Cómo la inteligencia en el edge impulsa la próxima ola de aplicaciones de visión artificial en 2019

2018 marcó un momento decisivo para la visión artificial, con la precisión de detección de objetos y reconocimiento facial alcanzando nuevas cotas. La proliferación de modelos de deep learning —especialmente redes neuronales convolucionales y recurrentes— ha entregado soluciones potentes y listas para desplegar. Sin embargo, estos avances tienen un precio: los modelos crecen en tamaño y demanda computacional. Por ejemplo, YOLOv3, un detector de objetos ampliamente usado, contiene ahora 106 capas totalmente convolucionales —más del doble de profundidad que su predecesor—, mientras que variantes de RetinaNet y SSD han aumentado similarly el rendimiento a costa de mayor complejidad.

Manteniéndose al día con las nuevas demandas

A medida que se disparan los despliegues de cámaras —especialmente en escenarios de streaming en vivo de alta resolución— surge una necesidad urgente de aplicar algoritmos de visión sofisticados en tiempo real. La vigilancia pasiva tradicional ya no basta; las cámaras deben ofrecer inteligencia proactiva. Transmitir vídeo de resolución completa a la nube es prohibitivamente caro, intensivo en ancho de banda y propenso a latencia. Por el contrario, desplegar racks de servidores de alta potencia in situ consume espacio valioso, electricidad y capital, especialmente al escalar en múltiples ubicaciones. El desafío es claro: ¿cómo procesar vídeo de cientos de cámaras simultáneamente con recursos limitados?

La solución: vídeo en el edge

La respuesta está en el edge computing. Al embeber capacidades de inferencia robustas directamente en las cámaras o desplegar appliances edge compactos entre cámaras y la nube, las cargas de trabajo pueden distribuirse entre muchos dispositivos. Este cambio está respaldado por un ecosistema creciente de procesadores de IA de alto rendimiento y bajo consumo. La serie Jetson de NVIDIA ofrece inferencia en tiempo real en formato embebido, mientras que Myriad y Neural Compute Stick de Intel —productos de su adquisición de Movidius— ofrecen soluciones igualmente eficientes. Nuevos participantes como Mythic y Graphcore han captado cientos de millones en capital riesgo, y gigantes como Google y Amazon han presentado sus propios chips edge, subrayando la importancia estratégica de la inteligencia en el dispositivo.

Qué está por venir

La visión basada en edge desbloqueará una nueva generación de insights en tiempo real. Los grabadores de vídeo pasivos evolucionarán a guardianes activos —detectando niños en riesgo de ahogamiento, señalando armas cerca de escuelas, abriendo puertas seguras automáticamente e identificando defectos de fabricación. En retail, las cámaras mapearán movimientos de compradores para optimizar flujos y reducir esperas, mientras que el cumplimiento de seguridad en fábricas se monitorizará en tiempo real. Con más de mil millones de cámaras desplegadas actualmente y otro billón en el horizonte, el procesamiento en edge está llamado a hacer que cada cámara sea verdaderamente inteligente.

Empresas como Kogniz ya ofrecen servicios de inteligencia de vídeo que aprovechan appliances edge —cámaras independientes y adaptadores para unidades IP existentes— permitiendo despliegue a demanda, sin infraestructura pesada, en cámaras y sitios ilimitados.

Jed Putterman sirve como Co‑CEO de Kogniz. El Sr. Putterman ha fundado múltiples empresas tecnológicas, incluyendo Snapcentric (adquirida por VeriSign) y Allerez (adquirida por Mercury Interactive Corporation). Comenzó su carrera en Oracle Corporation y consultó para grandes firmas como Sun Microsystems, SGI y Aspect Communications. El Sr. Putterman es alumno de UC Berkeley.