AI (Kecerdasan Buatan) bermula dari seminar musim panas yang diadakan oleh Dartmouth College pada tahun 1956. Pada konferensi tersebut, istilah “kecerdasan buatan” secara resmi diusulkan untuk pertama kalinya. Terobosan teknologi dalam daya komputasi telah mendorong perkembangan kecerdasan buatan satu demi satu. Dalam beberapa tahun terakhir, dengan meningkatnya ketersediaan data besar, gelombang ketiga pengembangan kecerdasan buatan telah tiba. Pada tahun 2015, algoritme kecerdasan buatan berdasarkan pembelajaran mendalam untuk pertama kalinya melampaui manusia dalam akurasi pengenalan gambar kompetisi ImageNet, dan kecerdasan buatan telah membuat kemajuan besar dalam pengembangannya. Dengan terobosan dalam visi komputer teknologi penelitian, pembelajaran mendalam telah mencapai kesuksesan besar di berbagai bidang penelitian seperti pengenalan suara dan pemrosesan bahasa alami. Saat ini, kecerdasan buatan telah menunjukkan potensi besar dalam segala aspek kehidupan.
Dikombinasikan dengan tahap perkembangan teknologi kecerdasan buatan, beberapa konsep utama secara garis besar dijelaskan sebagai berikut.
AI: Semua teknologi yang memungkinkan otak komputer untuk mensimulasikan perilaku manusia.
Pembelajaran mesin: bagian dari kecerdasan buatan (AI). Algoritma dan metode yang terus ditingkatkan dengan belajar dari data.
Pembelajaran mendalam: bagian dari pembelajaran mesin (ML). Dengan menggunakan struktur multi-layer yang mensimulasikan jaringan saraf otak manusia, algoritma pembelajaran yang memperoleh informasi berharga dari sejumlah besar data.
2. Kekuatan baru kecerdasan buatan, STMicroelectronics Deep Edge AI muncul
Saat ini, teknologi kecerdasan buatan terutama digunakan dalam skenario cloud karena permintaan akan daya komputasi. Karena keterbatasan penundaan transmisi data dan faktor lainnya, solusi berbasis cloud mungkin tidak dapat memenuhi kebutuhan beberapa pengguna untuk keamanan data, respons sistem, privasi, dan konsumsi daya node lokal. Dalam solusi kecerdasan buatan terpusat, perangkat yang disematkan (speaker pintar, perangkat yang dapat dikenakan, dll.) biasanya mengandalkan server cloud untuk mencapai kemampuan kecerdasan buatan, sedangkan dalam solusi AI Deep Edge, perangkat yang disematkan itu sendiri dapat menjalankan kecerdasan buatan secara lokal. persepsi lingkungan real-time, interaksi manusia-komputer, kontrol pengambilan keputusan dan fungsi lainnya.
Memindahkan proses penalaran ke deep edge computing akan membawa beberapa keuntungan, seperti responsivitas sistem, perlindungan privasi informasi pengguna yang lebih baik (tidak semua data perlu ditransmisikan ke cloud melalui beberapa sistem), dan biaya koneksi serta konsumsi daya yang lebih rendah.
Menurut hasil penelitian ABI, pengiriman global perangkat Deep Edge AI akan mencapai 2.5 miliar unit pada tahun 2030. STMicroelectronics telah memperhatikan bahwa semakin banyak komunitas dan ekosistem di sekitar teknologi Deep Edge AI, yang berfokus pada independen, berdaya rendah, dan hemat biaya. solusi tertanam. Sebagai promotor utama tren ini, STMicroelectronics telah menginvestasikan banyak sumber daya dalam AI, yang bertujuan untuk membantu pengembang dalam sistem tertanam berbasis mikrokontroler/mikroprosesor (seri STM32) dan sensor (MEMS, ToF…) Penerapan aplikasi AI yang cepat. STMicroelectronics menyediakan seperangkat alat AI untuk seri STM32 dan sensor MEMS yang mengintegrasikan inti pembelajaran mesin (MLC), yang dapat mempercepat siklus pengembangan dan mengoptimalkan model AI terlatih (STM32Cube.AI).
Sebagai teknologi umum, kecerdasan buatan telah membuat pencapaian luar biasa di banyak bidang. Kami percaya bahwa semakin banyak perangkat terminal pintar akan memiliki dampak yang lebih langsung dan positif pada kehidupan manusia.
3. Penerapan aplikasi AI yang cepat melalui ekosistem STMicroelectronics
STMicroelectronics menyediakan ekosistem perangkat keras dan perangkat lunak untuk membantu dengan cepat dan mudah mengembangkan berbagai algoritma Deep Edge AI untuk sensor dan mikrokontroler.
Pembelajaran mesin di MEMS Sensor ekosistem membantu desainer menggunakan AI di Edge untuk mengimplementasikan gerakan, pengenalan aktivitas, deteksi anomali, dll. melalui pengklasifikasi pohon keputusan yang berjalan pada mesin tertanam sensor yang disebut Machine Learning Core (MLC).
Oleh karena itu, pengembang solusi IoT dapat menerapkan salah satu sensor kami (tertanam dengan inti pembelajaran mesin) di lingkungan pembuatan prototipe cepat untuk mengembangkan aplikasi berdaya ultra-rendah dengan cepat menggunakan alat UNICO-GUI.
Dengan desain sensor daya rendah bawaan, deteksi peristiwa AI canggih, logika bangun, dan fungsi komputasi tepi waktu nyata, MLC dalam sensor sangat mengurangi jumlah transmisi data sistem dan mengurangi beban pemrosesan jaringan.
Jika pengembang memutuskan untuk mengembangkan solusi berdasarkan inti pembelajaran mesin di sensor, mereka memerlukan serangkaian metode baru untuk memublikasikan aplikasi mereka.
Jika Anda ingin membuat algoritme pembelajaran mesin apa pun, titik awalnya adalah data dan definisi kelasnya (digunakan untuk menggambarkan masalah kompleks yang harus dipecahkan). Anda dapat mengikuti lima langkah untuk membuat dan menjalankan aplikasi AI di sensor. UNICO-GUI adalah antarmuka pengguna grafis yang dapat mendukung semua lima langkah termasuk pembuatan pohon keputusan.
Untuk memfasilitasi pengembang agar cepat menerapkan model AI terlatih ke STM32, kami telah mengembangkan alat yang mudah digunakan dan efisien-STM32Cube.AI (juga dikenal sebagai X-CUBE-AI). X-CUBE-AI dapat menganalisis dan mengubah jaringan saraf terlatih menjadi kode bahasa C yang dioptimalkan, dan secara otomatis menguji terhadap target STM32. Tentu saja, X-CUBE-AI adalah alat yang sangat kuat, dan lebih banyak fitur akan diperkenalkan di artikel berikutnya.
Untuk menunjukkan bagaimana beberapa aplikasi AI yang berbeda dapat berjalan langsung di STM32 dan mempercepat proses pengembangan, verifikasi, dan penerapan pengembang tertanam STM32, STMicroelectronics menyediakan banyak aplikasi AI sebagai referensi.
Pengembang dapat melakukan pengembangan sekunder berdasarkan paket perangkat lunak aplikasi AI yang disematkan ini untuk menerapkan penerapan model kustom dengan cepat.
Rincian lebih lanjut akan diperkenalkan di artikel berikutnya.
Alat pengembangan AI dan paket perangkat lunak aplikasi tertanam diringkas sebagai berikut:
Perangkat Lunak Tertanam
Di mana ada STM32, ada Deep Edge AI.
Semua MCU STM32 mendukung penerapan model AI. Untuk MCU dengan daya komputasi rendah, algoritme pembelajaran mesin (ML) didukung. Untuk MCU dengan daya komputasi yang lebih tinggi, model jaringan saraf (DL) juga didukung.
Daftar papan evaluasi yang dapat menjalankan contoh aplikasi dirangkum di bawah ini.
Alat Evaluasi Produk
4. Ingin lebih detail?
Kami akan menerbitkan serangkaian artikel yang merinci hasil upaya STMicroelectronics di bidang Deep Edge AI.
Anda dipersilakan untuk menjelaskan apa yang ingin Anda ketahui tentang STMicroelectronics AI di komentar, dan kami akan memberi Anda konten yang lebih menarik.