Os últimos anos nos provaram que a digitalização é um caminho sem volta para a sociedade que, hiper conectada através de diferentes dispositivos e meios, consome produtos e serviços. Limitações como áreas geográficas e horários de atendimento restritos também são barreiras do passado, sem muita relevância sobre o consumidor moderno que, neste caso, pode ser alguém comprando online, ou até mesmo um cidadão solicitando serviços do governo.

Quando pensamos em infraestrutura, armazenamento de dados e formas de disponibilização de serviços, o cloud computing ocupa lugar de destaque na mente da maioria das pessoas. A percepção de que tudo está na nuvem é um consenso, e o armazenamento dos dados não se limita mais a discos externos ou pendrives diante das soluções cloud tão acessíveis.

Com o poder de processamento do hardware e uma Internet mais veloz e estável, a otimização de desempenho passa a ser um objetivo perseguido por usuários e fornecedores de infraestrutura. É preciso entregar as informações solicitadas sem atrasos e na maior velocidade possível, afinal, conexões de fibra óptica de 1Gb/s¹ com baixíssima latência, fator fundamental no contexto atual, estão disponíveis inclusive para uso doméstico.

Este é um quadro interessante para a introdução do edge computing, ou computação de borda, tecnologia que aproxima o processamento do local físico do usuário ou da fonte de dados. Há inúmeras possibilidades, abordagens e benefícios na utilização do edge computing, entre elas, uma considerável redução da necessidade de trafegar dados brutos até a nuvem.

Mas como isso funciona na prática?

A Internet das Coisas ou IoT aumenta o número de dispositivos inteligentes conectados o tempo todo. São geladeiras que monitoram o próprio conteúdo, aspiradores robô que conhecem os obstáculos da casa, cafeteiras e uma série de outros itens não limitados apenas ao uso doméstico. Veículos autônomos e equipamentos nas indústrias também reúnem dados que precisam ser armazenados e processados.

Com a computação de borda, considerando demandas e contextos específicos, não é necessário enviar todos os dados gerados a um datacenter ou servidor cloud. Desta forma, o tempo de resposta na comunicação entre dispositivos e o consumo da largura de banda tendem a ser menores. O processamento na Borda permite, por exemplo, que um enorme volume de imagens seja pré-processado localmente, resultando não apenas no menor consumo de banda, mas em um ganho real na eficiência.

Imagine o volume de dados gerados por dois equipamentos que fabricam peças com precisão milimétrica num processo industrial, em um ritmo de centenas de peças por minuto. Diversas variáveis como temperatura, erros, parâmetros de qualidade e interações humanas geram uma infinidade de dados que precisam ser processados sem atrasos para que a operação seja interrompida imediatamente se necessário. Neste caso, o edge computing torna o processo mais rápido e seguro ao proteger a operação da eventual indisponibilidade de acesso à nuvem, utilizando, ainda a Inteligência Artificial e o machine learning para identificar tendências e aprimorar os serviços.

A relação entre Edge e Cloud

É necessário compreender e reforçar que a utilização da tecnologia de edge não concorre com o cloud computing. Dispositivos locais de IoT geram dados que precisarão, ao menos em partes ser armazenados, mas, ao aproximar o processamento da fonte, a computação de borda permite a redução do volume enviado aos servidores, ou o atraso no envio de informações que não sejam fundamentais durante o tempo de execução. O processamento local através dos gateways favorece o alto desempenho, vital diante da importância do tempo de resposta entre dispositivos, como no caso dos veículos autônomos, onde o menor atraso para o tratamento dos dados fora da origem poderia resultar em trágicos acidentes.

Tendências

Impulsionado pelo cenário global, o mercado experimentou um crescimento na demanda pela tecnologia de edge computing neste ano. Apesar da demanda intensa para muitas empresas, a implementação parece não ter embalado, de fato.

O gargalo na implementação das soluções de edge parece estar relacionado à sua gestão, um relatório recente do Gartner indica que “As soluções de Borda têm sido historicamente gerenciadas pela linha de negócios, mas a responsabilidade está mudando para a TI, e as organizações estão utilizando os recursos de TI para otimizar custos”.

A visão computacional tem dominado quando se trata de implementações de Inteligência Artificial na Borda, com o reconhecimento de imagens liderando o treinamento de IA. O Nvidia Metropolis, estrutura de aplicativo e ferramentas que auxiliam na criação de aplicativos de IA de visão computacional, aumentou em 100 vezes a sua rede de parceiros nos últimos 4 anos, incluindo agora mais de mil membros.

Muitas empresas estão implementando ou adquirindo aplicativos de visão computacional, e tendem a buscar soluções multimodais, que usam diferentes fontes de dados para criar aplicativos mais inteligentes, capazes de reagir ao que veem, ouvem ou sentem.

Uma aplicação multimodal baseada em IA poderia ouvir um pedido do consumidor, fornecer uma resposta, observar sua reação e prover um novo feedback. Essa combinação de fontes de dados e informações complementares, permitiriam que a Inteligência Artificial proporcione ao consumidor uma experiência melhor e mais interativa.

Novas aplicações de IA de edge computing devem impulsionar as Fábricas inteligentes. Ainda segundo o Gartner, “em 2027, o machine learning na forma de deep learning será incluído em mais de 65% dos casos de uso de edge, contra menos de 10% em 2021. O trabalho em equipe entre a IA e plataformas de gerenciamento de IoT permitirão, por exemplo, respostas instantâneas diante de problemas em linhas de produção, sem que haja necessidade de intervenção humana.

A combinação entre IA e 5G surge como uma rede de conectividade mais confiável, segura e de alto desempenho para a integração de sensores, plataformas de computação e aplicativos de Inteligência Artificial, desbloqueando novos casos de uso de IA e edge computing.

Na Indústria 4.0 estarão a automação de plantas, robôs de fábrica, monitoramento e inspeção. Os sistemas automotivos contarão com aplicações de telemetria e rodovias pedagiadas. Nos espaços inteligentes teremos aplicativos de varejo, smart cities e cadeia de suprimentos.

O conjunto de práticas que representa o MLOps se tornará fator chave para ajudar a impulsionar o fluxo de dados de e para a computação de borda nas organizações. Com as aplicações tradicionais, atualizações podem acontecer de maneira periódica, mas são relativamente lentos diante dos ciclos contínuos de desenvolvimento propostos no modelo MLOps, capazes de levar a Inteligência Artificial a ganhos significativos.

Apesar de estar em desenvolvimento inicial, o MLOps já está no horizonte de curto prazo de muitos players e startups, que visam atender a uma demanda constante de tecnologias novas e eficientes em IA.

Tendências e análises a parte, é preciso minimizar os riscos de mercado, buscando uma atuação incansável no sentido da inovação e melhoria contínua, para fazer de 2022 o melhor ano da história. Nós estamos comprometidos com esse desafio.

¹ Gbps – Gigabit por segundo.