AI (Inteligência Artificial) originou-se do seminário de verão realizado pelo Dartmouth College em 1956. Na conferência, o termo “inteligência artificial” foi formalmente proposto pela primeira vez. Os avanços tecnológicos no poder da computação promoveram o desenvolvimento da inteligência artificial, um após o outro. Nos últimos anos, com a crescente disponibilidade de big data, chegou a terceira onda de desenvolvimento da inteligência artificial. Em 2015, o algoritmo de inteligência artificial baseado em aprendizagem profunda ultrapassou os humanos pela primeira vez na precisão do reconhecimento de imagem da competição ImageNet, e a inteligência artificial fez grandes avanços no caminho do desenvolvimento. Com avanços em visão computacional tecnologia pesquisa, o aprendizado profundo alcançou grande sucesso em diferentes campos de pesquisa, como reconhecimento de fala e processamento de linguagem natural. Agora, a inteligência artificial mostrou um grande potencial em todos os aspectos da vida.
Combinado com o estágio de desenvolvimento da tecnologia de inteligência artificial, alguns conceitos principais são explicados de forma aproximada a seguir.
AI: Todas as tecnologias que permitem que os cérebros dos computadores simulem o comportamento humano.
Aprendizado de máquina: um subconjunto da inteligência artificial (IA). Algoritmos e métodos que são continuamente aprimorados ao aprender com os dados.
Aprendizado profundo: um subconjunto do aprendizado de máquina (ML). Ao usar uma estrutura multicamadas que simula a rede neural do cérebro humano, um algoritmo de aprendizagem que obtém informações valiosas de uma grande quantidade de dados.
2. A nova força da inteligência artificial, STMicroelectronics Deep Edge AI surgiu
Atualmente, a tecnologia de inteligência artificial é usada principalmente em cenários de nuvem devido à demanda por poder de computação. Devido à limitação do atraso na transmissão de dados e outros fatores, as soluções baseadas em nuvem podem não ser capazes de atender às necessidades de alguns usuários de segurança de dados, capacidade de resposta do sistema, privacidade e consumo de energia do nó local. Em uma solução de inteligência artificial centralizada, os dispositivos incorporados (alto-falantes inteligentes, dispositivos vestíveis, etc.) geralmente dependem de servidores em nuvem para obter recursos de inteligência artificial, enquanto na solução Deep Edge AI, o próprio dispositivo incorporado pode executar algoritmos de inteligência artificial localmente para realizar percepção do ambiente em tempo real, interação humano-computador, controle de tomada de decisão e outras funções.
Mover o processo de raciocínio para a computação de ponta trará algumas vantagens, como capacidade de resposta do sistema, melhor proteção da privacidade das informações do usuário (nem todos os dados precisam ser transmitidos para a nuvem por meio de vários sistemas) e menores custos de conexão e consumo de energia.
De acordo com os resultados da pesquisa da ABI, as remessas globais de dispositivos Deep Edge AI chegarão a 2.5 bilhões de unidades até 2030. A STMicroelectronics percebeu que há cada vez mais comunidades e ecossistemas em torno da tecnologia Deep Edge AI, com foco em tecnologias independentes, de baixo consumo de energia e econômicas soluções embarcadas. Como principal promotora dessa tendência, a STMicroelectronics tem investido muitos recursos em IA, com o objetivo de auxiliar desenvolvedores de sistemas embarcados baseados em microcontroladores / microprocessadores (série STM32) e sensores (MEMS, ToF ...) Rápida implantação de aplicações de IA. A STMicroelectronics fornece um conjunto de ferramentas de IA para a série STM32 e sensores MEMS que integram o núcleo de aprendizado de máquina (MLC), que pode acelerar o ciclo de desenvolvimento e otimizar o modelo de IA treinado (STM32Cube.AI).
Como uma tecnologia geral, a inteligência artificial obteve realizações notáveis em muitos campos. Acreditamos que cada vez mais dispositivos terminais inteligentes terão um impacto mais direto e positivo na vida humana.
3. Implantação rápida de aplicativos de IA por meio do ecossistema da STMicroeletrônica
A STMicroelectronics fornece um ecossistema de hardware e software para ajudar a desenvolver de forma rápida e fácil uma variedade de algoritmos Deep Edge AI para sensores e microcontroladores.
O aprendizado de máquina no MEMS sensor O ecossistema ajuda os designers a usar a IA no Edge para implementar gestos, reconhecimento de atividades, detecção de anomalias, etc. por meio de um classificador de árvore de decisão em execução em um mecanismo de sensor integrado denominado Machine Learning Core (MLC).
Portanto, os desenvolvedores de soluções IoT podem implantar qualquer um de nossos sensores (integrados ao núcleo de aprendizado de máquina) no ambiente de prototipagem rápida para desenvolver rapidamente aplicativos de ultra-baixo consumo de energia usando ferramentas UNICO-GUI.
Com o design de sensor de baixa potência integrado, detecção avançada de eventos de IA, lógica de ativação e funções de computação de borda em tempo real, o MLC no sensor reduz muito a quantidade de transmissão de dados do sistema e reduz a carga de processamento da rede.
Se os desenvolvedores decidirem desenvolver uma solução baseada no núcleo do aprendizado de máquina no sensor, eles precisarão de um novo conjunto de métodos para publicar seus aplicativos.
Se você deseja criar qualquer algoritmo de aprendizado de máquina, o ponto de partida são os dados e sua definição da classe (usada para descrever o problema complexo a ser resolvido). Você pode seguir cinco etapas para criar e executar aplicativos de IA no sensor. UNICO-GUI é uma interface gráfica de usuário que pode suportar todas as cinco etapas, incluindo a geração de árvore de decisão.
Para facilitar os desenvolvedores a implantar rapidamente modelos de IA treinados no STM32, desenvolvemos uma ferramenta eficiente e fácil de usar - STM32Cube.AI (também conhecida como X-CUBE-AI). O X-CUBE-AI pode analisar e converter a rede neural treinada em código de linguagem C otimizado e testar automaticamente em relação aos alvos STM32. Claro, X-CUBE-AI é uma ferramenta muito poderosa, e mais recursos serão introduzidos em artigos subsequentes.
Para mostrar como vários aplicativos de IA diferentes podem ser executados diretamente no STM32 e acelerar o processo de desenvolvimento, verificação e implantação de desenvolvedores integrados STM32, o STMicroelectronics fornece muitos aplicativos de IA como referência.
Os desenvolvedores podem realizar o desenvolvimento secundário com base nesses pacotes de software de aplicativo de IA incorporados para implementar rapidamente a implantação de modelos personalizados.
Mais detalhes serão introduzidos em artigos subsequentes.
As ferramentas de desenvolvimento de IA e os pacotes de software de aplicativos incorporados são resumidos a seguir
Software Embarcado
Onde há STM32, há Deep Edge AI.
Todos os MCUs do STM32 suportam a implantação de modelos AI. Para MCUs com baixo poder de computação, algoritmos de aprendizado de máquina (ML) são suportados. Para MCUs com maior poder de computação, modelos de rede neural (DL) também são suportados.
A lista de placas de avaliação que podem executar os exemplos de aplicativos está resumida a seguir.
Ferramenta de Avaliação de Produto
4. Quer mais detalhes?
Publicaremos uma série de artigos detalhando os resultados dos esforços da STMicroelectronics no campo Deep Edge AI.
Você pode explicar o que deseja saber sobre a STMicroelectronics AI nos comentários e apresentaremos a você mais conteúdos interessantes.