DIGITAL TRANSFORMATION BENVENUTI NELL’ERA DELL’AIOT / WELCOME TO THE AGE OF AIOT Giovanni Marino

BENVENUTI NELL’ERA DELL’AIOT

L’Intelligenza Artificiale e l’Internet of Things stanno per fondersi in quello che viene chiamato AIoT (Artificial Intelligence of Things). Il tutto sfruttando l’Edge Computing la cui potenza computazionale risiede “al margine”, dove i dispositivi IoT raccolgono dati.

Giovanni Marino

Recentemente aziende del calibro di Amazon, Xiaomi, Advantech, Nvidia e Sharp hanno avviato importanti progetti e investimenti in ambito AIoT. La combinazione di Intelligenza Artificiale (AI) e l’Internet of Things (IoT) ha il potenziale per accelerare drasticamente i benefici della trasformazione digitale per i segmenti di mercato dei consumatori, dell’industria e del governo. Molti esperti del resto confermano una completa integrazione digitale tra computer ed esseri umani entro il 2030. Ad esempio nel campo della robotica e automazione, fino al 40% della forza lavoro attuale potrebbe essere sostituito dalla tecnologia nei prossimi 10-15 anni, entro il 2023. Il mercato soluzione di rete AI-driven totale crescerà fino a 5,8 miliardi di dollari, mentre l’IoT rappresenterà l’83% di tutto il mercato chipset AI. Produttori e fornitori di soluzioni hardware sono già in pieno fermento per sfruttare questa convergenza tecnologica e posizionarsi in una posizione di favore nel panorama industriale in continua evoluzione. Poiché le reti IoT proliferano in ogni settore, assistiamo a una crescente quantità di dati destinati all’uomo e generati dalle macchine. Questo fenomeno genererà opportunità sostanziali per lo sviluppo di soluzioni AI per l’analisi dei dati. I dati generati dai sistemi supportati dall’IoT diventeranno estremamente preziosi, sia per le esigenze interne dell’azienda che per molte funzioni rivolte al cliente, come la gestione del ciclo di vita del prodotto. L’Internet delle Cose rappresenta quindi lo

spirito della convergenza fisica e digitale; i dati vengono raccolti da un numero crescente di dispositivi per poi essere aggregati in quelli che sono comunemente chiamati “Big Data”. Il numero dei dispositivi connessi continua a crescere, e secondo delle stime raggiungerà quota 50 miliardi entro il 2020. I dati raccolti da questi dispositivi si scontrano tuttavia con il problema della latenza quando si cerca di trasmetterli in un Cloud centralizzato. Nonostante la velocità di connessione siano in costante aumento, ancora non riescono a restare al passo con la crescita esponenziale del quantitativo di dati. Questa è una delle aree in cui l’Intelligenza Artificiale può apportare contributi significativi. Inoltre, spiana la strada per innovazioni sul piano tecnologico, ottimizzando ad esempio il traffico in città, la sicurezza pubblica, il fintech. Elemento ancora più fondamentale, l’AIoT richiede componenti in grado di gestire le condizioni varie e mutevoli che si trovano sul posto / at the edge. Tutto ciò richiede un approccio flessibile e adattivo. L’AIoT si pone in sostanza come una trasformazione per entrambe le tecnologie, poiché l’AI aggiunge valore all’IoT attraverso l’apprendimento automatico e il processo decisionale, mentre l’IoT aggiunge valore all’AI attraverso la connettività e lo scambio di dati.

Piattaforme e tecnologie elettroniche

Quando parliamo di AIoT, di norma ci riferiamo a una piattaforma di Intelligenza Artificiale che si trova “at the edge”. Ciò assume di norma la forma di un piccolo IPC con una CPU di livello industriale integrata. Per l’analisi dei dati in tempo reale, questa CPU necessita di un supporto adeguato sotto forma di memoria flash e DRAM. Le componenti di archiviazione e memoria Industrial grade sono fondamentali per risolvere i problemi legati all’implementazione dell’Intelligenza Artificiale “at the edge”. Le principali problematiche da risolvere sono legate all’esplorazione e all’identificazione dei rischi presenti in ogni location in cui viene eseguita la raccolta dei dati. Le componenti, poi, possono essere personalizzate per adattarsi ai requisiti specifici dell’applicazione. In soccorrso all’implementazione di sistemi AIoT viene quindi l’Edge Computing. Il termine Edge Computing è diventato comune in tempi recenti grazie soprattutto all’Internet of Things ma, in realtà, viene dalla fine degli anni 90 quando Akamai Technologies Inc., azienda americana che si occupa di distribuire contenuti creò una rete capace di ridurre la congestione del web. Oggi la tecnologia Edge permette di trattare grandi volumi di dati laddove vengono generati (direttamente sul device o nei server vicini), riducendo i tempi di elaborazione dei dati, la larghezza di banda necessaria a trasferirli, rendendo inutile - in alcuni casi - il trasferimento delle informazioni sul Cloud, aumentando nel contempo la sicurezza e il rispetto della privacy. Secondo la definizione della società di ricerche IDC un’architettura di Edge Computing è un’architettura sistribuita basata su micro data center, ciascuno in grado di immagazzinare ed elaborare i dati a livello locale e trasmetterli a un data center centralizzato o a un repository di storage Cloud. Oltre concetto di Edge (margine della rete) il nuovo paradigma coinvolge il concetto di Edge device (qualsiasi dispositivo di generazione dati al margine della rete) e di Edge gateway (utilizzati come nodi tra l’IoT e una rete centrale). Qualcuno prevede che l’Edge Computing determini la fine del Cloud Computing o dei data center. Più prudentemente possiamo ipotizzare che l’Edge Computing sarà una nuova declinazione del Cloud Computing in grado di coesistere anche con i grandi data center.

L’AIoT si pone in sostanza come una trasformazione per entrambe le tecnologie, poiché l’AI aggiunge valore all’IoT attraverso l’apprendimento automatico e il processo decisionale, mentre l’IoT aggiunge valore all’AI attraverso la connettività e lo scambio di dati.

Molte applicazioni AIoT si concentrano sull’implementazione del calcolo cognitivo. Ad esempio, la tecnologia domotica intelligente, le vendite al dettaglio automatizzate, il monitoraggio del traffico e dei veicoli autonomi, la robotica mobile sono (potenziali) esempi di sistemi AIoT, In questi casi, la tecnologia AIoT combina l’apprendimento automatico con le reti e i sistemi IoT per creare “macchine” per l’apprendimento dei dati. Questo scenario può essere applicato anche ai casi di utilizzo dei dati aziendali e industriali per sfruttare i dati dell’Internet of Things, ad esempio ai margini delle reti, per automatizzare le attività in un luogo di lavoro collegato. I dati in tempo reale sono un valore chiave di tutti i casi dell’IoT. Nello specifico le soluzioni AIoT possono anche essere integrate con i social media e le piattaforme relative alle risorse umane.

Keywords: AI, IoT, AIoT, at the edge, Edge Computing, Big Data, Cloud, IPC, DRAM, CPU

WELCOME TO THE AGE OF AIOT

Artificial Intelligence and the Internet of Things are about to merge into what is called AIoT (Artificial Intelligence of Things). All this exploiting the Edge Computing whose computational power resides “on the edge”, where IoT devices collect data. John Marino

Recently, companies such as Amazon, Xiaomi, Advantech, Nvidia and Sharp have started important projects and investments in AIoT. The combination of Artificial Intelligence (AI) and the Internet of Things (IoT) has the potential to dramatically accelerate the benefits of digital transformation for consumer, industry and government market segments. Many experts confirm full digital integration between computers and humans by 2030. For example, in robotics and automation, up to 40% of the current workforce could be replaced by technology in the next 10-15 years, by 2023. The total AI-driven network solution market will grow to $5.8 billion, while the IoT will account for 83% of the entire AI chipset market. Manufacturers and hardware solution providers are already in full ferment to take advantage of this technological convergence and position themselves in a favorable position in the ever-changing industry landscape. As IoT networks proliferate in every industry, we are witnessing an increasing amount of human-generated and machine-generated data. This phenomenon will generate substantial opportunities for the development of AI solutions for data analysis. The data generated by the systems supported by IoT will become extremely valuable, both for the company’s internal needs and for many customer-oriented functions, such as product lifecycle management. The Internet of Things therefore represents the spirit of physical and digital convergence; data is collected from an increasing number of devices and then aggregated into what are commonly called “Big Data”. The number of connected

devices continues to grow and is estimated to reach 50 billion by 2020. However, the data collected by these devices collide with the problem of latency when trying to transmit it in a centralized Cloud. Although connection speeds are steadily increasing, they still cannot keep up with the exponential growth in the amount of data. This is one of the areas where Artificial Intelligence can make significant contributions. It also paves the way for technological innovations, such as optimizing city traffic, public safety, fintech. More fundamentally, AIoT requires components capable of handling the various and changing conditions on site / at the edge. All this requires a flexible and adaptive approach. In essence, AIoT is a transformation for both technologies, as AIoT adds value to AIoT through machine learning and decision making, while AIoT adds value to AIoT through connectivity and data exchange.

Electronic platforms and technologies When we talk about AIoT, we usually refer to an Artificial Intelligence platform that is “at the edge”. This usually takes the form of a small IPC with an integrated industrial-grade CPU. For real-time data analysis, this CPU needs adequate support in the form of flash memory and DRAM. Industrial-grade storage and memory components are essential to solve problems related to the implementation of Artificial Intelligence “at the edge”. The main issues to be solved are related to the exploration and identification of the risks present in each location where data collection is performed. The components, then, can be customized to suit the specific requirements of the application.

The turning point of Edge Computing The implementation of AIoT systems is therefore supported by Edge Computing. The term Edge Computing has become common in recent times thanks mainly to the Internet of Things but, in reality, comes from the late 90s when Akamai Technologies Inc., an American company that distributes content created a network capable of reducing web congestion. Today Edge technology allows to process large volumes of data where they are generated (directly on the device or on nearby servers), reducing data processing time, the bandwidth needed to transfer them, making it unnecessary - in some cases - the transfer of information to the Cloud, while increasing security and privacy. According to the IDC research company’s definition, an Edge Computing architecture is a distributed architecture based on micro data centers, each capable of storing and processing data locally and transmitting it to a centralized data center or Cloud storage repository. Beyond Edge (network edge) the new paradigm involves the concept of Edge device (any data generation device at the edge of the network) and Edge gateway (used as nodes between the IoT and a core network). Some predict that Edge Computing will determine the end of Cloud Computing or data centers. More cautiously we can assume that Edge Computing will be a new declination of Cloud Computing able to coexist with large data centers.

Applications Many AIoT applications focus on implementing cognitive computing. For example, intelligent home automation technology, automated retail sales, traffic and autonomous vehicle monitoring, mobile robotics are (potential) examples of AIoT systems, In these cases, AIoT technology combines machine learning with IoT networks and systems to create “machines” for data learning. This scenario can also be applied to cases where corporate and industrial data is used to exploit Internet of Things data, e.g. at the edge of networks, to automate tasks in a connected workplace. Real-time data is a key value of all IoT cases. Specifically, AIoT solutions can also be integrated with social media and human resources platforms.