L’intelligenza artificiale può anche risiedere nell’edge, negli oggetti che si trovano alla “periferia” delle reti. L’edge computing offre l’opportunità di spostare i carichi di lavoro dell’intelligenza artificiale nel luogo in cui i dati vengono creati, riducendo così la latenza delle applicazioni: esempi sono l’analisi in tempo reale dei dati video catturati da videocamere di sorveglianza, o dei dati di riconoscimento biometrico, o ancora di altre tipologie di dati raccolte da sensori IoT.
L’edge computing associato alle applicazioni di intelligenza artificiale è un’opportunità che sarà sempre più sfruttata negli anni a venire. La società di ricerca MarketsandMarkets prevede che il software di Edge AI quest’anno muoveranno un giro d’affari di 0,8 miliardi di dollari, per poi arrivare a un valore di 3,1 miliardi di dollari nel 2027. Si prevede, quindi, un tasso composto di crescita annuale (Cagr) del 28,9% nell’arco dei cinque anni.
Precisamente, per software di Edge AI si intende un qualsiasi software che permetta di aggregare, processare, analizzare dati presenti su un dispositivo periferico, anche in assenza di connettività con il cloud. Integrare l’intelligenza artificiale nei dispositivi Internet of Things periferici consente di ridurre la latenza e i requisiti di banda, di evitare la duplicazione dei dati, di migliorare la disponibilità (availability) delle applicazioni e in certi casi di rispettare la compliance.
In sostanza, L’Edge AI risponde all’esigenza di elaborare un grande volume di dati, in tempo reale, per ottenere insight di varia natura. L’attesa crescita del mercato avrà diversi fattori di spinta: la migrazione in cloud dei workload aziendali, gli sviluppi dell’intelligenza artificiale (con un sempre maggior numero di applicazioni basate su AI), l’esplosione dei dati e del traffico di rete.
Per quanto riguarda la tipologia di applicazioni, il riconoscimento di immagini video e fotografiche sarà il segmento di mercato più ampio nel lustro 2022-2027. Casi d’uso che troveranno sempre più spazio sono, tra gli altri, la guida autonoma, lo smart metering (per la riduzione dei consumi energetici), la manutenzione predittiva, la videosorveglianza, le e le applicazioni di smart city (come per esempio quelle dei trasporti urbani). La componente dell’Edge AI che crescerà di più nel periodo coperto dalla previsione è, invece, quella dei servizi, che includono sviluppo software, interazione, upgrade, manutenzione, training e consulenza.
Domanda e offerta di software di Edge AI
Sul fronte della domanda il software di Edge AI intercetterà sia le grandi aziende (da oltre mille dipendenti) sia le piccole e medie imprese (intese nell’accezione statunitense, come realtà fino a un massimo di mille dipendenti). Le grandi imprese hanno non solo un maggior potere di spesa ma, scrive MarketsandMarkets, sono anche “ansiose di investire nelle ultime tecnologie per poter gestire le proprie attività in modo più efficace”. Tuttavia le aziende di grandi dimensioni dovranno affrontare la sfida di integrare le nuove soluzioni evolute di Edge AI con i sistemi IT esistenti.
Microsoft, Ibm, Google e Aws (Amazon Web Services) sono i colossi di questo mercato, ma tra i principali operatori del software di Edge AI gli analisti citano anche altre aziende statunitensi come Nutanix, Synaptics, Tibco, Veea, Azion, Tact.ai, Reality AI, Edgeworx, Swim Kneron, Clearblade, Alef Edge e Adapdix. Fuori dagli Usa, i nomi più rilevanti sono quelli di Octonion (Svizzera), Imagimob (Svezia), Anagog (Israele), Gorilla Technology (Cina), Foghorn Systems (Irlanda), Bragi (Germania), SixSq (Svizzera), byteLAKE (Polonia), Deci (Israele), Invision AI (Canada), Horizon Robotics (Cina) e DeepBrainz (India).
Gli ostacoli allo sviluppo dell’Edge AI
Per una più ampia diffusione delle applicazioni di Edge AI sarà necessario superare alcuni ostacoli. Dal punto di vista tecnico, una sfida cruciale è quella dell’interoperabilità: le applicazioni e i dispositivi edge AI dovranno poter comunicare tra di loro e verso sistemi terzi, cosa che attualmente spesso non accade. Le aziende sviluppatrici di software dovranno focalizzarsi sul garantire compatibilità tecnica con diverse architetture di rete, sottolinea MarketsandMarkets. Basti pensare al settore manifatturiero, dove tutti i sistemi IT e OT interni a una fabbrica, dai sensori ai software Erp, dovrebbero poter comunicare tra loro.
Un secondo ostacolo è rappresentato dalle competenze tecniche. Serve personale esperto e specializzato per sviluppare, gestire e implementare sistemi di intelligenza artificiale, e anche le attività di training degli algoritmi e di integrazione con software terzi richiedono competenze oggi non facili da reperire sul mercato del lavoro. Nei sistemi di intelligenza artificiale, inoltre, un minimo errore nell’elaborazione dei dati può tradursi in un malfunzionamento che può compromettere interi processi.
Il terzo ostacolo è forse quello più importante da evidenziare. Le applicazioni e i dispositivi di Edge AI sono esposti al rischio di attacchi informatici rivolti specialmente alle risorse cloud in cui i dati vengono archiviati. Si va dalla violazione con furto di dati all’infezione malware, passando per gli attacchi DDoS che paralizzano i sistemi.