AI (Artificial Intelligence) ha origine dal seminario estivo tenuto dal Dartmouth College nel 1956. In tale conferenza venne proposto formalmente per la prima volta il termine “intelligenza artificiale”. Le scoperte tecnologiche nella potenza di calcolo hanno promosso uno dopo l’altro lo sviluppo dell’intelligenza artificiale. Negli ultimi anni, con la crescente disponibilità di big data, è arrivata la terza ondata di sviluppo dell’intelligenza artificiale. Nel 2015, l’algoritmo di intelligenza artificiale basato sul deep learning ha superato per la prima volta l’uomo nella precisione del riconoscimento delle immagini della competizione ImageNet, e l’intelligenza artificiale ha fatto grandi passi avanti sulla strada dello sviluppo. Con scoperte nella visione artificiale la tecnologia Nella ricerca, il deep learning ha ottenuto grandi successi in diversi campi di ricerca come il riconoscimento vocale e l’elaborazione del linguaggio naturale. Ora, l’intelligenza artificiale ha mostrato un grande potenziale in tutti gli aspetti della vita.
In combinazione con la fase di sviluppo della tecnologia dell'intelligenza artificiale, alcuni concetti principali sono spiegati approssimativamente come segue.
AI: tutte le tecnologie che consentono ai cervelli dei computer di simulare il comportamento umano.
Machine learning: un sottoinsieme dell'intelligenza artificiale (AI). Algoritmi e metodi che vengono continuamente migliorati imparando dai dati.
Deep learning: un sottoinsieme del machine learning (ML). Utilizzando una struttura multistrato che simula la rete neurale del cervello umano, un algoritmo di apprendimento che ottiene informazioni preziose da una grande quantità di dati.
2. La nuova forza dell'intelligenza artificiale, STMicroelectronics Deep Edge AI è nata
Attualmente, la tecnologia dell'intelligenza artificiale è utilizzata principalmente negli scenari cloud a causa della richiesta di potenza di calcolo. A causa della limitazione del ritardo nella trasmissione dei dati e di altri fattori, le soluzioni basate su cloud potrebbero non essere in grado di soddisfare le esigenze di alcuni utenti in termini di sicurezza dei dati, reattività del sistema, privacy e consumo energetico del nodo locale. In una soluzione di intelligenza artificiale centralizzata, i dispositivi incorporati (altoparlanti intelligenti, dispositivi indossabili, ecc.) Di solito si affidano a server cloud per ottenere capacità di intelligenza artificiale, mentre nella soluzione AI Deep Edge, il dispositivo incorporato stesso può eseguire localmente l'intelligenza artificiale Algoritmi per realizzare percezione dell'ambiente in tempo reale, interazione uomo-computer, controllo del processo decisionale e altre funzioni.
Spostare il processo di ragionamento sul deep edge computing porterà alcuni vantaggi, come la reattività del sistema, una migliore protezione della privacy delle informazioni utente (non tutti i dati devono essere trasmessi al cloud attraverso più sistemi) e minori costi di connessione e consumo energetico.
Secondo i risultati della ricerca ABI, le spedizioni globali di dispositivi Deep Edge AI raggiungeranno 2.5 miliardi di unità entro il 2030. STMicroelectronics ha notato che ci sono sempre più comunità ed ecosistemi che circondano la tecnologia Deep Edge AI, concentrandosi su dispositivi indipendenti, a basso consumo e convenienti soluzioni integrate. In qualità di principale promotore di questa tendenza, STMicroelectronics ha investito molte risorse nell'AI, con l'obiettivo di aiutare gli sviluppatori in sistemi embedded basati su microcontrollori/microprocessori (serie STM32) e sensori (MEMS, ToF...) Rapida implementazione di applicazioni AI. STMicroelectronics fornisce una serie di strumenti di intelligenza artificiale per la serie STM32 e sensori MEMS che integrano il core di apprendimento automatico (MLC), in grado di accelerare il ciclo di sviluppo e ottimizzare il modello di intelligenza artificiale addestrato (STM32Cube.AI).
Come tecnologia generale, l'intelligenza artificiale ha ottenuto risultati notevoli in molti campi. Riteniamo che sempre più dispositivi terminali intelligenti avranno un impatto più diretto e positivo sulla vita umana.
3. Rapida implementazione delle applicazioni AI attraverso l'ecosistema di STMicroelectronics
STMicroelectronics fornisce un ecosistema di hardware e software per aiutare a sviluppare rapidamente e facilmente una varietà di algoritmi AI Deep Edge per sensori e microcontrollori.
Il machine learning nei MEMS sensore L'ecosistema aiuta i progettisti a utilizzare l'AI at the Edge per implementare gesti, riconoscimento di attività, rilevamento di anomalie, ecc. attraverso un classificatore dell'albero decisionale in esecuzione su un motore integrato di sensori chiamato Machine Learning Core (MLC).
Pertanto, gli sviluppatori di soluzioni IoT possono implementare uno qualsiasi dei nostri sensori (incorporati con il core di apprendimento automatico) nell'ambiente di prototipazione rapida per sviluppare rapidamente applicazioni a bassissima potenza utilizzando gli strumenti UNICO-GUI.
Con il design del sensore a bassa potenza integrato, il rilevamento avanzato degli eventi AI, la logica di riattivazione e le funzioni di edge computing in tempo reale, l'MLC nel sensore riduce notevolmente la quantità di trasmissione dei dati di sistema e riduce il carico dell'elaborazione di rete.
Se gli sviluppatori decidono di sviluppare una soluzione basata sul nucleo dell'apprendimento automatico nel sensore, hanno bisogno di una nuova serie di metodi per pubblicare le loro applicazioni.
Se si vuole creare un qualsiasi algoritmo di machine learning, il punto di partenza sono i dati e la sua definizione della classe (usata per descrivere il complesso problema da risolvere). Puoi seguire cinque passaggi per creare ed eseguire applicazioni AI nel sensore. UNICO-GUI è un'interfaccia utente grafica in grado di supportare tutti e cinque i passaggi, inclusa la generazione dell'albero decisionale.
Per facilitare agli sviluppatori la distribuzione rapida di modelli di intelligenza artificiale addestrati su STM32, abbiamo sviluppato uno strumento efficiente e facile da usare: STM32Cube.AI (noto anche come X-CUBE-AI). X-CUBE-AI può analizzare e convertire la rete neurale addestrata in un codice del linguaggio C ottimizzato e testare automaticamente i target STM32. Naturalmente, X-CUBE-AI è uno strumento molto potente e più funzionalità verranno introdotte negli articoli successivi.
Per mostrare come diverse applicazioni AI possono essere eseguite direttamente su STM32 e accelerare il processo di sviluppo, verifica e implementazione degli sviluppatori embedded STM32, STMicroelectronics fornisce molte applicazioni AI come riferimento.
Gli sviluppatori possono eseguire uno sviluppo secondario basato su questi pacchetti software applicativi di intelligenza artificiale incorporati per implementare rapidamente l'implementazione di modelli personalizzati.
Maggiori dettagli verranno introdotti nei successivi articoli.
Gli strumenti di sviluppo AI e i pacchetti software applicativi incorporati sono riassunti come segue
Software incorporato
Dove c'è STM32, c'è Deep Edge AI.
Tutti gli MCU di STM32 supportano l'implementazione di modelli AI. Per gli MCU con bassa potenza di calcolo, sono supportati algoritmi di apprendimento automatico (ML). Per gli MCU con maggiore potenza di calcolo, sono supportati anche i modelli di rete neurale (DL).
L'elenco delle schede di valutazione che possono eseguire gli esempi di applicazione è riassunto di seguito.
Strumento di valutazione del prodotto
4. Vuoi maggiori dettagli?
Pubblicheremo una serie di articoli che dettagliano i risultati degli sforzi di STMicroelectronics nel campo dell'AI Deep Edge.
Siete invitati a spiegare cosa volete sapere su STMicroelectronics AI nei commenti e vi presenteremo contenuti più interessanti.