Anche se può sembrare gergo tecnologico, combinare l'edge computing e l'IA offre vantaggi reali. In effetti, l'IA edge è una delle aree principali in cui l'IA viene applicata nel settore della sicurezza e quindi guida il pensiero sull'implementazione responsabile dell'IA. In questo post, analizzeremo lo stato attuale dell'IA edge e i vantaggi che offre.
Innanzitutto, cosa intendiamo per IA edge?
Prima che il terine "IA all'avanguardia" venga accettato come termine legittimo, vale la pena spiegarlo.
Negli ultimi anni, il numero di dispositivi connessi a livello di perimetro delle reti private e pubbliche è cresciuto ogni anno, passando da poco meno di 9 miliardi nel 2019 a circa 29 miliardi nel 2030.
Molti di questi dispositivi, comprese le telecamere di sorveglianza, sono diventati anche potenti dispositivi informatici. Ne deriva la capacità di eseguire più elaborazioni all'interno dei dispositivi edge stessi, qualcosa che si è affermato come edge computing.
In linea con questa maggiore potenza di elaborazione, i progressi nel machine learning (ML) e nel deep learning (DL), entrambi sottoinsiemi dell' intelligenza artificiale (IA), ci hanno permesso di portare le funzionalità dell'IA all'interno delle telecamere stesse. Per questo si parla di "IA edge".
Le implicazioni dell'IA edge nella videosorveglianza
Per una rete di video sorveglianza, in poche parole, l'IA edge significa che è possibile eseguire più azioni sulle telecamere stesse, in gran parte tramite analisi più avanzate.
Grazie all'IA, le telecamere possono comprendere una scena e categorizzare in tempo reale i dettagli importanti. Questa capacità di rilevare, classificare, contare e tracciare oggetti come persone e veicoli con elevata precisione e dettaglio costituisce la base per ottenere informazioni e intraprendere azioni basate sui dati acquisiti.
Queste informazioni riducono l'intervento umano necessario per analizzare i dati e prendere decisioni. In definitiva, dovrebbero velocizzare i tempi di risposta e fornire preziose informazioni per plasmare il futuro di edifici, città, sistemi di trasporto e altro ancora.
Consentire informazioni più fruibili
L'intelligenza artificiale edge apporta miglioramenti significativi alle funzionalità. In precedenza, l'analisi basata sul movimento rilevava che "qualcosa" si era spostato e attivava un avviso. L'analisi edge basata sull'IA identifica il movimento come veicolo, ne classifica il tipo, accerta se è entrato in un'area soggetta a restrizioni o pericolosa, se vi sono persone nelle vicinanze che potrebbero essere in pericolo e numerosi altri elementi.
Tali informazioni offrono agli operatori informazioni molto più fruibili e riducono notevolmente i falsi positivi.
Ad esempio, l'analisi basata sull'IA edge potrebbe identificare gli oggetti su un'autostrada (potendo distinguerli rapidamente dalle ombre, cosa rimasta difficile per tanto tempo) e avvisare automaticamente i conducenti tramite la segnaletica.
Inoltre, l'ulteriore capacità offerta dall'IA di distinguere tra un essere umano e un veicolo contribuisce a definire il livello di gravità dell'avviso trasmesso ai conducenti. Se le telecamere rilevano la presenza di una persona in pericolo sulla strada, possono attivare automaticamente la segnaletica per rallentare o addirittura arrestare il traffico e avvisare i servizi di emergenza.
Dopo avere identificato il veicolo (e/o altri oggetti), l'analisi sarebbe anche in grado di tracciarlo, supportando gli operatori nel monitoraggio e nell'indagine su un incidente.
Funzionalità di ricerca avanzate
Questo, insieme ai dati (e metadati) creati dall'analisi IA edge, supporta anche ricerche molto più avanzate nelle riprese video. In questo modo, gli operatori possono individuare rapidamente oggetti specifici di interesse sulla base di ore di riprese da numerose telecamere. Ciò aumenta significativamente la velocità e l'efficacia delle indagini post-incidente.
Ripartizione del carico: IA edge in un'architettura ibrida
L'intelligenza artificiale edge consente potenti analisi a livello di perimetro della rete, ma svolge anche un ruolo prezioso nelle architetture ibride. Questa architettura sfrutta al meglio gli ambienti server edge, cloud e on-premise.
Quando le analisi sono centralizzate su un server, aggiungendo più telecamere si incrementa il trasferimento dei dati e sono quindi necessari server aggiuntivi per gestire le analisi. Una volta implementata l'analisi basata sull'intelligenza artificiale edge, solo le informazioni più rilevanti vengono inviate attraverso la rete, riducendo il carico sulla larghezza di banda e l'archiviazione.
L'analisi basata su cloud e server spesso trae vantaggio dalla pre-elaborazione edge, supportando l'analisi "off-camera" con metadati più facilmente digeribili. Altre analisi potrebbero dover essere eseguite completamente nel cloud o sul server a causa della loro complessità.
Le soluzioni ibride prendono i metadati creati dall'IA edge, li inseriscono nelle dashboard di dati basate sul cloud e applicano potenti analisi basate su server per identificare e rispondere a tendenze, modelli e anomalie.
Lavorando in modo intelligente in un'architettura ibrida, utilizzando le funzionalità, la capacità e la forza di ogni parte del sistema, si evitano colli di bottiglia e si mantenere bassi i costi e le prestazioni elevate.
Analisi basata sull'IA edge per aumentare l'accuratezza
In quello che potrebbe sembrare una sorta di "meta" twist, le analisi basate sull'IA edge sono ora utilizzate per supportare l'accuratezza, poiché non c'è degradazione dei dati.
Un vantaggio chiave dell'analisi edge è che l'analisi avviene su riprese video di altissima qualità, il più vicino possibile alla fonte. In un modello tradizionale, quando l'analisi avviene su un server, il video viene spesso compresso prima di essere trasferito, e quindi l'analisi viene effettuata su video di qualità degradata.
Tuttavia, l'IA edge dipende da immagini di alta qualità, ma problemi come lenti sporche o bloccate o telecamere disallineate possono causare problemi.
Come suggerisce il nome, una nuova categoria di analisi basata sull'IA edge, l'analisi dello stato delle immagini, monitorerà continuamente la qualità dell'immagine acquisita dalle telecamere di sorveglianza e avviserà gli operatori quando scende al di sotto della soglia richiesta, per applicare alla scena nel modo più efficace le altre analisi basate sull'IA edge.
IA edge: casi d'uso che vanno oltre la sicurezza
È chiaro che l'IA edge sta apportando valore AI alle tradizionali finalità di sicurezza e protezione, consentendo ai primi soccorritori e al personale di sicurezza di reagire in modo più rapido e appropriato. Inoltre, i dati dettagliati e i metadati provenienti dall'analisi dell'IA edge stanno migliorando l'efficienza operativa in vari settori.
- I progettisti urbani utilizzano i dati per alimentare i "gemelli digitali" degli ambienti urbani, per verificare i miglioramenti della progettazione, della gestione del traffico e del controllo del rumore al fine di migliorare la qualità della vita dei cittadini.
- Le aziende utilizzano l'analisi per meglio gestire il consumo energetico all'interno degli edifici, con un impatto ambientale positivo.
- Nel settore sanitario, dell'istruzione, della vendita al dettaglio e altro ancora, l'IA edge nelle telecamere di sorveglianza sta migliorando l'erogazione dei servizi e i risultati per pazienti, studenti e clienti.
E, anche in questo caso, stiamo solo evidenziando il potenziale dell'IA edge.
