AI (Kecerdasan Buatan) berasal dari seminar musim panas yang diadakan oleh Kolej Dartmouth pada tahun 1956. Pada persidangan itu, istilah "kecerdasan buatan" secara rasmi dicadangkan buat kali pertama. Kejayaan teknologi dalam kuasa pengkomputeran telah menggalakkan pembangunan kecerdasan buatan satu demi satu. Dalam beberapa tahun kebelakangan ini, dengan peningkatan ketersediaan data besar, gelombang ketiga pembangunan kecerdasan buatan telah tiba. Pada 2015, algoritma kecerdasan buatan berdasarkan pembelajaran mendalam mengatasi manusia buat kali pertama dalam ketepatan pengecaman imej pertandingan ImageNet, dan kecerdasan buatan telah mencapai kemajuan yang besar di jalan pembangunan. Dengan kejayaan dalam penglihatan komputer teknologi penyelidikan, pembelajaran mendalam telah mencapai kejayaan besar dalam bidang penyelidikan yang berbeza seperti pengecaman pertuturan dan pemprosesan bahasa semula jadi. Kini, kecerdasan buatan telah menunjukkan potensi besar dalam semua aspek kehidupan.
Digabungkan dengan peringkat pembangunan teknologi kecerdasan buatan, beberapa konsep utama dijelaskan secara kasar seperti berikut.
AI: Semua teknologi yang membolehkan otak komputer mensimulasikan tingkah laku manusia.
Pembelajaran mesin: subset kecerdasan buatan (AI). Algoritma dan kaedah yang terus ditambah baik dengan belajar daripada data.
Pembelajaran mendalam: subset pembelajaran mesin (ML). Dengan menggunakan struktur berbilang lapisan yang menyerupai rangkaian saraf otak manusia, algoritma pembelajaran yang memperoleh maklumat berharga daripada sejumlah besar data.
2. Kekuatan baharu kecerdasan buatan, STMicroelectronics Deep Edge AI wujud
Pada masa ini, teknologi kecerdasan buatan digunakan terutamanya dalam senario awan kerana permintaan untuk kuasa pengkomputeran. Disebabkan oleh pengehadan kelewatan penghantaran data dan faktor lain, penyelesaian berasaskan awan mungkin tidak dapat memenuhi keperluan sesetengah pengguna untuk keselamatan data, responsif sistem, privasi dan penggunaan kuasa nod setempat. Dalam penyelesaian kecerdasan buatan terpusat, peranti terbenam (pembesar suara pintar, peranti boleh pakai, dsb.) biasanya bergantung pada pelayan awan untuk mencapai keupayaan kecerdasan buatan, manakala dalam penyelesaian Deep Edge AI, peranti terbenam itu sendiri boleh menjalankan kecerdasan buatan secara tempatan Algoritma untuk merealisasikan persepsi persekitaran masa nyata, interaksi manusia-komputer, kawalan membuat keputusan dan fungsi lain.
Mengalihkan proses penaakulan kepada pengkomputeran tepi dalam akan membawa beberapa kelebihan, seperti responsif sistem, perlindungan privasi maklumat pengguna yang lebih baik (tidak semua data perlu dihantar ke awan melalui berbilang sistem), dan kos sambungan dan penggunaan kuasa yang lebih rendah.
Menurut hasil penyelidikan ABI, penghantaran global peranti Deep Edge AI akan mencecah 2.5 bilion unit menjelang 2030. STMicroelectronics telah menyedari bahawa terdapat semakin banyak komuniti dan ekosistem yang mengelilingi teknologi Deep Edge AI, memfokuskan pada bebas, berkuasa rendah dan kos efektif. penyelesaian terbenam. Sebagai penganjur utama aliran ini, STMicroelectronics telah melaburkan banyak sumber dalam AI, bertujuan untuk membantu pembangun dalam sistem terbenam berdasarkan mikropengawal/pemproses mikro (siri STM32) dan penderia (MEMS, ToF…) Penggunaan pantas aplikasi AI. STMicroelectronics menyediakan satu set alatan AI untuk siri STM32 dan sensor MEMS yang menyepadukan teras pembelajaran mesin (MLC), yang boleh mempercepatkan kitaran pembangunan dan mengoptimumkan model AI terlatih (STM32Cube.AI).
Sebagai teknologi umum, kecerdasan buatan telah membuat pencapaian yang luar biasa dalam banyak bidang. Kami percaya bahawa semakin banyak peranti terminal pintar akan memberi kesan yang lebih langsung dan positif terhadap kehidupan manusia.
3. Penggunaan pantas aplikasi AI melalui ekosistem STMicroelectronics
STMicroelectronics menyediakan ekosistem perkakasan dan perisian untuk membantu dengan cepat dan mudah membangunkan pelbagai algoritma Deep Edge AI untuk penderia dan mikropengawal.
Pembelajaran mesin dalam MEMS sensor ekosistem membantu pereka bentuk menggunakan AI di Edge untuk melaksanakan gerak isyarat, pengecaman aktiviti, pengesanan anomali, dll. melalui pengelas pokok keputusan yang dijalankan pada enjin terbenam sensor yang dipanggil Teras Pembelajaran Mesin (MLC).
Oleh itu, pembangun penyelesaian IoT boleh menggunakan mana-mana penderia kami (dibenamkan dengan teras pembelajaran mesin) dalam persekitaran prototaip pantas untuk membangunkan aplikasi kuasa ultra rendah dengan cepat menggunakan alat UNICO-GUI.
Dengan reka bentuk penderia kuasa rendah terbina dalam, pengesanan peristiwa AI lanjutan, logik bangun tidur dan fungsi pengkomputeran tepi masa nyata, MLC dalam sensor mengurangkan jumlah penghantaran data sistem dan mengurangkan beban pemprosesan rangkaian.
Jika pembangun memutuskan untuk membangunkan penyelesaian berdasarkan teras pembelajaran mesin dalam penderia, mereka memerlukan satu set kaedah baharu untuk menerbitkan aplikasi mereka.
Jika anda ingin mencipta sebarang algoritma pembelajaran mesin, titik permulaan ialah data dan takrif kelasnya (digunakan untuk menerangkan masalah kompleks yang perlu diselesaikan). Anda boleh mengikuti lima langkah untuk mencipta dan menjalankan aplikasi AI dalam penderia. UNICO-GUI ialah antara muka pengguna grafik yang boleh menyokong semua lima langkah termasuk penjanaan pokok keputusan.
Untuk memudahkan pembangun menggunakan model AI terlatih dengan cepat ke STM32, kami telah membangunkan alat yang mudah digunakan dan cekap-STM32Cube.AI (juga dikenali sebagai X-CUBE-AI). X-CUBE-AI boleh menganalisis dan menukar rangkaian saraf terlatih kepada kod bahasa C yang dioptimumkan, dan secara automatik menguji terhadap sasaran STM32. Sudah tentu, X-CUBE-AI ialah alat yang sangat berkuasa, dan lebih banyak ciri akan diperkenalkan dalam artikel seterusnya.
Untuk menunjukkan cara beberapa aplikasi AI yang berbeza boleh berjalan terus pada STM32 dan mempercepatkan proses pembangunan, pengesahan dan penggunaan pembangun terbenam STM32, STMicroelectronics menyediakan banyak aplikasi AI sebagai rujukan.
Pembangun boleh melakukan pembangunan sekunder berdasarkan pakej perisian aplikasi AI terbenam ini untuk melaksanakan dengan pantas penggunaan model tersuai.
Butiran lanjut akan diperkenalkan dalam artikel seterusnya.
Alat pembangunan AI dan pakej perisian aplikasi terbenam diringkaskan seperti berikut
Perisian Terbenam
Di mana terdapat STM32, terdapat Deep Edge AI.
Semua MCU STM32 menyokong penggunaan model AI. Untuk MCU dengan kuasa pengkomputeran rendah, algoritma pembelajaran mesin (ML) disokong. Untuk MCU dengan kuasa pengkomputeran yang lebih tinggi, model rangkaian saraf (DL) juga disokong.
Senarai papan penilaian yang boleh menjalankan contoh aplikasi diringkaskan di bawah.
Alat Penilaian Produk
4. Inginkan butiran lanjut?
Kami akan menerbitkan satu siri artikel yang memperincikan hasil usaha STMicroelectronics dalam bidang Deep Edge AI.
Anda dialu-alukan untuk menerangkan perkara yang anda ingin ketahui tentang STMicroelectronics AI dalam ulasan, dan kami akan memberikan anda kandungan yang lebih menarik.