Durante la próxima década, las tecnologías de Inteligencia Artificial (IA) y Machine Learning (ML) estarán presentes en todos los aspectos del día a día. Así, los robots dotados de IA formarán parte de ciclos completos de actividad como, por ejemplo, el de la alimentación, prestando servicios desde en el cultivo y la distribución, hasta en la entrega de alimentos a domicilio y la cocina.
Para habilitar esta realidad va a ser imprescindible la evolución del edge computing y del 5G, lo que permitirá acercar el procesamiento de los datos al lugar en el que se generan y reducir considerablemente la latencia.
Los datos en el edge se están disparando a medida que avanzan las tecnologías 5G e IoT (Internet de las Cosas), impulsando un mercado global de edge computing que se prevé que alcance los 43.400 millones de dólares en 2027. Siguiendo esta línea, la información generada por dispositivos IoT como puedan ser los vehículos autónomos, los drones, las cámaras de vigilancia o los dispositivos médicos requerirán la creación de modelos de Inteligencia Artificial (IA) / Machine Learning (ML) que se localicen en el edge para operar en tiempo real.
Las necesidades de control y gobernanza de datos darán lugar a ecosistemas de colaboración
A menudo, la construcción de un algoritmo de ML requiere de extensas bases de datos para que la IA aprenda correctamente la función que se espera de ella, como por ejemplo a detectar los productos defectuosos en una fábrica. Así pues, las organizaciones necesitarán aprovechar cada vez más los datos externos (por ejemplo, de nubes públicas o dispositivos IoT) para crear modelos de IA/ML más precisos.
Sin embargo, los proveedores de datos se muestran reticentes a la hora de compartir datos en bruto que puedan ser utilizados con fines no autorizados. Al mismo tiempo, aquellos usuarios de datos que tienen el objetivo de crear procesos automatizados mediante IA o ML necesitan adquirir control sobre el historial de los datos y los modelos que obtienen de fuentes externas, por razones de seguridad, sesgo y calidad. Como consecuencia, se espera que las empresas promuevan la colaboración en ecosistemas de IA donde poder intercambiar datos y algoritmos entre múltiples partes de forma segura, manteniendo procedimientos de control.
Los ecosistemas de IA estarán dotados de blockchain para que estos usuarios puedan hacer el seguimiento del historial de los datos y los modelos de IA. Estas operaciones se realizarán en enclaves seguros en localizaciones neutrales, donde los datos en bruto nunca salen del enclave y, por tanto, permite a los proveedores mantener el control sobre sus datos.
La descentralización de la gestión de los datos
La IA se utiliza cada vez más para resolver problemas complejos que utilizan conjuntos de datos mil veces más grandes que los de hace dos años y requieren una potencia de cálculo mil veces mayor. Ahora que observamos que se están multiplicando los datos descentralizados generados en el edge, resulta poco rentable y eficaz trasladar datos a una ubicación centralizada. Además, acercar el procesamiento de datos al lugar donde se generan es fundamental en lo que respecta a cumplimientos normativos, pues asegura que los datos permanecen dentro del perímetro de seguridad de una organización o país.
En los próximos cinco años, la importancia de los datos, la latencia y la privacidad harán que las arquitecturas de IA pasen de un modelo centralizado a uno distribuido. En conclusión, estamos entrando en una era donde el aprendizaje para la creación de modelos de ML tiene lugar en un sistema descentralizado de dispositivos informáticos distribuidos en el edge, con organizaciones que envían algoritmos al edge en vez de enviar datos en bruto a una ubicación centralizada.
