Compreender as aplicações reais da Edge AI

A tecnologia Edge AI, que processa e analisa dados diretamente em dispositivos como computadores pessoais, dispositivos IoT ou servidores edge especializados, torna o armazenamento e o processamento de dados mais rápidos e acessíveis ao realizar as operações localmente. Ajuda a evitar problemas comuns dos sistemas na cloud, como latência e limitações de largura de banda, resultando num desempenho mais rápido e fiável. Por exemplo, em veículos autónomos, o processamento local é essencial para a tomada de decisões em tempo real, como detetar obstáculos ou responder instantaneamente a sinais de trânsito. Ao processar os dados diretamente no veículo, a Edge AI permite respostas numa fração de segundo que seriam demasiado lentas se dependessem de um servidor cloud remoto.

A Edge AI está a tornar-se cada vez mais popular, prevendo-se que o mercado global atinja 143,06 mil milhões de dólares até 2034. Diferentes setores estão a utilizar edge AI para melhorar fluxos de trabalho, automatizar tarefas e estimular a inovação, ao mesmo tempo que enfrentam desafios como latência, segurança e custos.

Neste artigo, veremos como a edge AI está a fazer a diferença em áreas como cuidados de saúde e indústria, além de alguns aspetos a ter em conta ao implementá-la. Vamos começar!

Fig. 1. O mercado global de Edge AI.

Como funciona a Edge AI#

A Edge AI combina computação edge e inteligência artificial (AI). A computação edge é uma estrutura tecnológica que processa os dados mais perto do local onde são gerados, permitindo análises em tempo real, maior fiabilidade e redução de custos. O componente de AI leva algoritmos de machine learning diretamente para a edge, possibilitando que os dispositivos tomem decisões inteligentes localmente. Esta abordagem reduz a necessidade de uma cloud ou de um centro de dados centralizado, que pode introduzir atrasos no processamento. A cloud ainda pode ser utilizada para armazenar dados mais complexos, realizar análises em maior escala e atualizar modelos de AI, complementando o processamento localizado e mais rápido fornecido pela Edge AI.

Fig. 2. Uma visão geral da Edge AI.

Eis como funcionam os sistemas de Edge AI:

• Recolha de dados: Os sensores do dispositivo recolhem informações brutas do ambiente, como leituras de temperatura ou o estado dos equipamentos em ambientes industriais.
• Limpeza de dados: Os dados recolhidos são rapidamente processados no dispositivo para filtrar o ruído e concentrar-se nos detalhes relevantes.
• Realização de previsões: Os dados limpos são analisados por um modelo de AI incorporado diretamente no dispositivo edge.
• Tomada de decisões: Com base na análise, o sistema de AI toma decisões e inicia as ações ou respostas necessárias.

Edge AI vs. AI na cloud#

A Edge AI e a AI na cloud são duas abordagens distintas à implementação de AI, cada uma com benefícios e compromissos próprios. Como já discutimos relativamente à Edge AI, os dados são processados diretamente em dispositivos locais, garantindo baixa latência, maior privacidade e dependência mínima da conectividade à Internet.

Ao contrário da Edge AI, a AI na cloud utiliza servidores remotos para o processamento de dados, oferecendo maior escalabilidade e flexibilidade. No entanto, isso ocorre frequentemente à custa de uma latência mais elevada e de um maior consumo de largura de banda, devido à necessidade de transmitir dados pela Internet. A AI na cloud também pode suscitar preocupações de privacidade, porque os dados sensíveis têm de ser transmitidos e armazenados em servidores externos.

Fig. 3. Edge AI vs. AI na cloud.

Outra diferença importante está nos custos e na pressão sobre a rede associados à AI na cloud. O processamento em servidores remotos potentes pode ser dispendioso, especialmente ao lidar com grandes volumes de dados, como vídeo ou áudio, e a transmissão desses dados pela rede aumenta ainda mais essa pressão.

A Edge AI lida com estes desafios ao processar os dados diretamente no dispositivo, reduzindo os custos relacionados com a cloud, aliviando a carga da rede e mantendo as informações sensíveis seguras no local. Em vez de enviar dados brutos, normalmente são transmitidos apenas os resultados finais (ou inferências), proporcionando uma solução mais eficiente e orientada para a privacidade.

Edge AI para reconhecimento de imagens#

As aplicações de visão computacional envolvem frequentemente a análise de enormes quantidades de dados não estruturados (dados sem um formato predefinido), principalmente imagens e vídeos. Enviar todos esses dados para um servidor cloud remoto para processamento pode ser ineficiente em situações que exigem monitorização em tempo real. Uma excelente solução para este problema é executar modelos de visão computacional em dispositivos edge.

Os modelos de visão computacional, como o Ultralytics YOLO11, são frequentemente treinados na cloud, mas podem ser implementados na edge para suportar aplicações em tempo real diretamente no local. O YOLO11 foi especificamente concebido para tarefas que exigem respostas instantâneas, sendo especialmente útil para aplicações como sistemas de segurança, sistemas de controlo de qualidade e dispositivos domésticos inteligentes. Estas aplicações funcionam de forma mais eficiente quando processam os dados localmente, exatamente onde as informações visuais (provenientes de câmaras, sensores, etc.) são recolhidas.

Fig. 4. Implementação de modelos de visão computacional na Edge.

Aplicações de Edge AI#

Agora que explorámos o que é a edge AI, vejamos mais de perto algumas aplicações reais.

Edge AI em aplicações de cuidados de saúde#

Um diagnóstico rápido e excelentes cuidados dos pacientes são prioridades máximas para qualquer unidade de saúde, e a edge AI desempenha um papel fundamental na concretização destes objetivos. Os prestadores de cuidados de saúde estão a observar mudanças transformadoras através da utilização de edge AI e dispositivos inteligentes. Em conjunto, estas tecnologias criam sistemas de saúde mais rápidos, seguros e responsivos.

Por exemplo, dispositivos vestíveis alimentados por edge AI podem monitorizar continuamente sinais vitais como a frequência cardíaca, a pressão arterial, os níveis de glicose e a respiração. Podem até detetar quedas repentinas e notificar imediatamente os cuidadores. Nas ambulâncias, a edge AI pode analisar no local os dados dos monitores dos pacientes. Os conhecimentos obtidos com a análise podem ser partilhados com os médicos, ajudando-os a preparar tratamentos antes de o paciente chegar ao hospital.

A Edge AI também pode ajudar na implementação de modelos de visão computacional, como o YOLO11, para aplicações como a deteção de objetos de profissionais de saúde. Esta aplicação específica centra-se em determinar, em tempo real, a localização e os movimentos dos profissionais de saúde dentro de uma sala, ajudando a monitorizar o cumprimento dos protocolos de segurança e a melhorar a consciência situacional.

A deteção de objetos pode ajudar a verificar se os profissionais estão corretamente posicionados durante os procedimentos e se cumprem as diretrizes de higiene e segurança, como manter uma posição segura em redor dos equipamentos. A Edge AI permite obter informações valiosas sem exigir uma ligação constante à cloud numa sala de operações, garantindo a privacidade e fornecendo feedback imediato às equipas de saúde.

Fig. 5. Um exemplo da utilização do Ultralytics YOLO11 para monitorizar profissionais hospitalares.

Edge AI para automação industrial#

Fabricantes de todo o mundo estão a utilizar a tecnologia edge AI para tornar as suas operações mais rápidas, eficientes e produtivas. Ao utilizar dados em tempo real provenientes de sensores e dispositivos IoT, a edge AI permite a manutenção preditiva, possibilitando que as fábricas detetem sinais precoces de falhas nos equipamentos e prevejam avarias antes que ocorram problemas graves. Esta abordagem proativa ajuda a reduzir o tempo de inatividade, prolongar a vida útil dos equipamentos e manter as operações a funcionar sem problemas.

A Edge AI também melhora o controlo de qualidade ao utilizar vision AI para detetar defeitos nos produtos antes de estes serem embalados para expedição. Ao analisar imagens e vídeos diretamente no local, a edge AI pode identificar rapidamente falhas, garantindo que apenas produtos de alta qualidade chegam aos clientes. O feedback imediato permite aos fabricantes resolver os problemas de imediato, reduzindo o desperdício, melhorando os padrões dos produtos e aumentando a satisfação dos clientes.

Edge AI para dispositivos IoT em casa#

Desde campainhas inteligentes que tocam automaticamente quando alguém se aproxima até luzes que se desligam quando uma divisão está vazia, as casas inteligentes estão repletas de dispositivos que utilizam edge AI para melhorar a qualidade de vida dos seus residentes. Quer um residente queira ver quem está à porta ou ajustar a temperatura da casa através do seu smartphone, a tecnologia edge torna isso possível ao processar os dados diretamente no local, em vez de depender de um servidor remoto. A utilização de Edge AI ajuda a proteger a privacidade dos residentes e reduz o risco de acesso não autorizado a dados pessoais.

No que diz respeito à automação doméstica, o processamento local pela edge AI é crucial para aplicações que necessitam de feedback imediato. Estas aplicações incluem sistemas de segurança, sistemas de iluminação e controlos ambientais. Ao processar os dados na edge, as casas inteligentes podem funcionar de forma independente, sem necessitar de uma ligação à Internet. Além disso, a edge AI integrada com visão computacional pode melhorar a acessibilidade dentro de casa. Utilizando técnicas como a estimativa de pose humana, podem ser criados sistemas de deteção de gestos das mãos para controlar outros sistemas da casa, como luzes ou televisores.

Fig. 6. Um sistema de controlo doméstico inteligente com Edge AI.

Desafios e limitações#

Apesar dos benefícios que oferecem, os sistemas de Edge AI ainda estão a evoluir e enfrentam determinados desafios e limitações. Eis algumas limitações a considerar antes de decidires integrar soluções de edge AI na tua empresa ou em casa.

• Riscos de segurança: Embora a edge AI melhore a segurança ao manter os dados localmente, também enfrenta alguns riscos a nível local, principalmente devido a erros humanos e palavras-p-passe inseguras.

• Poder computacional limitado: Os sistemas de Edge AI têm normalmente menos poder computacional do que a AI baseada na cloud, limitando-os a tarefas específicas. Embora a cloud consiga lidar com modelos grandes, a Edge AI é mais adequada para tarefas mais simples e pequenas.

• Problemas de compatibilidade entre máquinas: Especialmente em ambientes empresariais, a edge AI enfrenta desafios com diferentes tipos de máquinas, e os problemas de compatibilidade podem provocar falhas e avarias quando máquinas incompatíveis são utilizadas em conjunto.

Aproveitar o poder da edge#

A Edge AI permite que os setores trabalhem mais rapidamente e tomem decisões mais inteligentes ao processar os dados diretamente no local onde são criados. Esta abordagem acelera as operações, reforça a segurança dos dados e reduz os custos de Internet.

Em setores como os cuidados de saúde, a indústria e as casas inteligentes, a Edge AI aumenta a eficiência e permite tomar decisões rápidas sem depender de um acesso constante à cloud. Embora existam algumas limitações, como potenciais riscos de segurança e capacidade limitada para tarefas complexas, a capacidade da Edge AI para gerir tarefas em tempo real torna-a uma ferramenta valiosa para o futuro.

Para saberes mais, visita o nosso repositório do GitHub e participa na nossa comunidade. Explora aplicações de AI em carros autónomos e agricultura nas nossas páginas de soluções. 🚀