Las computadoras de placa única (SBC) han cambiado de manera significativa en las últimas dos décadas. Lo que solían ser CPU simples de 8 bits con RAM limitada ahora se han transformado en máquinas de procesamiento de datos de cuatro núcleos que pueden ser tan pequeñas como un paquete de chicles. Ahora que la computación periférica se está volviendo más popular, ¿cómo pueden beneficiarse las SBC? En este artículo, veremos por qué la IA se está alejando de los centros de datos y cómo las SBC se están volviendo amigables con la inteligencia artificial (IA).
Los pros y contras de la IA
El uso de IA en los productos aumenta constantemente debido a las muchas ventajas que aporta. Esta solución moderna ayuda a crear productos personalizables para los clientes y al mismo tiempo puede mejorar el producto para todos los clientes.
Por ejemplo, la popular plataforma Asistente de Google puede aprender y personalizar sus respuestas para una persona específica, que luego se pueden desarrollar para personalizarlas para un grupo completo de individuos. Esto, a su vez, ayuda a mejorar la experiencia para todos los clientes.
Introducir IA en un producto puede ser bastante difícil. El método más común para la implementación de IA es la que se basa en la nube. Este enfoque es desafiante porque los sistemas de IA basados en la nube tienen su algoritmo principal de inteligencia artificial funcionando en un centro de datos. La necesidad de que los dispositivos de los clientes envíen y reciban información de un centro de datos funciona, pero de manera inherente tiene varios problemas para una integración robusta del sistema de inteligencia artificial.
Las preocupaciones de privacidad se han convertido en un problema sensible y primordial con la IA. Se envía información confidencial a un lugar desconocido al que personas no autorizadas podrían acceder. Consideremos los productos populares de los clientes basados en Alexa de Amazon. Alexa de Amazon tiene capacidades de IA en las que los usuarios pueden hacerle preguntas y obtener una respuesta. Cuando realmente lo piensa, Alexa es como un teléfono en el sentido de que las preguntas del usuario se envían a un centro de datos para el procesamiento de IA, en vez de que el procesamiento se realice de forma local en el dispositivo. La preocupación por la privacidad surge del temor de que Alexa pueda potencialmente grabar conversaciones y almacenarlas sin el conocimiento o consentimiento del cliente, lo que las hace accesibles a una amplia gama de empleados de Amazon con acceso a los datos o sistemas de IA.
La latencia es el siguiente problema. Los productos que utilizan un centro de datos remoto deben enviar los datos, esperar a que se procesen y luego obtener el resultado. Debido a que ninguna conexión a Internet es instantánea, habrá un pequeño retraso y esta latencia puede variar según el tráfico. Además, a medida que aumenta el número de usuarios de Internet, también lo hará la latencia del sistema. Esto podría hacer que los productos no respondan.
Otro problema asociado con la latencia es el acceso a Internet en sí. Un dispositivo siempre encendido que depende de un centro de datos remoto necesita una conexión continua a Internet. No es extraño que los proveedores de sitios web y los servidores de DNS tengan problemas que pueden hacer que los sitios web sean inaccesibles. Si esto sucede, cualquier producto que se base en un centro de datos no será completamente confiable. Las ubicaciones con conexiones de datos poco confiables o limitadas no serán adecuadas para dispositivos que dependen de Internet.
Ingrese a la informática periférica
La informática periférica es un concepto que toma lo mejor de ambos mundos. Es una solución que puede atenuar las preocupaciones de privacidad, reducir la dependencia del acceso a Internet y proporcionar algoritmos de IA en el dispositivo que no dependen de un centro de datos. En pocas palabras, la informática periférica funciona al procesar datos localmente en el borde de la red, en donde el borde se considera el dispositivo final sin dispositivos de Internet por debajo de él. Este enfoque resuelve muchos problemas y preocupaciones que suelen tener los sistemas de IA basados en la nube.
La informática periférica cambia la ejecución de IA de un centro de datos a un dispositivo. Si bien el aprendizaje automático no suele ejecutarse localmente (ya que es una tarea compleja y costosa), las redes neuronales producidas como resultado del proceso de aprendizaje automático pueden ejecutarse de manera local. Las tareas que requieren solo el uso de redes neuronales incluyen escritura a mano, reconocimiento de gestos y objetos.
Otro problema que resuelve la informática periférica es la latencia. Las redes neuronales de IA se procesan tan pronto como los datos estén disponibles, esto puede disminuir drásticamente el tiempo de ejecución. En lugar de tener que esperar a que el dispositivo establezca una conexión a Internet, envíe los datos, espere a que el centro de datos los procese y luego envíe el resultado de vuelta al dispositivo para la emisión, la informática periférica ejecuta todo este proceso localmente, lo que reduce la necesidad para conexión a internet y, como resultado, la latencia. El uso de la informática periférica también mantiene potencialmente la información privada en el dispositivo, ya que no se usa un centro de datos para procesar la información, lo que a menudo almacena los datos para su uso posterior en el aprendizaje.
Sin embargo, si bien la informática periférica suena fantástica, tiene una gran desventaja: las redes neuronales de IA pueden ser increíblemente complejas y difíciles de ejecutar. Si bien se puede hacer que los microcontroladores como el Arduino ejecuten redes neuronales, la velocidad a la que operarían redes prácticas sería increíblemente lenta, tanto que, de hecho, el uso de un sistema de IA basado en la nube, en comparación, parecería casi instantáneo.
Afortunadamente para los diseñadores, varias empresas que se basan en el silicio han comenzado a producir coprocesadores de IA diseñados para ejecutar algoritmos de redes neuronales e IA de manera eficiente. Debido a que estos son coprocesadores, el procesador principal se libera para realizar otras tareas.
Entonces, cuando se trata de computadoras de placa única, ¿qué opciones existen para la informática periférica?
Solución 1: gama de Google Coral
La gama de productos Google Coral es ideal para la informática periférica gracias a la inclusión del coprocesador TensorFlow. Este coprocesador está especialmente diseñado para aplicaciones móviles e integradas. Permite la ejecución de algoritmos de IA TensorFlow Lite. TensorFlow Lite es una versión "reducida" de TensorFlow y proporciona un compromiso más que aceptable para la ejecución de IA en dispositivos pequeños.
La placa de desarrollo es una SBC de cuatro núcleos Arm A-53 que incluye el coprocesador TensorFlow, así como una GPU gráfica integrada GC7000 Lite, 1 GB de RAM LPDDR4, 8 GB de memoria flash eMMC y un SoC wifi para conectividad a Internet. Con salidas HDMI, entradas USB y puerto GPIO, la placa es una solución excelente para la informática periférica en entornos de IA, incluido el reconocimiento de objetos y de voz, especialmente en lugares donde el acceso a Internet es limitado.
En algunas situaciones, no es posible cambiar el hardware básico. En estas situaciones, es más fácil agregar un coprocesador como complemento; aquí es donde entra en juego el acelerador USB. El Acelerador USB Coral es un dispositivo esclavo USB que proporciona a cualquier computadora conectada un coprocesador TensorFlow, sin la necesidad de un nuevo diseño de PCB. La ventaja de estos dos productos Coral es la facilidad de escalado, ya que la unidad de procesador de la placa de desarrollo se puede quitar de la placa madre e insertar en un producto finalizado, mientras que el acelerador USB tiene orificios de montaje y una huella increíblemente pequeña (65 × 30 mm).
Solución 2: Jetson Nano de Nvidia
Los escenarios de IA que requieren múltiples redes neuronales para ejecutarse en paralelo mientras se mantiene bajo el consumo de energía se beneficiarán enormemente del Jetson Nano de Nvidia. Esta computadora de placa única puede ejecutar redes neuronales simultáneas para aplicaciones como la detección de objetos y el procesamiento de voz mientras consume solo 5 W.
Este SBC basado en Arm A57 incluye 4 GB de RAM LPDDR4, almacenamiento en tarjeta microSD, codificación de video 4K, decodificación de video 4K a 60 fps, múltiples puertos USB 3.0, GPIO y otros puertos periféricos. El núcleo de IA de Jetson Nano de Nvidia es capaz de realizar 472 GFLOPS, mientras que los productos Jetson están disponibles como un kit y módulo de desarrolladores (los kits de desarrolladores se usan para etapas de desarrollo, mientras que los módulos son para aplicaciones de uso final en productos).
Las pequeñas dimensiones del kit de desarrollo (100 × 80 × 29 mm) lo hace ideal para ubicaciones de bajo perfil, mientras que el bajo consumo de energía del Jetson Nano de Nvidia también lo hace ideal para ubicaciones remotas que requieren capacidades de IA, pero carecen de Internet y energía.
Solución 3: Intel Compute Stick
El Intel Compute Stick es posiblemente uno de los SBC más pequeños disponibles en la actualidad. ¿Su mayor beneficio? Puede convertir cualquier pantalla HDMI en una computadora.
Físicamente hablando, el Intel Compute Stick no es más grande que un paquete normal de chicles (no más de 4,5 pulgadas), pero dentro de él hay un procesador Intel Atom o Intel Core M, hasta de 4 GB de RAM y 64 GB de almacenamiento.
A pesar de su tamaño, el Intel Compute Stick también integra varias formas de conectividad, que incluye wifi, Bluetooth y tres puertos USB. Si bien el Intel Compute Stick no incluye un coprocesador de IA, su potente núcleo lo convierte en un candidato para la informática periférica, lo que podría llevar las tareas de inteligencia artificial a cualquier pantalla HDMI. Esto hace que el Intel Compute Stick sea ideal para terminales interactivos y dispositivos domésticos que necesitan instalarse en lugares estrechos.
Solución 4: Raspberry Pi 4
Lo último Raspberry Pi, la Raspberry Pi 4, es candidata potencial para aplicaciones de informática periférica por varias razones. Primero, el núcleo de la Raspberry Pi 4 se basa en un A72 ARMv8-A de cuatro núcleos, que se ha sincronizado a 1,5 GHz, significativamente más rápido que cualquiera de sus predecesores. En segundo lugar, la Raspberry Pi 4 incluye 4 GB de RAM y la amplia gama de conectividad que incluye wifi, Bluetooth y puerto GPIO le permite interactuar con una amplia serie de hardware. Broadcom Video Core VI le permite al Pi controlar múltiples pantallas de hasta 4K y su tamaño relativamente pequeño (88 × 58 mm) le permite instalarse en lugares estrechos.
Si bien todas estas características hacen que la Raspberry Pi 4 sea candidata potencial para la informática periférica, no incluye un coprocesador de IA, por lo que todos los algoritmos de IA deben ejecutarse en la CPU. La Raspberry Pi 4 se puede combinar con el acelerador USB Coral para proporcionar al Raspberry Pi 4 un coprocesador TensorFlow. El resultado de esta combinación podría producir una plataforma muy poderosa para crear aplicaciones de IA con capacidad de doble pantalla, puerto de cámara para el reconocimiento de objetos y puerto GPIO para interfaz de hardware.
Ver Productos relacionados
RASPBERRYPI4 4GB | 4 Model B
Raspberry Pi Foundation Placas y kits de desarrollo del sistema integrado VerPerspectiva
Si bien no todos los SBC vienen con un coprocesador de IA, incorporar uno (especialmente en sistemas integrados) en su diseño puede ser muy beneficioso. Incluso aquellos que no incluyen un coprocesador de inteligencia artificial pueden confiar en un procesador externo como el acelerador USB Coral. De cualquier manera, la IA en dispositivos integrados es algo que se convertirá en algo común en la próxima década, y en ese punto, incluso los dispositivos más simples tendrán un nivel mínimo de inteligencia.
