AI (Inteligencia artificial) surgió del seminario de verano celebrado en el Dartmouth College en 1956. En la conferencia se propuso formalmente por primera vez el término “inteligencia artificial”. Los avances tecnológicos en potencia informática han promovido uno tras otro el desarrollo de la inteligencia artificial. En los últimos años, con la creciente disponibilidad de big data, ha llegado la tercera ola de desarrollo de la inteligencia artificial. En 2015, el algoritmo de inteligencia artificial basado en el aprendizaje profundo superó a los humanos por primera vez en la precisión del reconocimiento de imágenes en la competencia ImageNet, y la inteligencia artificial ha logrado grandes avances en el camino del desarrollo. Con avances en visión por computadora la tecnología En la investigación, el aprendizaje profundo ha logrado un gran éxito en diferentes campos de investigación, como el reconocimiento de voz y el procesamiento del lenguaje natural. Ahora, la inteligencia artificial ha mostrado un gran potencial en todos los aspectos de la vida.
En combinación con la etapa de desarrollo de la tecnología de inteligencia artificial, algunos conceptos principales se explican a grandes rasgos a continuación.
IA: todas las tecnologías que permiten que los cerebros de las computadoras simulen el comportamiento humano.
Aprendizaje automático: un subconjunto de la inteligencia artificial (IA). Algoritmos y métodos que se mejoran continuamente mediante el aprendizaje de los datos.
Aprendizaje profundo: un subconjunto del aprendizaje automático (ML). Mediante el uso de una estructura multicapa que simula la red neuronal del cerebro humano, un algoritmo de aprendizaje que obtiene información valiosa a partir de una gran cantidad de datos.
2. Nació la nueva fuerza de la inteligencia artificial, STMicroelectronics Deep Edge AI
En la actualidad, la tecnología de inteligencia artificial se utiliza principalmente en escenarios de nube debido a la demanda de potencia informática. Debido a la limitación de la demora en la transmisión de datos y otros factores, es posible que las soluciones basadas en la nube no puedan satisfacer las necesidades de algunos usuarios en cuanto a seguridad de datos, capacidad de respuesta del sistema, privacidad y consumo de energía del nodo local. En una solución de inteligencia artificial centralizada, los dispositivos integrados (altavoces inteligentes, dispositivos portátiles, etc.) generalmente dependen de servidores en la nube para lograr capacidades de inteligencia artificial, mientras que en la solución Deep Edge AI, el dispositivo integrado puede ejecutar inteligencia artificial localmente Algoritmos para realizar percepción del entorno en tiempo real, interacción persona-computadora, control de la toma de decisiones y otras funciones.
Mover el proceso de razonamiento a la computación de borde profundo traerá algunas ventajas, como la capacidad de respuesta del sistema, una mejor protección de la privacidad de la información del usuario (no todos los datos deben transmitirse a la nube a través de múltiples sistemas) y menores costos de conexión y consumo de energía.
Según los resultados de la investigación de ABI, los envíos globales de dispositivos Deep Edge AI alcanzarán los 2.5 millones de unidades para 2030. STMicroelectronics ha notado que hay cada vez más comunidades y ecosistemas que rodean la tecnología Deep Edge AI, centrándose en independientes, de bajo consumo y rentables. soluciones integradas. Como principal impulsor de esta tendencia, STMicroelectronics ha invertido muchos recursos en IA, con el objetivo de ayudar a los desarrolladores en sistemas embebidos basados en microcontroladores / microprocesadores (serie STM32) y sensores (MEMS, ToF…) Despliegue rápido de aplicaciones de IA. STMicroelectronics proporciona un conjunto de herramientas de IA para la serie STM32 y sensores MEMS que integran el núcleo de aprendizaje automático (MLC), que puede acelerar el ciclo de desarrollo y optimizar el modelo de IA entrenado (STM32Cube.AI).
Como tecnología general, la inteligencia artificial ha logrado logros notables en muchos campos. Creemos que cada vez más dispositivos terminales inteligentes tendrán un impacto más directo y positivo en la vida humana.
3. Implementación rápida de aplicaciones de inteligencia artificial a través del ecosistema de STMicroelectronics
STMicroelectronics proporciona un ecosistema de hardware y software para ayudar a desarrollar rápida y fácilmente una variedad de algoritmos de IA de Deep Edge para sensores y microcontroladores.
El aprendizaje automático en los MEMS sensor El ecosistema ayuda a los diseñadores a usar IA en el borde para implementar gestos, reconocimiento de actividades, detección de anomalías, etc. a través de un clasificador de árbol de decisiones que se ejecuta en un motor integrado de sensores llamado Machine Learning Core (MLC).
Por lo tanto, los desarrolladores de soluciones de IoT pueden implementar cualquiera de nuestros sensores (integrados con el núcleo de aprendizaje automático) en el entorno de creación rápida de prototipos para desarrollar rápidamente aplicaciones de energía ultrabaja utilizando herramientas UNICO-GUI.
Con el diseño del sensor de baja potencia incorporado, la detección avanzada de eventos de IA, la lógica de activación y las funciones de computación de borde en tiempo real, el MLC en el sensor reduce en gran medida la cantidad de transmisión de datos del sistema y reduce la carga del procesamiento de la red.
Si los desarrolladores deciden desarrollar una solución basada en el núcleo del aprendizaje automático en el sensor, necesitan un nuevo conjunto de métodos para publicar sus aplicaciones.
Si desea crear cualquier algoritmo de aprendizaje automático, el punto de partida son los datos y su definición de la clase (utilizada para describir el problema complejo a resolver). Puede seguir cinco pasos para crear y ejecutar aplicaciones de IA en el sensor. UNICO-GUI es una interfaz gráfica de usuario que admite los cinco pasos, incluida la generación de árboles de decisión.
Para facilitar a los desarrolladores la implementación rápida de modelos de IA entrenados en STM32, hemos desarrollado una herramienta fácil de usar y eficiente: STM32Cube.AI (también conocida como X-CUBE-AI). X-CUBE-AI puede analizar y convertir la red neuronal entrenada en un código de lenguaje C optimizado y probar automáticamente contra objetivos STM32. Por supuesto, X-CUBE-AI es una herramienta muy poderosa y se presentarán más funciones en artículos posteriores.
Para mostrar cómo varias aplicaciones de inteligencia artificial diferentes pueden ejecutarse directamente en STM32 y acelerar el proceso de desarrollo, verificación e implementación de los desarrolladores integrados de STM32, STMicroelectronics proporciona muchas aplicaciones de inteligencia artificial como referencia.
Los desarrolladores pueden realizar un desarrollo secundario basado en estos paquetes de software de aplicaciones de inteligencia artificial integrados para implementar rápidamente la implementación de modelos personalizados.
Se introducirán más detalles en artículos posteriores.
Las herramientas de desarrollo de IA y los paquetes de software de aplicaciones integrados se resumen a continuación
Embedded Software
Donde hay STM32, hay Deep Edge AI.
Todas las MCU de STM32 admiten la implementación de modelos de IA. Para MCU con baja potencia informática, se admiten algoritmos de aprendizaje automático (ML). Para MCU con mayor potencia informática, también se admiten modelos de redes neuronales (DL).
La lista de placas de evaluación que pueden ejecutar los ejemplos de aplicación se resume a continuación.
Herramienta de evaluación de productos
4. ¿Quieres más detalles?
Publicaremos una serie de artículos que detallan los resultados de los esfuerzos de STMicroelectronics en el campo de la IA de Deep Edge.
Puede explicar lo que desea saber sobre la IA de STMicroelectronics en los comentarios y le presentaremos contenido más interesante.