts de l'IA traditionnelle et de l'Edge AI. Les principales distinctions entre les deux apparaissent lorsque les données sont traitées et selon la manière dont les modèles d'IA sont déployés. Les algorithmes d'Edge AI sont directement exécutés sur les appareils d'edge computing, alors que l'IA distribuée utilise plusieurs systèmes interconnectés (serveurs centraux, appareils d'edge computing, etc.).

Avec l'IA distribuée, les tâches sont réparties entre plusieurs machines ou appareils, et chacun fonctionne sur une partie du problème. Si ce traitement distribué peut appliquer plus de puissance au traitement des données et être évolutif au-delà de la capacité de l'Edge AI, les compromis apparaissent dans sa complexité, la latence et la confidentialité globale.

Les atouts du cloud computing pour l'Edge AI

Il n'est pas exagéré de prétendre que l'Edge AI ne pourrait pas exister sans le cloud computing. Le cloud computing fournit l'infrastructure, les outils et les services nécessaires pour développer, déployer, gérer et entretenir les modèles d'IA sur les appareils d'edge computing.

Entraînement : étant donné que les appareils d'Edge AI sont éloignés des serveurs centralisés, ils n'ont généralement pas la puissance de calcul et les gros volumes de données nécessaires pour entraîner les modèles d'apprentissage profond. Les appareils d'Edge AI transfèrent plutôt leurs données vers un cloud où elles sont associées à celles d'appareils similaires, traitées et utilisées pour entraîner le modèle. Les modèles d'apprentissage automatique sont ensuite redéployés sur les appareils en périphérie du réseau.

Déploiement : puisque les appareils d'edge computing sont minimaux par défaut, les modèles entraînés doivent être optimisés pour ces appareils d'edge computing aux ressources limitées. Les services cloud fournissent des outils de compression pour la quantification et l'élagage qui préparent les modèles d'IA au déploiement en périphérie.

Synchronisation des données : les appareils d'Edge AI sont capables de traiter les données rapidement au niveau de leur déploiement. Les appareils d'Edge AI collectent également des données pour entraîner leurs modèles à prendre de meilleures décisions. Les appareils d'Edge AI se synchronisent régulièrement avec un référentiel central dans le cloud, qui aide à stocker et à traiter les données que l'appareil d'edge computing collecte et traite. Les données envoyées au cloud sont utilisées pour l'apprentissage continu, où les modèles sont entraînés et redéployés sur les appareils.

Surveillance et gestion : les appareils d'Edge AI sont au cœur de l'interaction d'une entreprise avec ses utilisateurs. Les plateformes cloud surveillent les appareils d'edge computing en temps réel, ce qui permet la maintenance prédictive et l'identification des problèmes potentiels avant qu'ils n'affectent les performances. En outre, les plateformes cloud peuvent évoluer en fonction des besoins et ainsi offrir des ressources élastiques aux entreprises qui gèrent un grand nombre d'appareils.

En savoir plus sur la solution d'IA Red Hat

La combinaison de l'edge computing et de l'intelligence artificielle offre de grands avantages. Avec l'Edge AI, les capacités de calcul haute performance sont étendues aux sites d'edge computing, là où se trouvent les capteurs et les objets connectés. Les utilisateurs peuvent traiter des données en temps réel sur leurs appareils, car aucune connectivité ni intégration entre les systèmes n'est nécessaire. Ils peuvent également gagner du temps en recueillant les données, sans communiquer avec d'autres emplacements physiques.

Voici les principaux avantages de l'Edge AI : 

• Réduction de la consommation d'énergie : diminution des coûts énergétiques grâce à la conservation des processus de données en local, et besoins plus faibles en énergie pour l'exécution de l'Edge AI par rapport aux datacenters cloud.
• Réduction de la bande passante : diminution de la quantité de données à envoyer et baisse des coûts grâce au traitement, à l'analyse et au stockage des données localement au lieu de les envoyer dans le cloud.
• Confidentialité : diminution du risque de fuite des données sensibles lors du traitement des données sur les appareils d'edge computing par l'Edge AI
• Sécurité : priorité accordée au transfert de données importantes grâce au traitement et au stockage en périphérie du réseau, ou à un filtre de données redondantes et inutiles.
• Évolutivité : mise à l'échelle facilitée des systèmes grâce à des plateformes basées dans le cloud et à des capacités d'edge computing natives sur les équipements embarqués
• Réduction de la latence : accélération du traitement des données sur une plateforme cloud et de leur analyse en local, afin de lancer d'autres tâches.

En savoir plus sur les étapes de l'IA en périphérie du réseau

L'Edge AI permet de l'utiliser dans de nombreux secteurs.

L'Edge AI dans la santé

Les appareils portables tels que les montres connectées et les moniteurs d'activité physique peuvent utiliser l'Edge AI pour surveiller les signes vitaux (pulsation, taux d' contrôler les phases d'activité physique) en temps réel, alertant ainsi les utilisateurs en cas d'anomalies, telles que l'arith afficher ou contrôler la forme physique, sans avoir recours au traitement dans le cloud. Les outils de diagnostic basés sur l'IA peuvent aider à l'imagerie médicale en analysant les radiographies, les images à remaniage et d'autres scanners médicaux à la « périphérie » du réseau d'hôpitaux ou de cliniques, fournissant ainsi des résultats instantanés et réduisant la nécessité d'envoyer des données à des systèmes centraux. serveurs Linux. L'Edge AI permet la surveillance à distance des patients de leur état de santé à domicile, en analysant les données issues des appareils médicaux et en alertant le personnel de santé en temps réel.

Lorsque les tendances et les informations sont analysées plus rapidement et avec une plus grande précision, les professionnels de santé peuvent identifier et prévenir les risques potentiellement mortels, ce qui était impossible auparavant. L'IA prédictive en périphérie de réseau peut contribuer à la prévention précoce des maladies et à l'amélioration des soins globaux.

Utilisations de l'Edge AI dans la fabrication

Dans les usines de fabrication, l'IA prédictive en périphérie peut surveiller les équipements en temps réel à la recherche d'anomalies de performances dans le but de prédire les pannes mécaniques.

Les caméras et les capteurs équipés d'IA peuvent améliorer le contrôle de qualité en inspectant les lignes de production à la recherche de défauts dans les produits. Le traitement des données visuelles ou sensibles localement, plutôt que sur un serveur central distant, permet des corrections immédiates qui peuvent minimiser le gaspillage. La robotique d'edge computing et l'automatisation dans les usines peuvent trier, mettre en paquets ou assembler, en utilisant des données en temps réel provenant de capteurs pour s'adapter aux changements environnementaux ou à la variabilité des produits.

L'Edge AI dans les maisons connectées

Dans notre vie quotidienne, nous nous sommes habitués à utiliser des assistants vocaux à la maison pour contrôler l'éclairage, le thermostat et la musique. Ces appareils utilisent l'Edge AI pour traiter les commandes localement, ce qui réduit la latence. Le traitement des commandes localement sans les envoyer vers un serveur central améliore également la confidentialité. Les systèmes de sécurité intégrés avec des sonnettes intelligentes et des caméras de surveillance utilisent l'Edge AI pour détecter les mouvements, reconnaître les visages et alerter les propriétaires en cas d'activités inhabituelles. Le traitement local évite l'envoi continu de flux vidéo vers le cloud, ce qui améliore la confidentialité et l'efficacité. D'autres appareils connectés, tels que les thermostats, utilisent l'Edge AI pour la gestion de l'énergie. Ils apprennent le comportement des utilisateurs et les données locales pour optimiser les calendriers de chauffage et de refroidissement et réduire la consommation d'énergie.

Utilisations de l'Edge AI dans la vente au détail

Dans le commerce de détail, les « produits de stockage intelligents » utilisent l'Edge AI pour gérer les stocks. Des caméras et d'autres capteurs détectent les ruptures de stock ou les changements de position, et préviennent le personnel pour qu'il procède à des ajustements. De nombreux commerçants expérimentent des magasins en libre-service où les systèmes d'Edge AI suivent les produits que les clients sélectionnent ou retournent en temps réel en traitant les données directement à partir de capteurs et de caméras en magasin.

L'IA prédictive en périphérie permet également de prédire les comportements d'achat, vous aidant ainsi dans le positionnement de votre produit. 

L'Edge AI au service des véhicules et du trafic

Les véhicules autonomes sont eux-mêmes des appareils d'Edge AI qui s'appuient sur les données en temps réel issues de capteurs tels que les caméras, les LIDAR et les radars pour naviguer sur les routes, détecter les obstacles et prendre des décisions en une fraction de seconde au lieu de se fier aux connexions au cloud. Les feux de circulation et les caméras intelligents utilisent l'Edge AI pour la gestion du trafic en analysant le trafic en temps réel, ce qui peut aider à réduire la circulation et à améliorer la sécurité aux intersections. L'Edge AI optimise également la  gestion de la flotte des entreprises de logistique en surveillant les performances des véhicules, le comportement des conducteurs et en optimisant les itinéraires de livraison.

Découvrir comment l'automatisation informatique facilite la prise en charge des charges de travail d'Edge AI

Red Hat® AI est notre gamme de produits d'IA qui reposent sur des solutions que nos clients utilisent déjà. C'est ce qui permet à nos produits de rester fiables, flexibles et évolutifs.

Red Hat AI offre les avantages suivants :

• Rapidité d'adoption de l'IA et d'innovation
• Simplification de la distribution de solutions d'IA
• puis déployez-la dans tous les environnements.

Découvrir Red Hat AI 

Comment évoluer de manière flexible

L'IA Red Hat donne accès à des plateformes qui offrent la flexibilité nécessaire au déploiement de n'importe où.

Red Hat OpenShift® AI est une plateforme MLOps intégrée qui permet de gérer le cycle de vie des modèles d'IA, à la fois prédictive et générative. Sur cette plateforme unique, vous pouvez mettre à l'échelle vos applications d'IA dans vos environnements de cloud hybride.

Nos consultants peuvent également accompagner les entreprises qui créent et déploient des applications d'IA en parallèle des charges de travail essentielles pour leurs cas d'utilisation uniques.

En savoir plus sur Red Hat OpenShift AI