fbpx

A finales de enero de este año (2020) asistí a la conferencia de The Things Networks en Amsterdam, donde se presentaron productos, tendencias y análisis sobre el mundo de IoT en general y de LoRaWAN en particular. Este tipo de conferencias siempre nos ofrecen una visión sobre el futuro, en este caso, de Internet de las cosas.

the things conference amsterdam 2020
A metros de la conferencia

Esta conferencia es la más importante en el ámbito de LoRaWAN, con una concurrencia de más de 2000 profesionales, empresarios, estudiantes y entusiastas.

Si te interesa el tema de LoRaWAN, no dejes de ver mis artículos sobre el tema.

Qué es la tecnología LoRa y por qué es importante para IoT

LoRa – Características y Aplicaciones

Cómo es la arquitectura LoRaWAN

LoraWAN – BW, SF y bitrate

El gateway LoRa de TTN para su comunidad

En una de las presentaciones, en el escenario principal, me quedó grabada una imagen donde  Zach Shelby, CEO fundador de Edge Impulse, analizaba la evolución de los dispositivos embebidos a lo largo de las últimas décadas.

el futuro de internet de las cosas
Zach Shelby durante la conferencia

Desde los años 80 hasta bien entrada la primera década del siglo XXI se utilizaron una gama de lenguajes que iban desde el assembler hasta lenguajes compilados como C, C++, Java, etc. 

El foco del desarrollo estaba centrado en unos pocos aspectos, que podemos resumir en tres puntos: eficiencia, tamaño y confiabilidad

Con la aparición de nuevas tecnologías de hardware y software, los sistemas embebidos dejaron de estar aislados del mundo y comenzaron a conectarse, de manera nativa o a través de gateways, a redes privadas y a Internet.

Por otro lado, los microcontroladores dejaron de ser un terreno exclusivo para lenguajes compilados y hoy podemos ejecutar lenguajes interpretados en una gran variedad de chips. En este sentido, el lenguaje interpretado más popular en el desarrollo de dispositivos embebidos es sin duda Python.

Hasta aquí todo muy bien, pero la conectividad trajo otros problemas. Hoy cualquier dispositivo de IoT está expuesto a ataques y usos malintencionados. Esto agregó otro desafío al desarrollo de hardware: la seguridad.

Hasta aquí he descrito la realidad que podemos observar en nuestro día a día, a través de nuestros smartphones, smart TVs, termostatos, medidores de energía, controles de iluminación, etc. Pero, ¿qué vendrá de ahora en adelante?.

El futuro de los dispositivos IoT

La respuesta, como dice Zach Shelby, parece estar en el aprendizaje automático, o machine learning ( ML ). Esto es, que los dispositivos IoT, aún los más pequeños, puedan correr modelos de ML para realizar tareas simples de clasificación, regresión o detección de anomalías, entre otras.

Pero, ¿cómo es posible que dispositivos con muy pocos recursos de procesamiento puedan implementar ML?. 

En principio, para correr un algoritmo de modelado se requiere tener suficiente poder de cómputo y memoria para procesar los datos y generar un modelo de ML (por ej: una red neuronal). Sin embargo, una vez que se ha realizado el entrenamiento y validado el modelo, es posible desplegarlo en dispositivos de recursos limitados.

Los dispositivos simplemente ingresarán los datos que obtengan de sus sensores y el modelo proveerá las salidas correspondientes.

Hoy en día existen numerosas librerías y soluciones de software para poder realizar esto de manera fácil.

Las aplicaciones, como suele suceder en el mundo de IoT, son prácticamente infinitas. Desde la detección de la rotura de un vidrio o el disparo de un arma de fuego, a enfermedades en cultivos o el reconocimiento de una arritmia en un paciente ambulatorio. Por nombrar unos pocos ejemplos.

arduino nano 33 ble sense machine learning edge impulse
La placa Arduino Nano 33 BLE Sense

Para mí, lo más sorprendente de todo esto es que ya tenemos las herramientas de hardware y software para poder desarrollar soluciones específicas. No es necesario ser una importante empresa tecnológica o una universidad con grandes recursos. 

Cualquiera de nosotros puede adquirir hardware de bajo costo, usar librerías de software de que están disponibles en la web e incluso probar plataformas como la de Edge Impulse de manera totalmente gratis.

Te invito a hacer tus propios experimentos de ML en dispositivos IoT. En próximas entregas iré profundizando sobre este tema y veremos cómo aplicarlo.

Recuerda que siempre puedes dejar tus comentarios o dudas más abajo. Y si te ha gustado este artículo, te invito a compartirlo con tus contactos.


0 comentarios

Deja una respuesta

Marcador de posición del avatar

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

A %d blogueros les gusta esto: