GPGPU - una tecnología importante para IA

En la mayoría de los sistemas, el trabajo principal de reconocimiento de patrones se realiza en la nube basada en GPGPU con su inmensa potencia de cálculo paralelo. Sin embargo, en la industria manufacturera esto es, al menos por el momento, terreno para la exclusión, ya que los procesos son generalmente rápidos. En este caso, se debe garantizar que la inteligencia reside en el extremo (edge), es decir, en las inmediaciones del dispositivo o incluso dentro de él. Esta es la razón por la que los dispositivos, máquinas y sistemas industriales están en su mayoría equipados con sistemas de inteligencia artificial que utilizan inteligencia basada en el conocimiento para aplicaciones en tiempo real y transmiten datos para el deep learning a nubes centrales, que aún no se pueden conectar en tiempo real. Esto significa que hoy es posible seguir entrenando a un sistema de nivel superior con todos los datos nuevos y actualizar los dispositivos locales con actualizaciones periódicas de software, de modo que dichos sistemas ya se clasifiquen como sistemas de autoaprendizaje. Solo en este caso, el aprendizaje no sigue una curva, sino que tiene lugar en pasos cíclicos. Esta es también una de las razones por las que los problemas como los gemelos digitales o los servidores edge industrial son tan importantes: si puede proporcionar ambos, incluso el deep learning puede ser cada vez más capaz en tiempo real.