Los riesgos asociados al uso de la inteligencia artificial en el borde

Con la creciente demanda de resultados más rápidos e información en tiempo real, las empresas están recurriendo a la inteligencia artificial en el borde. La inteligencia artificial en el borde es un tipo de IA que utiliza datos recopilados de sensores y dispositivos en el borde de una red para ofrecer información práctica casi en tiempo real. Si bien esta tecnología ofrece muchos beneficios, también presenta riesgos asociados a su uso.

Casos de uso de la inteligencia artificial en el borde

Existen muchos casos de uso potenciales para la inteligencia artificial en el borde. Algunas aplicaciones posibles incluyen:

1. Vehículos autónomos: La IA en el borde procesa datos recopilados por sensores en tiempo real para decidir cuándo y cómo frenar o acelerar.
2. Fábricas inteligentes: La IA en el borde monitorea maquinaria industrial en tiempo real para detectar anomalías o fallas. Las cámaras también detectan defectos en la línea de producción.
3. Atención médica: Los dispositivos portátiles pueden detectar irregularidades cardíacas o monitorear a los pacientes después de una cirugía.
4. Comercio minorista: Los sensores de la tienda rastrean el movimiento y el comportamiento de los clientes.
5. Análisis de video: La IA analiza imágenes de video en tiempo real para identificar posibles amenazas de seguridad.
6. Reconocimiento facial: La IA en el borde se puede utilizar para identificar a las personas por sus rasgos faciales.
7. Reconocimiento de voz: La IA en el borde se utiliza ahora para reconocer y transcribir palabras habladas en tiempo real.
8. Procesamiento de datos de sensores: La IA en el borde puede procesar datos recopilados por sensores para decidir cuándo y cómo frenar o acelerar.

Riesgos de la inteligencia artificial en el borde

Pérdida/descarte de datos

Los riesgos de la IA en el borde incluyen la posibilidad de perder o descartar datos después de su procesamiento. Una de las ventajas de la IA en el borde es que los sistemas pueden eliminar datos después de su procesamiento, lo que ahorra dinero. La IA determina que los datos ya no son útiles y los elimina.

El problema con esta configuración es que los datos no necesariamente son inútiles. Por ejemplo, un vehículo autónomo puede circular por una carretera vacía en el campo remoto. La IA puede considerar que la mayoría de la información recopilada es inútil y descartarla.

Sin embargo, los datos de una carretera vacía en una zona remota pueden ser beneficiosos dependiendo de a quién se le pregunte. Además, los datos recopilados pueden contener información útil si llegan al centro de datos en la nube para su almacenamiento y análisis posterior. Por ejemplo, podrían revelar patrones en la migración animal o cambios en el medio ambiente que de otro modo pasarían desapercibidos.

Aumento de las desigualdades sociales

Otro riesgo de la IA en el borde es que puede agravar las desigualdades sociales. Esto se debe a que la IA en el borde requiere datos para funcionar. El problema es que no todos tienen acceso a los mismos datos.

Tendencias fintech 2023: aceleración e innovación en la transformación digital

Por ejemplo, si desea utilizar la IA en el borde para el reconocimiento facial, necesita una base de datos de fotos de rostros. Si la única fuente de estos datos proviene de las redes sociales, entonces solo se reconocerá con precisión a las personas que son activas en las redes sociales. Esto crea un sistema de dos niveles en el que la IA en el borde reconoce con precisión a algunas personas mientras que otras no.

Además, solo ciertos grupos tienen acceso a dispositivos con sensores o procesadores que pueden recopilar y transmitir datos para su procesamiento por algoritmos de IA en el borde. Esto podría llevar a una situación en la que aumente la desigualdad social: aquellos que no pueden permitirse los dispositivos o viven en áreas rurales donde no existen redes locales quedarán excluidos de la revolución de la IA en el borde. Podría resultar un círculo vicioso, ya que las redes en el borde no son fáciles de construir y pueden ser costosas, lo que significa que la brecha digital puede aumentar y las comunidades, regiones y países desfavorecidos pueden quedarse aún más rezagados en su capacidad para aprovechar los beneficios de la IA en el borde.

Poca calidad de los datos

Si los datos del sensor son de baja calidad, los resultados generados por un algoritmo de IA en el borde también pueden ser de baja calidad. Esto podría llevar a falsos positivos o negativos, lo que podría tener consecuencias desastrosas. Por ejemplo, si una cámara de seguridad que utiliza IA en el borde para identificar posibles amenazas produce un falso positivo, esto podría dar lugar a que personas inocentes sean detenidas o interrogadas.

Por otro lado, si los datos son de baja calidad debido a sensores que no están bien mantenidos, esto podría llevar a oportunidades perdidas. Por ejemplo, si un vehículo autónomo está equipado con IA en el borde que se utiliza para procesar datos de sensores y tomar decisiones sobre cuándo y cómo frenar o acelerar, datos de baja calidad podrían llevar al vehículo a tomar decisiones erróneas que podrían provocar un accidente.

Poca precisión debido a la limitada potencia computacional

En las configuraciones típicas de cómputo en el borde, los dispositivos en el borde no son tan potentes como los servidores del centro de datos a los que están conectados. Esta limitación de potencia computacional puede llevar a algoritmos de IA en el borde menos eficientes, ya que deben ejecutarse en dispositivos más pequeños con menos memoria y potencia de procesamiento.

Vulnerabilidades de seguridad

Las aplicaciones de IA en el borde están sujetas a diversas amenazas de seguridad, como la divulgación de privacidad de datos, los ataques adversarios y los ataques de confidencialidad.

Beneficios del cómputo en el borde: optimización

Uno de los riesgos más significativos de la IA en el borde es la divulgación de privacidad de datos. Las nubes en el borde almacenan y procesan una gran cantidad de datos, incluidos datos personales sensibles, lo que las convierte en objetivos atractivos para los atacantes.

Otro riesgo inherente a la IA en el borde son los ataques adversarios. En este tipo de ataque, un atacante interrumpe la entrada a un sistema de IA para que este tome una decisión incorrecta o produzca un resultado falso. Esto puede tener graves consecuencias, como hacer que un automóvil autónomo se estrelle.

Por último, los sistemas de IA en el borde también son vulnerables a ataques de confidencialidad o inferencia. En este tipo de ataque, un atacante intenta descubrir los detalles del algoritmo y revertir su ingeniería. Una vez que se realiza la inferencia correcta sobre los datos de entrenamiento o el algoritmo, el atacante puede hacer predicciones sobre entradas futuras. Los sistemas de IA en el borde también son vulnerables a diversos otros riesgos, como virus y malware, amenazas internas y ataques de denegación de servicio.

Equilibrando el riesgo y la recompensa

La IA en el borde ofrece beneficios y riesgos; sin embargo, se pueden mitigar estos riesgos mediante una planificación e implementación cuidadosas. Al decidir si utilizar o no IA en el borde en su empresa, debe evaluar los posibles beneficios frente a las amenazas para determinar qué es adecuado para sus necesidades y objetivos específicos.

Qué es un desarrollador de edge y qué habilidades necesita

En Newsmatic nos especializamos en tecnología de vanguardia, contamos con los artículos mas novedosos sobre Borde, allí encontraras muchos artículos similares a Los riesgos asociados al uso de la inteligencia artificial en el borde , tenemos lo ultimo en tecnología 2023.