Artificial Intelligence
Artificial Intelligence, Deep Learning, Machine Learning
IA en périphérie et 5G privée
Qualcomm et NTT Ltd s’associent pour stimuler le déploiement de la 5G privée et de nouvelles applications IA en périphérie. Potentiellement, un énorme marché.
La 5G et l’IA évolueront symbiotiquement, assurent les analystes. Et d’ajouter que l’interaction de ces technologies se fera principalement à la périphérie du réseau -on parle de « périphérie intelligente ». Cela signifie qu’il faut un traitement plus rapide des données et donc une IA hybride –une combinaison d’IA dans le cloud et d’IA en périphérie. Naturellement, cela exerce une pression accrue sur les capacités du réseau et de l’infrastructure.
Jusqu’ici, le manque d’appareils adaptés à la 5G a été le principal obstacle. En se rapprochant via un partenariat, Qualcomm et NTT Ltd comptent le lever. Le premier apporte son leadership en matière de semi-conducteurs spécifiques aux applications et de puces 5G ; le second son expertise en 5G privée et dans l’edge computing.
5G et edge pour une IA plus puissante
Le partenariat fait sens. Ensemble, 5G et edge computing façonneront l’avenir de l’intelligence artificielle. De fait, la 5G offre des vitesses beaucoup plus rapides et des connexions plus fiables que la précédente génération -envoi et réception de plus de données dans un laps de temps plus court.
L’edge, en particulier, rend également l’IA plus puissante en permettant de traiter les données plus près de l’endroit où elles sont collectées. Les appareils alimentés par l’IA apprendront avec précision plus rapidement. Cela permettra aux entreprises de déployer des solutions spécifiques basées sur l’IA dans des délais plus courts. Les entreprises pourront également déployer des solutions basées sur l’IA dans davantage d’endroits, tels que les zones reculées où l’accès aux réseaux à haut débit est limité. A la clé, de nouvelles opportunités en termes de prises de décisions, d’amélioration des opérations et de fourniture de meilleurs produits et services.
Cette évolution en périphérique est appelée à connaître un véritable essor, s’accordent les experts. Sans, toutefois, remettre en cause le cloud. Il existera toujours des tâches à forte intensité de calcul qui nécessitent un centre de données. L’avantage d’une IA localisée est qu’elle peut être programmée pour filtrer les données afin que seules les informations nécessaires soient transmises au cloud. Autrement dit, au lieu d’envoyer toutes les données locales d’un appareil vers le cloud, l’IA peut s’assurer que seules les données pertinentes sont transmises. A la clé, une économie de bande passante et une réduction du coût de la transmission de données non pertinentes. Plus le traitement peut être relégué au matériel périphérique géré par une IA, moins le traitement doit être effectué dans le centre de données.
L’avenir de l’IA ne se trouve pas dans le cloud !
« Cette collaboration est vraiment très stimulante, elle nous permet en effet de répondre concrètement à la demande de nos clients. Avec l’aide de Qualcomm, nous renforcerons l’écosystème 5G en fournissant les appareils dont nos clients ont besoin de manière simple et rentable, ce qui leur permettra de poursuivre leur transformation numérique en toute sérénité, estime Shahid Ahmed, EVP New Ventures & Innovation, NTT Ltd. Nous serons ainsi en mesure de répondre plus rapidement à la demande de 5G privée dans l’ensemble des secteurs d’activités internationaux ».
Dans ce contexte, la prolifération des appareils équipés de la 5G est une étape fondamentale. La 5G, en effet, constitue l’épine dorsale de nombreuses avancées technologiques susceptibles d’améliorer l’efficacité et la durabilité des entreprises grâce à une gestion efficace des ressources et à la conservation de l’énergie. Avec les puces de Qualcomm, l’IA générative est directement disponible sur le silicium. Les modèles d’IA et de ML (Machine Learning) sont intégrés, ce qui lui permet de développer au mieux les capacités d’IA à la périphérie. En plus de collecter des indicateurs de mesure et des résultats d’analyse, les appareils les exploitent pour agir grâce à un modèle d’apprentissage automatique intégré.
Et NTT de citer des applications telles que, par exemple, la reconnaissance d’images, avec des capacités allant du comptage d’articles et de l’identification des caractéristiques des objets à la vérification du port du masque ou du casque de sécurité (EPI) par les employés.
IA en périphérie, des avantages indéniables
> Réduction de la consommation d’énergie : diminution des coûts énergétiques grâce à la conservation des processus de données en local, car les besoins en énergie pour l’exécution de l’IA en périphérie sont beaucoup plus faibles que dans les datacenters cloud.
> Réduction de la bande passante : diminution de l’utilisation de la bande passante dans le flux de données et minimisation des coûts grâce au traitement, à l’analyse et au stockage des données localement au lieu de les envoyer dans le cloud.
> Confidentialité : diminution du risque de détournement ou de mauvaise manipulation des données grâce au traitement des données localement sur les appareils d’edge computing.
> Sécurité : priorité accordée au transfert de données importantes grâce au traitement et au stockage en périphérie du réseau ou à un filtre de données redondantes, superflues et inutiles.
> Évolutivité : mise à l’échelle facilitée des systèmes grâce à des plateformes basées dans le cloud et à des capacités d’edge computing natives sur les équipements embarqués.
> Réduction de la latence : réduction de la charge de la plateforme cloud et analyse des données en local, permettant de libérer la plateforme pour d’autres tâches.