Tempo de leitura: 4 minutos

Simon Crosby nos traz um dado muito importante sobre cidades inteligentes e informações:

“Todos os dias, a cidade de Palo Alto, nos EUA, transmite mais dados do que o Twitter”.

E ele sabe. Como CTO da Swim.AI – uma empresa do Vale do Silício de inteligência artificial que ajuda como otimizar dados coletados – Crosby trabalhou diretamente com Palo Alto para melhorar sua infraestrutura de tráfego. A cidade é líder em tecnologias de Cidade Inteligente e foi reconhecida pelo Centro de Governo Digital americano entre as 10 principais consideradas digitais. É apenas um exemplo de como é possível se aproveitar do poder da inteligência artificial para funcionar com mais eficiência.

Há boas razões para as cidades quererem se tornar “inteligentes”. Segundo a pesquisa do McKinsey Global Institute, é possível reduzir o tempo de deslocamento em até 20%. Além de diminuir as fatalidades de trânsito em até 10%. Como está tudo conectado, desde sinais de trânsito até redes elétricas, os sensores dessa crescente Internet das Coisas (IoT) já nos trazem muitos dados. Além disso, outro exemplo são os sensores de IoT nas áreas industriais. Eles estão gerando informações sobre equipamentos como turbinas eólicas, robôs industriais e scanners de ressonância magnética.

Há o enorme potencial no uso dos dados para aumentar a eficiência e a segurança, mas também é possível fazer uma melhor aplicação com computação e inteligência de ponta – os agregando e analisando perto de onde são capturados.

Fazendo sentido da IoT

“ARM, fornecedor de microprocessadores, entrega por trimestre cerca de 5 bilhões de núcleos de processador. Eles permitem um computador processar várias tarefas de uma só vez. Você os utiliza, sem contar outros devices, no fim, isso é muito”, observou Crosby na Rakuten Technology Conference 2018 sobre esses chips que acionam dispositivos IoT. “Como esses dispositivos de ponta vão ficar inteligentes? Enviando seus dados para a nuvem? Amazon, Google e Microsoft adorariam isso. Estou aqui para dizer que há outra maneira: correr, fazer experiências e aprender na hora”, pontuou.

Crosby contou aos participantes sobre a importância do ensino progressivo. Essa é uma abordagem em que o aprendizado de máquina usa dados de entrada para treinar um modelo de software. O resultado é a “vantagem inteligente que analisa, aprende e prevê uma visão de mundo em evolução, a partir de dados de séries temporais”, complementou.

A Swim.AI, que fechou uma rodada de financiamento da série B de US$ 10 milhões com a ARM, constrói e treina automaticamente o Digital Twin de Edge Computing. Eles podem analisar, aprender e prever informações em tempo real, bem como compartilhar ideias com outros Digital Twins na rede. Usando como exemplo Palo Alto, é possível usar os dados do sensor de sinal de tráfego para prever fluxos de tráfego com apenas um pequeno e de baixo custo hardware.

“Com um dispositivo NVIDIA Jetson de US$ 200, composto por um GPU de 256 núcleos, posso fazer algo totalmente incrível”, disse Crosby. “Eu posso direcionar um Waymo (projeto de carro autônomo do Google) pela cidade e isso nunca vai parar. Ou seja, as personas digitais de cada uma das interseções podem prever o que o tráfego vai fazer. Assim, eu sei exatamente qual a fase de cada semáforo será verde”, explicou.

Simon Crosby, CTO da Swim.AI, no palco da Rakuten Technology Conference em Tóquio em outubro de 2018.

Inteligência de ponta em sistemas legados existentes

No início deste ano, as empresas Swim.AI e Texas, com sede no Texas, divulgaram o TidalWave. É um serviço de dados de tráfego de transmissão ao vivo com tecnologia de ponta. Lançado nacionalmente, apresenta, segundo a Swim.AI, dados de tráfego precisos e granulares. Eles têm uma resolução de centenas de milissegundos, com uma fração do custo de aprendizado e previsão centralizados na nuvem.

Cidades inteligentes e previsão de tráfego são uma aplicação óbvia. Mas a Swim.AI também trouxe sua tecnologia Swim EDX para a fabricação. Ela usa inteligência de ponta para rastrear peças e sensores RFID usados na construção de aeronaves militares e para prever erros na montagem de sistemas de computador. Outra aplicação é otimizar a distribuição de eletricidade para as concessionárias para melhor atender a demanda.

“A notícia encorajadora é que para um grande número de sistemas legados, robôs de linha de montagem – os trabalhadores -, podemos rapidamente aprender e prever coisas de grande interesse, seja para aplicativos ou para humanos”, Crosby compartilhou em uma entrevista nos bastidores da conferência. “Com muitos desses sistemas, o valor dos dados é efêmero e diminui rapidamente com o tempo. O ponto-chave é extraí-los o mais rápido possível e depois descartá-los”, explicou.

Com seus insights sobre o crescimento de cidades inteligentes e fabricação inteligente, Simon Crosby, também co-fundador da firma de segurança cibernética Bromium, ofereceu algumas previsões sobre o que vai mudar.

“Acho que veremos um mundo mais inteligente ao redor, mas não haverá uma inteligência dominante e que tudo vê”, acrescentou Crosby. “Esse é um problema muito difícil de resolver. Então, as coisas vão melhorar rapidamente. Meu ponto principal é dizer: “Sim, isso pode ser feito em hardware já existente, com apenas um pouco de software”.


Fonte: Rakuten.today

 

Aproveite e saiba mais sobre a Rakuten Digital Commerce!

VISITE O SITE
Related Posts Plugin for WordPress, Blogger...
Comentários