it 
Il cloud computing consente di tagliare fortemente i costi dei data center, permettendo di accedere a risorse di storage e potenza di calcolo virtualmente illimitate e disponibili on demand. Ma non tutte le applicazioni sono adatte alle soluzioni cloud, che presenta diverse criticità legate alla latenza e all’affidabilità delle connessioni. Ecco perché in questi casi è di gran lunga preferibile l’edge computing, ovvero il sistema capace di elaborare le informazioni sul dispositivo dove sono generate, eliminando il problema sia dei trasferimenti di dati che quello della latenza. Ancora meglio, se l’edge computing si combina con l’AI.
Che cos’è l’Edge AI, che combina edge computing e AI
Quando l’edge computing abbraccia l’intelligenza artificiale (Artificial intelligence, AI) nasce l’Edge AI, la combinazione che consente di elaborare dati in tempo reale senza la necessità di connettersi al cloud.
Non sempre è infatti possibile collegarsi alla “nuvola”, ma, nel caso delle auto a guida autonoma (self-driving cars o driverless cars) e di altre applicazioni di AI che hanno bisogno di reazioni immediate e anche in assenza di rete, l’edge AI rappresenta una valida opzione. I benefici dell’edge computing, per esempio, si osservano in campo sanitario, dove i servizi di telemedicina si affermano e dove la necessità di avere a disposizione i dati nel minore tempo possibile può davvero fare la differenza.
Edge computing e AI: i vantaggi di una coppia vincente
L’edge computing con AI diventa l’approccio migliore nei seguenti casi:
· quando la larghezza di banda della rete non risulta sufficiente o abbastanza affidabile;
· se la connessione per inviare i dati al cloud non è robusta;
· se sono richiesti tempi di risposta molto rapidi oppure particolari esigenze di sicurezza e privacy riguardo all’invio dei dati.
L’Edge AI condivide con l’edge computing gli stessi vantaggi: velocità, minor consumo di rete, sicurezza, privacy.
Il beneficio maggiore della combinazione dell’edge computing e AI consiste nella capacità di azzerare i tempi di inattività, che sono invece presenti quando i processi di AI sono basati sul cloud, offrendo l’opportunità agli utenti di gestirli da dispositivi intelligenti in grado di reagire velocemente agli input senza trasmettere dati altrove.
La riduzione di latenza, cruciale nelle applicazioni time sensitive, è tale per cui, eseguendo calcoli AI in un data center remoto, si può prospettare, nel best case scenario, una riduzione di latenza di almeno 1-2 millisecondi (se non di centinaia).
L’Edge AI riceverà inoltre una forte spinta dalla crescente diffusione della connettività 5G. Rispetto a LTE, il 5G assicurerà velocità più elevate (20Gbps contro 1Gbps), simultaneità di più connessioni (1.000.000 per chilometro quadrato contro 100.000) e una superiore velocità di latenza (1ms contro 10ms). Con la progressiva adozione del 5G, la connettività di nuova generazione si rivelerà un driver per lo sviluppo del mercato IoT e anche dell’Edge AI, perché agevola le interazioni tra una gamma più vasta di dispositivi, sempre più dotati di processori intelligenti.
Edge Analytics: che differenza fa in azienda per l’analisi dei dati
Entro il 2022, gli Osservatori del Politecnico di Milano stimano che ogni casa avrà in media 50 dispositivi connessi a internet: i Big Data a disposizione esploderanno. Dati derivanti dai sensori e dai macchinari intelligenti, dai social, dati generati dai dispositivi IoT: l’Edge Analytics aiuta ad alleviare il traffico sulle reti geografiche che collegano il data center alla periferia (edge) del network aziendale, dove i dati sempre più spesso vengono generati.
In azienda, l’Edge Analytics consente di analizzare un’enorme molte di dati in tempo reale per migliorare i processi decisionali, aggregando la potenza di calcolo all’interno di dispositivi di rete (come gli switch), periferiche, dispositivi e sensori oppure micro data center ultracompatti, ridefinendo l’approccio all’IoT. Il nuovo approccio si chiama IoT Edge, l’intelligenza e le analisi sui dispositivi perimetrali per migliorare le prestazioni e la sicurezza delle architetture IoT. Nei dispositivi IoT si alleggerisce poi il cloud, risparmiando l’uso delle reti per archiviazione e analisi dei dati, riducendo drasticamente anche l’utilizzo di CPU, GPU e memoria.
Il mercato riconosce queste potenzialità. Secondo i dati di Statista, nel 2019, il mercato edge computing industriale valeva 11.56 miliardi di dollari. Continuerà a crescere in media al ritmo del 18% (CAGR) fino al 2025, quando si stima che raggiungerà quota 30.75 miliardi di dollari. Solo il mercato globale del software Edge AI toccherà quota 1.835 milioni di dollari entro il 2026, registrando un tasso di incremento annuale composto (CAGR) del 20,8%. A trainare il mercato saranno l’aumento dei carichi di lavoro aziendali sul cloud e la rapida crescita del numero di device connessi (compresa la wearable tech, in crescita nel post-pandemia) e di applicazioni intelligenti.
Più sicurezza e tutela della privacy con edge computing e AI
Quando si parla di dati in azienda, un altro vantaggio indiscutibile dell’Edge AI è la privacy. Sia da un punto di vista legale che da un punto di vista di opportunità tecnica, in particolare relativamente a privacy e velocità di trasmissione delle informazioni, l’edge computing ricoprirà un ruolo chiave nelle tecnologie dell’Unione Europea digitale. Rispetta infatti i principi di privacy by design e by default dell’European Data Protection Board (EDPB), in particolare dei veicoli connessi, le smart car. Dal punto di vista della cyber-sicurezza, l’elaborazione AI su un device locale evita di trasferire informazioni a un altro device per l’analisi dei dati. Ciò minimizza significativamente il rischio di intercettazione.