Comprender las aplicaciones de Edge AI en el mundo real

La tecnología de IA periférica, que procesa y analiza los datos directamente en dispositivos como ordenadores personales, dispositivos IoT o servidores periféricos especializados, agiliza y facilita el almacenamiento y el procesamiento de datos al realizar las operaciones localmente. Ayuda a evitar problemas habituales de los sistemas en la nube, como la latencia y las limitaciones de ancho de banda, y ofrece un rendimiento más rápido y fiable. Por ejemplo, en los vehículos autónomos, el procesamiento local es esencial para tomar decisiones en tiempo real, como detectar obstáculos o responder al instante a las señales de tráfico. Al procesar los datos directamente en el vehículo, la IA periférica permite responder en fracciones de segundo, algo demasiado lento si se depende de un servidor en la nube distante.

La IA periférica gana cada vez más popularidad y se prevé que el mercado mundial alcance los 143.060 millones de dólares en 2034. Distintos sectores utilizan la IA periférica para mejorar los flujos de trabajo, automatizar tareas e impulsar la innovación, al tiempo que abordan problemas como la latencia, la seguridad y el coste.

En este artículo, veremos cómo la IA periférica está marcando la diferencia en ámbitos como la sanidad y la fabricación, así como algunos aspectos que debes tener en cuenta al ponerla en práctica.

Fig. 1 El mercado mundial de la IA periférica.

Cómo funciona la IA en el borde#

La IA periférica combina la computación perimetral y la inteligencia artificial (IA). La computación perimetral es un marco tecnológico que procesa los datos cerca de donde se generan, lo que permite realizar análisis en tiempo real, mejorar la fiabilidad y ahorrar costes. El componente de IA lleva los algoritmos de aprendizaje automático directamente al perímetro, de modo que los dispositivos pueden tomar decisiones inteligentes localmente. Este enfoque reduce la necesidad de utilizar una nube o un centro de datos centralizados, que pueden provocar retrasos en el procesamiento. La nube se puede seguir utilizando para almacenar datos más complejos, realizar análisis a mayor escala y actualizar los modelos de IA, complementando el procesamiento local más rápido que ofrece la IA periférica.

Fig. 2 Resumen de la IA periférica.

Así funcionan los sistemas de IA en el borde:

• Recopilación de datos: Los sensores del dispositivo recopilan información sin procesar del entorno, como lecturas de temperatura o el estado de los equipos en entornos industriales.
• Limpieza de datos: El dispositivo procesa rápidamente los datos recopilados para filtrar el ruido y centrarse en los detalles relevantes.
• Predicciones: Un modelo de IA integrado directamente en el dispositivo de borde analiza los datos limpios.
• Toma de decisiones: A partir del análisis, el sistema de IA toma decisiones e inicia las acciones o respuestas necesarias.

IA en el borde frente a IA en la nube#

La IA en el borde y la IA en la nube son dos enfoques distintos para implementar la IA, cada uno con ventajas e inconvenientes propios. Como ya hemos explicado, con la IA en el borde los datos se procesan directamente en dispositivos locales, lo que garantiza una latencia baja, mayor privacidad y una dependencia mínima de la conexión a Internet.

A diferencia de la IA periférica, la IA en la nube utiliza servidores remotos para procesar los datos, lo que ofrece mayor escalabilidad y flexibilidad. Sin embargo, esto suele implicar una latencia mayor y un mayor uso de ancho de banda, ya que los datos deben transmitirse por Internet. La IA en la nube también puede plantear problemas de privacidad, porque los datos sensibles deben transmitirse y almacenarse en servidores externos.

Fig. 3 IA en el borde frente a IA en la nube.

Otra diferencia clave está en el coste y la carga para la red asociados a la IA en la nube. El procesamiento en servidores remotos potentes puede ser caro, sobre todo al manejar grandes volúmenes de datos, como vídeo o audio, y transmitir estos datos por la red añade aún más carga.

La IA en el borde aborda estos retos al procesar los datos directamente en el dispositivo, reducir los costes relacionados con la nube, aliviar la carga de la red y mantener la información sensible segura en las instalaciones. En lugar de enviar los datos sin procesar, normalmente solo se transmiten los resultados finales (o las inferencias), lo que ofrece una solución más eficiente y centrada en la privacidad.

IA en el borde para el reconocimiento de imágenes#

Las aplicaciones de visión artificial suelen implicar el análisis de enormes cantidades de datos no estructurados (datos que carecen de un formato predefinido), principalmente imágenes y vídeos. Enviar todos estos datos a un servidor remoto en la nube para procesarlos puede ser ineficiente cuando se necesita supervisión en tiempo real. Una buena solución es ejecutar modelos de visión artificial en dispositivos periféricos.

Los modelos de visión artificial como Ultralytics YOLO11 suelen entrenarse en la nube, pero se pueden implementar en el perímetro para ejecutar aplicaciones en tiempo real directamente en las instalaciones. YOLO11 está diseñado específicamente para tareas que requieren respuestas inmediatas, por lo que resulta especialmente útil en aplicaciones como los sistemas de seguridad, los sistemas de control de calidad y los dispositivos domésticos inteligentes. Estas aplicaciones funcionan de manera más eficiente cuando procesan los datos localmente, justo donde se recopila la información visual (de cámaras, sensores, etc.).

Fig. 4 Implementación de modelos de visión artificial en el perímetro.

Aplicaciones de la IA en el borde#

Ahora que hemos visto qué es la IA en el borde, echemos un vistazo más de cerca a algunas aplicaciones reales.

IA en el borde en aplicaciones sanitarias#

El diagnóstico rápido y una atención excelente a los pacientes son prioridades fundamentales para todos los centros sanitarios, y la IA periférica desempeña un papel clave para conseguirlo. Los profesionales sanitarios están viviendo cambios transformadores gracias al uso de la IA periférica y los dispositivos inteligentes. Juntas, estas tecnologías permiten crear sistemas sanitarios más rápidos, seguros y receptivos.

Por ejemplo, los dispositivos ponibles con IA periférica pueden monitorizar continuamente las constantes vitales, como la frecuencia cardíaca, la presión arterial, los niveles de glucosa y la respiración. Incluso pueden detectar caídas repentinas y avisar inmediatamente a los cuidadores. En las ambulancias, la IA periférica puede analizar in situ los datos de los monitores de los pacientes. La información obtenida del análisis se puede compartir con los médicos para ayudarles a preparar los tratamientos antes de que el paciente llegue al hospital.

La IA periférica también puede ayudar a implementar modelos de visión artificial, como YOLO11, para aplicaciones como la detección de objetos del personal sanitario. Esta aplicación concreta se centra en determinar en tiempo real la ubicación y los movimientos de los profesionales sanitarios dentro de una sala, lo que ayuda a supervisar el cumplimiento de los protocolos de seguridad y mejora la percepción de la situación.

La detección de objetos puede ayudar a comprobar si el personal está bien colocado durante los procedimientos y sigue las normas de higiene y seguridad, por ejemplo, manteniendo una posición segura junto a los equipos. La IA periférica ofrece información valiosa sin necesidad de una conexión constante a la nube en un quirófano, lo que garantiza la privacidad y proporciona información inmediata a los equipos sanitarios.

Fig. 5. Ejemplo del uso de Ultralytics YOLO11 para monitorizar al personal hospitalario.

IA en el borde para la automatización industrial#

Fabricantes de todo el mundo utilizan tecnología de IA en el borde para agilizar sus operaciones, hacerlas más eficientes y aumentar la productividad. Al utilizar datos en tiempo real de sensores y dispositivos IoT, la IA en el borde permite realizar mantenimiento predictivo, lo que permite a las fábricas detectar los primeros indicios de fallos en los equipos y predecir averías antes de que surjan problemas importantes. Este enfoque proactivo ayuda a reducir el tiempo de inactividad, prolongar la vida útil de los equipos y mantener las operaciones en marcha sin interrupciones.

La IA periférica también mejora el control de calidad al utilizar la IA visual para detectar defectos en los productos antes de embalarlos para su envío. Al analizar imágenes y vídeos directamente en las instalaciones, la IA periférica puede identificar rápidamente los defectos y garantizar que solo lleguen productos de alta calidad a los clientes. La información inmediata permite a los fabricantes solucionar los problemas enseguida, reducir los residuos, mejorar los estándares de los productos y aumentar la satisfacción de los clientes.

IA en el borde para dispositivos IoT en el hogar#

Desde timbres inteligentes que suenan automáticamente cuando se acerca alguien hasta luces que se apagan cuando no hay nadie en una habitación, los hogares inteligentes están llenos de dispositivos que utilizan la IA periférica para mejorar la calidad de vida de sus residentes. Tanto si alguien quiere ver quién está en la puerta como ajustar la temperatura de casa desde su teléfono inteligente, la tecnología periférica lo hace posible al procesar los datos en las propias instalaciones, en lugar de depender de un servidor remoto. El uso de la IA periférica ayuda a proteger la privacidad de los residentes y reduce el riesgo de acceso no autorizado a sus datos personales.

En la domótica, el procesamiento local de la IA periférica es fundamental para las aplicaciones que necesitan una respuesta inmediata. Entre ellas se incluyen los sistemas de seguridad, los sistemas de iluminación y los controles ambientales. Al procesar los datos en el perímetro, los hogares inteligentes pueden funcionar de forma autónoma, sin conexión a Internet. Además, la IA periférica integrada con la visión artificial puede mejorar la accesibilidad en el hogar. Mediante técnicas como la estimación de pose humana, se pueden crear sistemas de detección de gestos con las manos para controlar otros dispositivos del hogar, como las luces o los televisores.

Fig. 6 Sistema de control doméstico inteligente con IA periférica.

Retos y limitaciones#

A pesar de sus ventajas, los sistemas de IA en el borde siguen evolucionando y se enfrentan a ciertos retos y limitaciones. Estas son algunas de las limitaciones que debes tener en cuenta antes de decidirte a integrar soluciones de IA en el borde en tu negocio o en casa.

• Riesgos de seguridad: Aunque la IA en el borde mejora la seguridad al mantener los datos en el ámbito local, también se enfrenta a ciertos riesgos locales, principalmente debido a errores humanos y contraseñas poco seguras.
• Potencia de cálculo limitada: Los sistemas de IA periférica suelen tener menos capacidad de cálculo que la IA basada en la nube, por lo que se limitan a tareas específicas. La nube puede gestionar modelos grandes, pero la IA periférica es más adecuada para tareas sencillas y pequeñas.
• Problemas de compatibilidad entre máquinas: Especialmente en entornos empresariales, la IA periférica debe hacer frente a distintos tipos de máquinas, y los problemas de compatibilidad pueden causar errores y fallos si se utilizan juntas máquinas incompatibles.

Aprovechar la potencia del borde#

La IA en el borde permite a los sectores trabajar más rápido y tomar decisiones más inteligentes al procesar los datos directamente donde se generan. Este enfoque agiliza las operaciones, mejora la seguridad de los datos y reduce los costes de Internet.

En sectores como la sanidad, la fabricación y los hogares inteligentes, la IA periférica aumenta la eficiencia y permite tomar decisiones rápidamente sin depender de un acceso constante a la nube. Aunque tiene algunas limitaciones, como los posibles riesgos de seguridad y la capacidad limitada para realizar tareas complejas, su capacidad para gestionar tareas en tiempo real la convierte en una herramienta valiosa para el futuro.

Para obtener más información, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Explora las aplicaciones de IA en los coches autónomos y la agricultura en nuestras páginas de soluciones.