Existen lugares tan remotos e inhóspitos que los seres humanos no pueden explorarlos de manera segura. Estos lugares podrían albergar información importante que nos ayudaría a comprender mejor la Tierra y su historia, así como la vida en otros planetas. Pero esos lugares normalmente tienen poca o ninguna conexión a Internet, lo cual hace que el reto de explorar entornos inhóspitos parezca aún más imposible para el ser humano.

¿Cómo podemos expandir los límites de lo posible? La respuesta a esta pregunta es Internet de las Cosas (Internet of Things o IoT). Los dispositivos conectados nos permiten extender nuestros sentidos hasta ubicaciones remotas, por ejemplo, mediante robots trabajando en Marte o sistemas de vigilancia en pozos petrolíferos remotos.

Dado que estos dispositivos IoT están impulsados por microprocesadores o microcontroladores con una memoria y capacidad de procesamiento limitadas, a menudo dependen en gran medida de AWS y la nube para llevar a cabo tareas de procesamiento, analítica, almacenamiento y aprendizaje automático. Además, los requisitos de latencia de algunas aplicaciones hacen que la comunicación con la nube no resulte viable (por ejemplo, un coche autónomo interpretando su entorno en tiempo real). También hay que tener en cuenta el coste de enviar datos a la nube. Algunos sensores recaban cantidades ingentes de datos, por lo que enviarlos todos a la nube resultaría extremadamente costoso. Estas barreras están llevando a algunas personas a escoger opciones perimetrales.

¿Qué son los dispositivos edge?

Al acercar el procesamiento de datos al usuario final, podemos reducir la latencia de aplicaciones críticas. También podemos contribuir a gestionar el torrente masivo de datos generado por los miles de millones de dispositivos y ofrecer una respuesta rápida e inteligente, prácticamente en tiempo real.

Los dispositivos edge (o perimetrales), como puertas de enlace o cámaras, pueden actuar de forma local sobre los datos que generan, utilizando la nube al mismo tiempo para gestión, analítica, almacenamiento duradero y otros fines. He aquí algunas aplicaciones que emplean tecnologías edge:

• Ubicaciones remotas. Puede que haya poca o ninguna conexión a Internet o la seguridad no esté garantizada. Las ubicaciones podrían encontrarse a varias millas por debajo de la superficie de la Tierra, en una mina o pozo petrolífero, en mitad de la selva o incluso en otro planeta. Además, los robots con capacidades edge permiten mantener la seguridad de los trabajadores llevando a cabo tareas de testeo en ubicaciones inhóspitas y peligrosas.

• Fábricas. Vigilar continuamente el estado del equipamiento en tiempo real contribuye a identificar posibles averías antes de que afecten a la producción. A menudo vemos soluciones de mantenimiento predictivo desplegadas en entornos industriales, como fábricas e instalaciones de producción, resultando en una extensión de la vida del material, mejora de la seguridad de los trabajadores y optimización de la cadena de suministro. Además, se puede obtener información valiosa a un coste menor al programar el dispositivo para que, por ejemplo, solo transmita los datos necesarios a la nube.

• Granjas. Las empresas agrícolas están mejorando la salud y rendimiento de los cultivos, aumentado su valor nutritivo y reduciendo el coste de la producción a través de invernaderos y granjas habilitados para IoT. Los dispositivos perimetrales reconocen las principales etapas de crecimiento de las plantas y ajustan automáticamente su nutrición, riego y condiciones ambientales para maximizar las cosechas. También son capaces de controlar las condiciones del terreno o registrar las características de los cultivos, como rendimiento, peso de las cáscaras y humedad durante la cosecha. Por ejemplo, Bayer Crop Science emplea IoT para extraer inteligencia de negocio de datos agrícolas y ayudar a los granjeros a mejorar el sistema de alimentación global.

• Vehículos. Los coches y camiones cada vez tienen mayor capacidad para percibir su entorno e incluso navegar por sí solos. Por ejemplo, pueden detectar otros vehículos, utilizar cámaras para vigilar que el conductor se mantenga alerta, recibir comandos de voz para gestionar ajustes del coche u hogar e incluso conducir de forma autónoma. Este tipo de avances requiere de capacidad informática local para que vehículos y conductores puedan reaccionar en milésimas de segundo.

• Hogares. Para proporcionar servicio ininterrumpido, los dispositivos de control del hogar requieren una baja latencia y la capacidad de procesar datos de forma local para poder notificar a los residentes rápidamente en caso de intrusión o fuga. Algunos ejemplos incluyen cerrojos conectados, timbres con video, cámaras de seguridad, detectores de fugas y termostatos conectados.

En el interior del perímetro (edge)

Gracias a edge computing, podemos utilizar parte de la capacidad y funcionalidad de la nube y extenderla a los dispositivos perimetrales. Hace dos años, lanzamos AWS IoT Greengrass, un software que permite utilizar informática, mensajería y almacenamiento para dispositivos locales conectados de modo seguro.

Gracias a AWS IoT Greengrass, los dispositivos conectados pueden ejecutar funciones AWS Lambda, llevar a cabo predicciones basadas en modelos ML, mantener sincronizados los datos de dispositivos y comunicar con otros dispositivos de modo seguro, incluso cuando no se encuentran conectados a Internet.

Estos dispositivos a menudo ejecutan Amazon FreeRTOS, un sistema operativo de código abierto para microcontroladores. Amazon FreeRTOS hace que los dispositivos perimetrales de pequeño tamaño y bajo consumo resulten sencillos de programar, desplegar, asegurar, conectar y gestionar.

Machile Learning en el perímetro

Uno de los avances más interesantes en IoT e informática perimetral es la capacidad de ejecutar inferencia local ML en los dispositivos. La tecnología ML emplea algoritmos que aprenden de datos existentes, un proceso denominado entrenamiento, para tomar decisiones acerca de nuevos datos, un proceso denominado inferencia. Entrenar y optimizar modelos ML requiere recursos informáticos masivos, lo cual hace que encajen con la nube de forma natural.

Imaginemos las posibilidades que resultan de añadir capacidades ML perimetrales a un robot capaz de detectar, procesar y actuar. La inferencia local permite al robot tomar decisiones autónomas prácticamente en tiempo real, incluso sin conexión a la nube. Las aplicaciones robóticas emplean ML para llevar a cabo tareas más complejas, como reconocer un objeto o rostro, mantener una conversación con una persona, cumplir un comando de voz o conducir de manera autónoma.

Hace algunos meses anunciamos AWS RoboMaker, un servicio de que facilita el desarrollo, testeo y despliegue de aplicaciones de robótica inteligente a gran escala. Dado que AWS RoboMaker ha sido construido sobre AWS IoT Greengrass, los robots pueden actuar de manera local sobre los datos generados, mientras siguen empleando la nube para tareas de gestión, analítica y almacenamiento duradero.

Almacenamiento y computación sin conectividad

Almacenar y procesar datos en un entorno con poca o ninguna conexión a Internet es el reto que enfrentan muchas organizaciones. Hace tres años anunciamos AWS Snowball Edge, un dispositivo edge computing que soporta cargas de trabajo locales e independientes en ubicaciones remotas, así como la migración de los datos.

Mirando al futuro

Internet de las Cosas y la tecnología perimetral serán una ayuda en el camino para todos aquellos que se dedican a descubrir y explorar ubicaciones remotas, salvar vidas o mejorar la producción.

En AWS, cuando pensamos en el futuro de los sistemas híbridos, creemos que la mayoría de cargas de trabajo ejecutadas actualmente en los centros de datos se trasladarán a la nube y las infraestructuras in situ pasarán a ser estos miles de millones de dispositivos situados en el perímetro. Los dispositivos locales estarán en nuestros hogares, oficinas, yacimientos petrolíferos, espacio exterior, aeronaves, barcos y muchos otros lugares. Todo ello hace que la nube cobre más importancia que nunca: los dispositivos conectados necesitan de plataformas seguras para poder agregar y analizar todos los datos recabados. Este enfoque vertical descendente permite a las organizaciones tomar decisiones más acertadas, mejorar la experiencia del usuario final y descubrir nuevas oportunidades.