Intelligenza in Periferia

Le recenti tendenze architetturali denominate, ad esempio, “Intelligent Edges + Intelligent Cloud” da Microsoft e “Devices & Lambda@Edge” da Amazon, mettono in primo piano l’importanza delle App native residenti negli smartphones, tablets, PC e dispositivi industriali, anche a proposito di Intelligenza Artificiale (IA). Pur non mettendo in discussione il suo naturale baricentro nel Cloud, si evidenzia il vantaggio di estenderne una parte in periferia, tendenza del resto già iniziata negli smartphones che riconoscono la nostra faccia e voce ed inoltre interpretano, spesso correttamente, l’intenzione contenuta in una frase pronunciata come se parlassimo ad una persona.

Perché ora?

Gli utenti si sono abituati ad accedere velocemente a qualunque informazione da qualunque luogo con qualunque dispositivo e da sempre cercano un’esperienza d’uso più ricca e responsiva o, in altre parole, più facile e comoda. Di pari passo, PC, smartphones, tablets e dispositivi industriali incrementano incessantemente potenza di calcolo e capacità di memoria, ma le architetture centralizzate, con un browser o un’ancora più semplice “thin client” in periferia, non ne sfruttano le potenzialità.

Queste tradizionali architetture centralizzate si usano ancora perché sono più semplici da realizzare e manutenere, e inoltre non richiedono lo scarico iniziale di una nuova App in periferia. Nel settore business/enterprise sono così comparsi i SoSaaS (Same old Software as a Service) dove il Cloud è visto come una semplice evoluzione dell’Hosting o dell’ASP (Application Service Provisioning): una scorciatoia per inseguire la moda, ma senza la scalabilità, sicurezza, livello di servizio e agilità dei Cloud-native SaaS.

Nell’era della Quarta Rivoluzione Industriale, in cui siamo già entrati, saranno sempre più normali le applicazioni “infuse” di Intelligenza Artificiale con un impatto simile all’applicazione dei motori elettrici alle macchine, che un secolo fa ha trasformato il modo di produrre, avviando la Seconda Rivoluzione Industriale.

Mentre è scontato che il Machine Learning (ML), cioè la fase preliminare di apprendimento da grandi volumi di dati utilizzando enormi potenze di calcolo per sintetizzare un modello, possa avvenire solo sul Cloud, si sta diffondendo l’idea di spostarlo dentro alle App locali sfruttando frameworks software particolarmente efficienti e compatti come, ad esempio, Azure IoT Edge, Caffe2Go, CoreML, Greengrass ML Inference, MobileNet, MXNet, TensorFlow Lite, … per ridurre i fenomeni di latenza (il ritardo tra l’invio della richiesta al Cloud a la ricezione della risposta) ed il volume di dati scambiati, per consentire buone esperienze anche con connessioni lente e intermittenti.

Si pensi, al limite, alle auto a guida autonoma dove non è pensabile che la reazione ad una situazione pericolosa dipenda dalla connettività e dai tempi di risposta del Cloud e inoltre che ogni auto in circolazione invii un volume di dati dell’ordine dei GB al secondo.

L’architettura distribuita

Mettere l’intelligenza dove vengono raccolti i dati è un principio di buon senso non certo nuovo. L’uso pervasivo di IA nei dispositivi periferici rinnova la tendenza verso l’architettura distribuita, dove l’intelligenza non è tutta condensata al centro, come in quella centralizzata, o tutta in periferia come nell’architettura dipartimentale, che lascia al centro il ruolo di semplice consolidatore dei dati. Nel Retail questo significa, ad esempio, avere il motore promozionale sul Punto Cassa e le giacenze con i modelli di ottimizzazione degli stock su Cloud.

Dov’è allora il problema? Mentre da una parte è complesso sincronizzare in modo continuo e sicuro le cache locali di migliaia di POS, con milioni di Prodotti, Promozioni e Clienti potenzialmente diversi per ogni negozio e inoltre accesi e spenti a seconda delle necessità locali, dall’altra parte è altrettanto critico far arrivare in modo continuo e sicuro centinaia o migliaia di scontrini al secondo, per aggiornare il magazzino e consentire una visibilità globale. Fortunatamente i nuovi paradigmi del Cloud sono nati proprio per scenari difficilmente concepibili prima di Internet.

I vantaggi nel Retail

Circa 10 anni fa, quando BEDIN Shop Systems ha iniziato la totale riprogettazione del proprio sistema di gestione dei negozi per sfruttare tutte le potenzialità di una moderna piattaforma Cloud ed erogarlo come servizio gestito per conto dei clienti, era chiaro che le vecchie architetture centralizzate e dipartimentali costituivano dei veri e propri ostacoli per un vero salto in avanti. Per il nostro Cloud-native SaaS aKite abbiamo scelto un’architettura distribuita e aperta, sincronizzata mediante messaggi asincroni su Bus sicuri e affidabili, anche se basati su normali connessioni https per ridurre i costi di deployment ed aumentare l’agilità evolutiva. Scelta che mostra ancor meglio i suoi vantaggi ai tempi dell’Intelligenza Artificiale pervasiva.

Appena chiuso lo scontrino, riuscire a definire ed emettere immediatamente il Coupon o la Promozione più interessante per ogni cliente sulla base non solo dei prodotti appena acquistati, ma di una sintesi dell’intera storia degli acquisti e della tipologia del Cliente, impone modelli elaborati centralmente per poter sfruttare tutti i dati disponibili e la potenza di Cloud, ma poi distribuiti a livello locale per essere veloci e funzionare anche senza connessione o in presenza di altri guasti esterni.

Conclusioni

La connessione di dispositivi periferici ad un software centralizzato, nota come “automazione”, caratterizza la Terza Rivoluzione Industriale, mentre un’intuitiva definizione di Quarta Rivoluzione Industriale è “aziende dotate di un sistema nervoso”. In quest’ottica, l’architettura distribuita è quella che meglio fonde la “mente” sul Cloud con le “terminazioni nervose”, cioè quella rete di dispositivi periferici che rispondono come “riflessi condizionati” apparentemente automatici, ma in realtà in base a quanto appreso dal passato e agli obiettivi futuri. Non a caso, tra le tecniche di IA più in crescita ci sono le “reti neuronali” e più precisamente le “deep neural network” che si ispirano a quanto sappiamo sul funzionamento del nostro cervello. L’IA, con la possibilità di miglioramento continuo ed autonomo del ML, è quindi una delle differenze più distintive di quest’ultima rivoluzione industriale.

L’evoluzione del Retail dipende, più che in altre industrie, dalla reazione ottimale agli stimoli che arrivano dai punti di contatto con i clienti. I Punti di Vendita fisici devono sfruttare i vantaggi che possiedono rispetto all’OnLine, non solo circa il pieno controllo dell’esperienza del cliente, ma anche sulla qualità dei dati raccolti per produrre stimoli e informazioni utili ad una scelta ottimale. Se veramente tali, saranno amplificati dalla possibilità di gratificazione immediata, mentre la soddisfazione del cliente anche dopo l’acquisto sarà motivo per ripetere l’esperienza