IoT y las nuevas fronteras de la ciencia de datos

Las nuevas ciencias de datos y el IoT

IoT, Data Science, AI, ML, son términos cada vez más unidos. Ya ha pasado un tiempo desde que Gartner propuso el Hype Cycle para IoT y lentamente nos estamos moviendo hacia la ‘Pendiente de la Iluminación’.

Existe una entrevista en la que David Kote, CEO de Honeywell, explica cómo IoT & Data Science se ha convertido en la actividad principal de su empresa. La razón por la que se ha tomado esta entrevista es porque lo que está diciendo es algo que estamos experimentando. Hay mucha publicidad en torno a AI e IoT, pero aquí habla sobre la realidad básica. El ejemplo que está narrando es muy pragmático y podemos encontrarar que la mayoría de las industrias se están moviendo en esta dirección.

Hay 3 cosas importantes que menciona en la entrevista.

  1. A pesar de ser una empresa basada en la automatización que normalmente emplea ingenieros eléctricos y mecánicos, menciona que el 50% de sus ingenieros son ingenieros de software y su función principal es recopilar datos para analizarlos.
  2. A continuación, habla sobre los dispositivos periféricos que recopilan datos y los envían a través de Internet. También había trabajado en un proyecto similar que era la automatización de un depósito de petróleo, y allí podía ver a personas caminando con walkie talkies y tomando la medición de diferentes sensores y transmitiéndola a personas sentadas en la sala de control que luego tomarían lo necesario acción. Básicamente, los datos fueron generados por personas antes y ahora están siendo creados por los sensores. Estos datos son significativamente precisos generados por los sensores y su naturaleza es muy desestructurada. Esto es básicamente un terreno fértil para los científicos de datos.
  3. La tercera y más importante parte que mencionó fue el aumento del poder computacional. Los algoritmos de Machine Learning (ML) no se han inventado hoy. Puede rastrear algunos de estos algoritmos hace al menos 50 años. Las redes neuronales, que son la base del aprendizaje profundo, se descubrieron en la década de 1950 y la primera implementación comercial de redes neuronales se realizó en la década de 1980, pero la única razón por la que hemos visto el espectacular crecimiento en la implementación hoy en día es porque tenemos el poder computacional para ejecutar estos algoritmos a una escala que demanda la industria y a un costo que es comercialmente factible. El crecimiento de AI-ML es directamente proporcional al aumento del poder computacional en el futuro, que ha continuado su crecimiento exponencial durante décadas.

Lo que ha cambiado en los últimos tiempos es la implementación de modelos de aprendizaje profundo en dispositivos de borde.


Ver post relacionados:

Desarrollo de Negocio de Internet de las Cosas (IoT) en las PYMEs


Modelo IoT

Un modelo típico de IoT se ve así.

En esta arquitectura, los dispositivos de borde generalmente se conectan a través de un medio cableado o inalámbrico a una puerta de enlace IoT. Estos dispositivos de borde generalmente tienen microcontroladores de muy bajo nivel que tienen una memoria tan baja como 4kb. Con este tipo de dispositivos, no puede portar SO convencionales como Linux, Windows, Android, etc. La mayoría de estos dispositivos ejecutan una aplicación independiente sin ningún SO. Las funciones principales de una puerta de enlace IoT para tomar datos sin procesar de estos dispositivos, codificarlos y enviarlos de forma segura al servidor.

Sin embargo, hay un pequeño problema con este modelo. El modelo ML se implementa en la nube. Los dispositivos de borde generalmente son capaces de crear unos pocos miles de puntos de datos por segundo.

Tomemos el ejemplo de un sensor de temperatura. La temperatura de cualquier cuerpo no cambia repentinamente, por lo que si su sensor está enviando 1000 lecturas / segundo, la mayoría de estos datos son inútiles porque estas lecturas serían casi las mismas. A continuación, el servidor puede procesar estos datos en tiempo real y, a través de su modelo ML, ordena al dispositivo que dé un paso proactivo.

Aunque esto puede parecer poco ineficiente, esta arquitectura tiene una clara ventaja. No importa qué tipo de datos brutos provengan de los dispositivos periféricos, el modelo ML en el servidor puede sufrir continuas actualizaciones y cambios durante el período de tiempo y sin embargo, sería genial si el modelo ML pudiera implementarse localmente en el dispositivo de borde para tomar tal acción. Bueno, ahora eso es posible.

Cambio de modelo IoT

Recientemente, ST Electronics lanzó su nuevo conjunto de series de microcontroladores con herramientas de firmware que pueden convertir los modelos de redes neuronales en modelos locales y portarlos en su microcontrolador. Los desarrolladores entrenan el modelo en sus máquinas y luego usan la herramienta que el modelo se convierte en un modelo lógico y se transfiere al dispositivo. Sin embargo, el modelo implementado sería significativamente más simple de lo que podemos implementar en la nube simplemente debido a la limitación de la potencia informática.

Aquí hay muchas preguntas, respuestas que solo el tiempo revelaría. Sin embargo, analicemos qué cambios podríamos ver.

En la arquitectura IoT, cada uno de los componentes (dispositivos de borde, servidores, modelos ML, etc.) puede ser desarrollado por diferentes proveedores de soluciones. Con la intensa competencia feroz, es imperativo que solo las soluciones inteligentes agreguen valor a la línea superior de cualquier empresa.

Si los modelos se colocan en los dispositivos, el proveedor de hardware se beneficiaría de ellos y si se colocan en la nube, el proveedor que proporciona soluciones en la nube se beneficiaría. El resto del proveedor de la solución tendría que enfrentar una dura competencia y líneas superiores delgadas.

Los modelos ML a veces pueden ser muy específicos para el dispositivo y no hay una talla única para todas las soluciones. En este caso, un proveedor de soluciones que tenga el conocimiento del dominio de un caso de uso particular tendría una ventaja.

A todos nos encantaría tomar el control de nuestras cosas de la casa desde nuestros teléfonos móviles y de la misma manera a todos los empresarios les encantaría controlar su negocio desde su computadora portátil. Esto solo significa que IoT tendría una tendencia de crecimiento ascendente durante al menos una década. Sin embargo, no es un crecimiento lineal o vertical, es un crecimiento altamente específico del dominio y un crecimiento horizontal. La estrategia a largo plazo de cualquier profesional o empresa debe desarrollar la experiencia en el dominio sobre la tecnología.

 

Espero, como siempre, que os haya gustado éste post y nos sirva para ponernos al día.

Gracias por vuestro tiempo!!

Fuente

Comparte esto:

Te podría interesar ver...