AI activiteiten in de edge of in de cloud?

Vorige keer hebben we het gehad over het belang van edge computing voor AI activiteiten in een IoT omgeving. Ondanks de belangrijke rol die edge computing nu speelt, staat cloud computing met al zijn voordelen zeker niet op het punt om te verdwijnen. Wat we graag willen is the best of both worlds benutten. De vraag is daarom: Welke AI activiteiten willen we naar de edge verplaatsen en welke houden we in de cloud?

Voordelen van AI in de cloud

Indien je gegevens afkomstig van allerlei verschillende locaties met elkaar wilt vergelijken en verwerken met behulp van kunstmatige intelligentie, dan zijn we gewend dat de cloud daarvoor de aangewezen plek is vanwege voordelen als deze:

Wendbaarheid IT middelen

Doordat de cloud een poel aan IT middelen is, kunnen deze middelen gebruikt worden voor welke activiteiten ze ook nodig zijn en kunnen ze heel efficiënt worden ingezet. De samenvoeging van deze middelen leidt niet alleen tot significante schaalvoordelen maar betekent ook dat je beschikking hebt over een immense hoeveelheid rekenkracht.

Gemakkelijk toegang tot data en computing middelen

Indien gewenst kunnen de data en computing middelen vanaf elke locatie, op elk moment, met verschillende apparaten bereikt worden, mits er een internet connectie is. Een groot voordeel is dat dit de mobiliteit en productiviteit verhoogt.

Schaalbaarheid IT middelen

Bij bepaalde cloud modellen kun je vrijwel ongelimiteerd op- en terug schalen aan de hand van de behoefte. Een belangrijk voordeel is dat je hierdoor geen dure middelen hoeft aan te schaffen voor taken die veel capaciteit nodig hebben maar slechts eenmalig of infrequent voorkomen.

Uitbesteed beheer

Als het beheer van de infrastructuur wordt uitbesteed aan een cloud provider, dan wordt dit werk hoogstwaarschijnlijk door specialisten gedaan. Het is aannemelijk dat het beheer dan goed gebeurt en u hoeft hiervoor dan zelf geen werknemers in dienst te hebben.

Hoge kwaliteit binnen bereik?

Sommige AI technologieën kunnen te prijzig zijn voor bepaalde bedrijven om op te hoesten. Als zij clouddiensten afnemen van een provider kunnen ze er misschien toch van profiteren, doordat de kosten ervan over alle gebruikers wordt verdeeld. Zo kun je misschien ineens gebruikt maken van state-of-the-art AI technologieën.

Voordelen van AI in de edge

Edge computing brengt zijn eigen voordelen met zich mee. Edge computing verplaatst de verzameling, opslag en analyse van data die verzameld is van IoT apparaten voor real-time beslissingen van de centrale cloud naar de lokale edge. Terwijl AI in de cloud wordt beheerd door één groot verwerkingscentrum, wordt AI in de edge uitgevoerd door krachtige computerapparaten die lokale data-geïnformeerde beslissingen mogelijk maken.

Real-time respons

Door het elimineren van de noodzaak om data naar de cloud te sturen voor verwerking, worden ook de latency problemen die de geldigheid van real-time besluitvorming kunnen beïnvloeden geïlimineerd. Dit is waardevol voor bepaalde applicaties op het gebied van bijvoorbeeld medische beeldvorming en crowd-management, waarbij real-time respons kritiek is en AI-gebaseerde beslissingen de real-time prestaties van de IoT apparaten beïnvloeden.

Betrouwbaardere activiteiten?

In de edge worden beslissingen over processen, activiteiten en de gezondheid van de machines allemaal lokaal gemaakt met minder zorgen betreffende connectiviteit. Real-time informatie kan processen ononderbroken laten door het voorkomen van storingen en plotselinge gebreken. De parameters die voorspellen wanneer onderhoud plaats moet vinden zijn geïntegreerd in de IoT oplossing.

Verbeterde beveiliging?

Edge computing houdt gevoelige data in de lokale infrastructuur, waarbij beveiligingsproblemen die gemoeid gaan met de public cloud vermeden worden. AI oplossingen zijn ook in staat om abnormaliteiten in de edge te detecteren als cyberaanvallers proberen toegang te krijgen tot het netwerk via IoT apparaten, en implementeren snel mitigatie tactieken. Alle mogelijke punten van binnenkomst voor cyberaanvallers worden middels risicoanalyse bepaald, en er worden proactieve plannen opgesteld om beveiligingsproblemen te verzachten als deze ontstaan.

Lagere computing kosten?

Zaken als intelligente videoanalyse betekenen hoge resolutie, wat op zijn beurt serieuze bandbreedte en latency betekent. Omdat edge computing data lokaal verzamelt in plaats van het naar de cloud te sturen, is dure bandbreedte voor connectiviteit minder nodig.

Met de toename in IoT apparaten groeit de behoefte aan AI activiteiten in de edge exponentieel. Het zal niet langer haalbaar zijn om volledig op de cloud te vertrouwen voor de verwerking en analyse van data voor real-time besluitvorming. Nu edge computing AI algoritmen en machine learning lokaal kan uitvoeren zonder de inherente latency die cloud computing met zich meebrengt, zal deze keuze in veel gevallen interessant zijn. Dit terwijl de cloud blijft doen waar hij goed in is: Centraal grootschalige analyses uitvoeren. Als beslissers de waarde van AI in de edge evenals de waarde van AI in de cloud begrijpen, kunnen zij geïnformeerde vragen stellen over welke infrastructuur hun operationele doelen het best ondersteunt.

Kort samengevat zal cloud computing, met de doorlopende groei in het aantal en de bruikbaarheid van AI-aangedreven IoT oplossingen, een belangrijk onderdeel van het IoT ecosysteem blijven als het aankomt op complexe, grootschalige en historische data verwerking waar veel rekenkracht voor vereist is, mits er voldoende bandbreedte beschikbaar is. Denk bijvoorbeeld aan analyses van grote hoeveelheden beeldmateriaal van grote aantallen camera’s die op verschillende locaties hangen, met het doel patronen te ontdekken. Voor real-time besluitvorming waarbij snelheid een cruciale rol speelt en netwerk downtime uit den boze is, zoals bij video-gebaseerde valdetectie in de ouderenzorg, is edge computing echter de betere benadering.