El Internet de las Cosas (IoT) est谩 penetrando lentamente todos los aspectos de nuestras vidas. Si a煤n no tienes un dispositivo IoT, seguramente has o铆do hablar de ellos. Desde los termostatos inteligentes hasta las cafeteras inteligentes, los dispositivos est谩n adquiriendo, lenta pero seguro, una adopci贸n generalizada. Adem谩s, los asistentes virtuales, como Siri, Alexa y Cortana, solo est谩n facilitando la adopci贸n de esta tecnolog铆a.

Pero, estos dispositivos est谩n lejos de ser perfectos. En la actualidad, se necesitan muchas entradas manuales para lograr una funcionalidad 贸ptima, no hay mucha inteligencia incorporada. Puedes poner la alarma, decirle a la cafetera cu谩ndo debe comenzar a preparar la bebida y establecer manualmente los horarios del termostato, todo de manera independiente y precisa. Estas m谩quinas rara vez se comunican entre s铆, por lo que quedas t煤 como el maestro programador de cada dispositivo. Los dispositivos hablan contigo, pero no entre ellos.

Curso Te贸rico-Pr谩ctico: Machine Learning para no programadores

Esto representa una gran oportunidad, crear dispositivos que aprendan tus preferencias, usando Inteligencia Artificial y la intercomunicaci贸n para aumentar el mundo que te rodea de la manera 贸ptima.

aprende f谩cilmente inteligencia artificial - newsletter

Las rutinas dom茅sticas no son lo 煤nico que se puede mejorar. De hecho, la optimizaci贸n para una sola persona es solo la punta del iceberg. Imagina un restaurante con iluminaci贸n flexible y selecci贸n de m煤sica, optimizado para adaptarse a las preferencias de los clientes, transporte p煤blico que hace lo mismo y redes de ciudades que optimizan el flujo de tr谩fico con los autos que se conducen por s铆 mismos. Esa lista puedes seguir y seguir.

Estamos construyendo un mundo m谩s inteligente y seguro.

Entonces, 驴cu谩ndo es valioso implementar Inteligencia Artificial?

Los modelos de datos que se ejecutan en la anal铆tica de datos convencional son a menudo est谩ticos y de uso restringido en la tendencia a cambios r谩pidos e informaci贸n no estructurada. Con respecto al Internet de las Cosas, con frecuencia es importante distinguir las conexiones entre muchas fuentes de informaci贸n de los sensores y los componentes externos que est谩n creando r谩pidamente un gran n煤mero de puntos de datos.

Mientras que la anal铆tica de datos convencional requerir铆a un modelo basado en la informaci贸n del pasado y la evaluaci贸n maestra para establecer una conexi贸n entre los factores, Inteligencia Artificial comienza con los factores de resultados y despu茅s busca naturalmente los factores indicadores y sus asociaciones.

Curso Te贸rico-Pr谩ctico:Generaci麓贸n de Texto con Inteligencia Artificial

En general, Inteligencia Artificial es significativo cuando se comprende lo que se necesita, sin embargo, no se tiene ni idea de los factores cr铆ticos de informaci贸n para decidirse por esa opci贸n. As铆 que le das al algoritmo de Inteligencia Artificial las metas y despu茅s de eso aprende de la informaci贸n qu茅 factores son esenciales para lograr ese objetivo.

Un ejemplo impresionante es la utilizaci贸n de Inteligencia Artificial en Google y su centro de datos hace uno a帽os atr谩s. Los centros de datos necesitan mantenerse frescos, por lo que requieres inmensas medidas de vitalidad para que sus estructuras de refrigeraci贸n funcionen leg铆timamente. Esto habla de un costo notable, por lo que el objetivo era aumentar la eficacia con Inteligencia Artificial. Al implementar el sistema pudieron realizar un control adecuado del sistema de refrigeraci贸n habiendo cumplido con el objetivo propuesto.

Arquitectura de Inteligencia Artificial para dispositivos del Internet de las Cosas

La ejecuci贸n de modelos de Inteligencia Artificial sobre datos en l铆nea de alta frecuencia no tiene por qu茅 costar una fortuna. Pensando en nuestros requisitos en tiempo real podemos dise帽ar arquitecturas eficientes que se escalan m谩s f谩cilmente.

El n煤mero de segundos en un d铆a son 86.400 y ese n煤mero explica por qu茅 el Internet de la Cosas se ha convertido en algo tan importante en esta era de los grandes datos. Un solo sensor a menudo registra la misma cantidad de mensajes al d铆a. Dependiendo del tama帽o de la informaci贸n 煤til, esto podr铆a sumar unos 5 MB de datos. Aunque eso puede no sonar mucho, es el tama帽o de un archivo mp3 ligeramente grande. Pero tienes que tomar en cuenta que una soluci贸n del Internet de las Cosas rara vez es un solo sensor. Los dispositivos embebidos suelen tener varios sensores conectados y, a su vez, est谩n conectados entre s铆 enrutando el tr谩fico desde varios dispositivos.

Los dispositivos de Internet de las Cosas producen cantidades masivas de datos y Inteligencia Artificial Learning requiere un procesamiento intensivo. Entonces si unimos ambas tecnolog铆as, la frase 鈥渟istema ligero鈥 no es normalmente la primera que se te viene a la mente, aunque esto se puede arreglar realizando una buena configuraci贸n de todos sus elementos.

Los dispositivos de Internet de las Cosas con capacidad de IP env铆an telemetr铆a a un servidor central de mensajes en la nube p煤blica, utilizando un protocolo de comunicaci贸n como MQTT. El br贸ker puede ser un servidor nativo de la nube o un framework de c贸digo abierto. Estas tecnolog铆as pueden manejar mensajes de millones de dispositivos a un costo razonable, lo que significa que podemos recopilar de forma fiable todos los datos de los sensores. Hasta este momento ya tenemos los datos, ahora deseamos actuar sobre la base de los datos y generar algunas percepciones sobre los mismos.

Una soluci贸n a esto puede ser utilizar un procesador online que suscribe los mensajes del br贸ker y los procesa reactivamente sobre la marcha, transmiti茅ndolos inmediatamente a una vista en vivo de los datos. Esto quiere decir, que en tan solo unos pocos cientos milisegundos del momento en que se grab贸 el mensaje original, los resultados est谩n disponibles en una vista en vivo que se puede mostrar en un tablero de informes.

Por su parte, un servicio web de Inteligencia Artificial se puede conectar al procesador online y realizar an谩lisis predictivos que se convierten en parte de la salida en vivo. Esta ser铆a la forma normal de construir modelos de Inteligencia Artificial en plataformas de procesamiento en l铆nea.

La primera pregunta que debemos hacernos al dise帽ar un sistema en tiempo real es c贸mo encaja esto con las limitaciones y requisitos espec铆ficos del proyecto. Conectar el modelo de Inteligencia Artificial directamente al flujo significa que una petici贸n va al punto final de la predicci贸n para cada mensaje. Lo que probablemente significa utilizar un gran n煤mero de servidores por lo tanto un alojamiento de datos costoso. Cuando la velocidad y el volumen aumentan, tambi茅n lo hacen el costo, la complejidad y la latencia.

Hablemos de tiempo real

Cuando dise帽amos software, a veces hablamos de casi en tiempo real. El 鈥渃erca鈥 se refiere a que nunca podremos alcanzar la latencia cero en ning煤n sistema. Es inevitable que transcurra alg煤n tiempo de procesamiento que no sea cero antes de que el sistema pueda responder. Cuando es muy r谩pido, hacemos trampa y lo llamamos en tiempo real.

Antes de que consideremos si podemos lograr el tiempo real adecuado o solo casi en tiempo real, debemos considerar los requisitos de tiempo real, y esa es otra distinci贸n por completo. Los requisitos en tiempo real se clasifican en tres categor铆as:

  • Tiempo real exacto: las demoras causar谩n una falla total del sistema. Tal vez podr铆an hacer estallar una central el茅ctrica, una sonda espacial que o alcanzara su objetivo. Una lista de accidentes horribles.
  • Tiempo real firme: los retrasos frecuentes est谩n perfectamente bien. La salida retardada es in煤til, pero el sistema sigue funcionando. Piense en una pel铆cula en Netflix, aunque el flujo de pel铆cula que ocasionalmente se detiene puede ser molesto, probablemente no perder谩s el sue帽o por eso.
  • Tiempo real suave: los retrasos frecuentes est谩n perfectamente bien. Una respuesta tard铆a puede ser menos valiosa, pero a煤n as铆 puede ser 煤til.

Son muy poco los sistemas que tienen requisitos en tiempo real exacto, inclusive tambi茅n los requisitos de tiempo real firme son raros. La mayor铆a de los sistemas tienen limitaciones de tiempo bastante indulgentes.

Con estos requisitos de tiempo real, podemos elegir reducir el muestreo de los datos. Despu茅s de todo, la frecuencia de la se帽al del sensor es solo un periodo de tiempo arbitrario que utilizamos pata tomar muestras de nuestros dispositivos. No es necesario procesar cada mensaje entrante.

El procesamiento de secuencias tambi茅n tiene una forma de hacerlo, y se llama ventana de tiempo.

Al observar las ventanas de tiempo de tama帽o fijo, podemos agregar los datos de alguna manera o solo procesar el 煤ltimo mensaje del lote. En este 煤ltimo caso, solo estamos interesados en capturar el 煤ltimo estado de nuestros sensores. Cuando se piensa en ello, eso es lo que los dispositivos de IoT ya est谩n haciendo de todos modos, solo que a un ritmo m谩s r谩pido. Esto permite una arquitectura ligeramente diferente a la que planteamos al principio.

En esta configuraci贸n, una tarea programada, se despierta a intervalos de tiempo determinados, mira la 煤ltima salida, genera predicciones y se vuelve a dormir. Las viejas predicciones se mantienen vivas mientras esperamos que la tarea se active de nuevo. Recuerda, dados nuestros requerimientos de tiempo real, las predicciones ser谩n valiosas por un tiempo limitado.

Esto puede no funcionar en todos los escenarios, pero cuando sea aplicable, puede reducir enormemente el costo del sistema. Otro aspecto agradable de esto es que desacoplamos el an谩lisis predictivo de formas m谩s simples de procesamiento que nos gustar铆a hacer para cada mensaje.

Como complemento, podemos aplicar la misma filosof铆a a la formaci贸n de modelos. La reducci贸n del muestreo es una estrategia a menudo subestimada para los modelos de formaci贸n de grandes conjuntos de datos.

Aplicaciones de Inteligencia Artificial en el Internet de las Cosas

La implementaci贸n de Inteligencia Artificial es muy rentable para algunas aplicaciones del Internet de las Cosas, mencionemos algunas de ellas.

Ahorro de costos en aplicaciones industriales

Las capacidades de predicci贸n son de gran ayuda en un entorno mec谩nico. Al extraer informaci贸n de diferentes sensores dentro o fuera de las m谩quinas, los c谩lculos de Inteligencia Artificial pueden darse cuenta de lo que es com煤n para la m谩quina y despu茅s identificar cu谩ndo comienza a ocurrir algo inusual. Prever cuando una m谩quina necesita mantenimiento es importante, convirti茅ndose en una enorme cantidad de d贸lares en costos de repuesto. Las empresas ahora est谩n utilizando Inteligencia Artificial para predecir con una precisi贸n de m谩s del 90% cuando necesitar谩n mantenimiento las m谩quinas, lo que significa grandes recortes de costos.

Formando experiencias a los individuos

En realidad, todos estamos familiarizados con las aplicaciones de Inteligencia Artificial en nuestra vida cotidiana. Tanto Amazon como Netflix utilizan estos algoritmos para descubrir c贸mo asumir nuestras inclinaciones y dar una experiencia superior al cliente. Esto podr铆a significar proponer art铆culos que le gusten o dar propuestas pertinentes a pel铆culas y programas de televisi贸n.

As铆 tambi茅n, en el Internet de las Cosas, el Inteligencia Artificial puede ser en gran medida significativo para formar nuestra condici贸n a nuestras propias inclinaciones. El termostato Nest es un caso impresionante, utiliza Inteligencia Artificial para calcular c贸mo tomar sus inclinaciones para calentar y enfriar, asegurando que la casa tenga la temperatura correcta cuando regreses a casa del trabajo o cuando te levantes por la ma帽ana.

Estos casos son solo un par de ejemplos de lo que se puede hacer combinando Inteligencia Artificial y el Internet de las cosas. Aunque tanto Inteligencia Artificial como el Internet de las cosas est谩n en la c煤spide en los 煤ltimos a帽os, la integraci贸n de ambas tecnolog铆as ha ido avanzando poco a poco.

Con esto finalizamos la explicaci贸n. Ya tienes una base de coomo unir las tecnolog铆as de Inteligencia Artificial y el Internet de las Cosas, por lo tanto te dejo la siguiente pregunta, 驴Cu谩les de las siguientes afirmaciones crees t煤 que sea cierta?

Opci贸n 1: Uno de los prop贸sitos de unir Inteligencia Artificial y el Internet de las cosas es crear dispositivos que aprendan nuestras preferencias.

Respuesta Correcta.

Opci贸n 2: Cuando hablamos de tiempo real exacto nos referimos al tiempo que transcurre entre el procesamiento y que el sistema pueda responder.

Respuesta Incorrecta. El tiempo real exacto no puede haber ning煤n retardo.

Opci贸n 3: Una de las limitaciones entre el Inteligencia Artificial y el Internet de las Cosas es la cantidad de datos que se maneja por lo que se debe limitar el tiempo por lo que se configura intervalos de tiempo para recolectar la data.

Respuesta Correcta.

2 comentarios en “Inteligencia Artificial y el Internet de las Cosas (IoT)”

Deja un comentario

Tu direcci贸n de correo electr贸nico no ser谩 publicada.