Edge computing wint snel aan populariteit. Niet vreemd, want er zijn talloze situaties denkbaar waarbij je iets wilt berekenen, maar om een of andere reden (latency, kosten, security) geen gebruik kunt maken van de cloud. De aandacht voor snelle toepassingen met bijvoorbeeld beeldherkenning is groot, maar de praktijk laat zien dat de meeste waarde wordt gegenereerd door toepassingen die in de praktijk best ‘dom’ zijn. Een verkenning van de kansen en bedreigingen.
Een intelligent edge is het toepassen van logica op data op de plek waar deze wordt gegenereerd. Dus in een fabriek, trein, tunnel of stal, of op een wind- of zonnepark, waterkering of vliegveld. Over het woord ‘intelligent’ kun je overigens lang discussiëren, zegt Robbrecht van Amerongen, Head of Strategy bij AMIS Conclusion. “Wij vinden een oplossing ‘intelligent’ als deze in staat is om data en commando’s terug te geven aan het fysieke apparaat, dat op basis daarvan zelfstandig beslissingen neemt. Dat kunnen op zich best ‘domme’ beslissingen zijn, of liever gezegd: er wordt simpele logica toegepast. Zoals: bij 100 stuks is het krat vol en moet er een nieuw krat onder de machine worden geplaatst.”
De complexiteit is volledig afhankelijk van de toepassing, zegt Robbrecht. “Hoe langer de IT-keten is, hoe ingewikkelder het is om alles volledig te overzien en hoe meer plekken er zijn waar er iets mis kan gaan.” Er hoeft soms maar één relaistje niet goed te werken om verkeerde beslissingen te veroorzaken. Robbrecht concludeert dan ook: “De complexiteit zit meestal niet in het ontwikkelen van het algoritme, maar in het garanderen dat in alle onderdelen van de keten alles goed blijft gaan. Bovendien moet je kunnen bewijzen wat er is gebeurd. Steeds meer processen vragen immers vanuit compliance om een audit trail, software bill of materials en versiebeheer. Je moet op ieder moment wiskundig kunnen aantonen welke logica tot een bepaalde (verkeerde) beslissing heeft geleid. Hoe meer logica - en zeker kunstmatige intelligentie -, hoe lastiger het wordt om achteraf te herleiden hoe een besluit tot stand is gekomen. Ook moet je rekening houden met het feit dat verschillende versies van deze logica naast elkaar kunnen draaien, bijvoorbeeld als alle updates niet op hetzelfde moment worden geïnstalleerd. Ook moet je kunnen garanderen dat na zo’n update alle onderdelen nog goed met elkaar blijven communiceren.”
Zoals bij iedere toepassing is ook bij intelligent edge-oplossingen de output afhankelijk van de input. Het probleem met veel lokaal gegenereerde input is dat de kwaliteit erg wisselend kan zijn. Denk aan camerabeelden die wazig worden door waterdamp of sensoren die veel outliers produceren bij hun metingen.
Daarnaast moet je oppassen met zelflerende algoritmes die een black box vormen, zegt Robbrecht. “Zoals ik net al benadrukte, moet het nog wel uitlegbaar zijn hoe het algoritme tot een bepaalde uitkomst komt. Als je alles slim maakt, kunnen apparaten tegen elkaar in gaan werken. ‘Domme’ apparaten hebben een voorspelbaar gedrag via een duidelijke if-then-else beslisboom. Als veel meer apparaten slim gaan werken en dus minder voorspelbaar zijn, dan kan dat ook tegengesteld gaan werken. Denk aan slimme-energie-apparaten in combinatie met een energiecontract met flexibele prijzen. De kans bestaat dat ze allemaal tegelijk op hetzelfde moment aangaan, waardoor de limiet van je netaansluiting wordt overtreden. Als alle bedrijven in de buurt hetzelfde reageren, kan dit zelfs tot ernstige storingen in het netwerk leiden.”
Een ander aandachtspunt vormen de unhappy flows. “Het is over het algemeen niet zo moeilijk om een happy flow volledig te automatiseren. Maar neemt het algoritme ook de juiste beslissingen bij een zeer zeldzaam voorkomende unhappy flow? En als een verkeerde beslissing wordt genomen, wat is dan de consequentie daarvan? Zeker als het gaat om automatisch ingrijpen op fysieke processen, kan het bij unhappy flows heel erg misgaan. Als je die processen niet heel goed uitdenkt, loop je gewoonweg grote risico’s. Risico is immers kans maal impact”, waarschuwt Robbrecht.
Ook het beveiligen van de edge computer kan een issue zijn. Die staat immers vaak gewoon in een kast ergens in een fabriekshal, of zelfs in een kast ergens in het open veld. “Fysiek is zo’n edge computer niet makkelijk te beveiligen; je kunt er zo heen lopen, een apparaat eraan hangen en een groot deel van de operationele systemen overnemen. Uitganspunt moet altijd zijn dat ieder edge apparaat behandeld moet worden als een potentieel onvriendelijke gast in het netwerk. Een gast die continu moet bewijzen dat zijn gedrag veilig is. Soms gaat het onbewust verkeerd, zoals de edge computer op een schip dat een usb-poort had. De medewerker op het schip gebruikte die poort om zijn telefoon op te laden, met als gevolg een virusbesmetting in het primaire proces”, zegt Robbrecht.
Een laatste aandachtspunt wat hij onder de aandacht brengt, is wat er met de data en de algoritmes gebeurt bij verkoop van het apparaat. “Als jij je Tesla verkoopt, wat gebeurt er dan met de data die nog op de edge staat? Je moet juridisch de nodige dingen vastleggen. Denk bijvoorbeeld aan een bedrijfsonderdeel dat wordt verkocht, maar je wilt niet dat je IP ineens onderdeel wordt van die deal”, waarschuwt Robbrecht.
Hoe risicovoller de toepassing, hoe meer governance ermee gemoeid is. Robbrecht: “Als een beeldherkenningsalgoritme de juiste aardappels voor patat moet selecteren en er glipt een aardappel doorheen die eigenlijk te klein is, dan is dat niet zo’n punt. Maar als je 100 procent op de beslissingen van het apparaat moet kunnen vertrouwen, wordt het een ander verhaal.” Vrijwel iedereen met een redelijk nieuwe auto kan meepraten over stuurcorrecties of remacties die de auto zelfstandig neemt ten behoeve van jouw veiligheid. Ondertussen brengen ze in de praktijk juist jouw veiligheid in gevaar. “Daarom geldt zeker in situaties waarin de risico’s van een verkeerde beslissing groot zijn: hoe ‘dommer’ de intelligent edge is, hoe beter”, besluit Robbrecht.
Wil je snel en effectief
Kunnen reageren in jouw markt?