AI (Искусственный интеллект) зародился на летнем семинаре, проведенном Дартмутским колледжем в 1956 году. На конференции впервые был официально предложен термин «искусственный интеллект». Технологические прорывы в области вычислительных мощностей один за другим способствовали развитию искусственного интеллекта. В последние годы, с ростом доступности больших данных, наступила третья волна развития искусственного интеллекта. В 2015 году алгоритм искусственного интеллекта, основанный на глубоком обучении, впервые превзошел человека по точности распознавания изображений в конкурсе ImageNet, и искусственный интеллект добился больших успехов на пути развития. Благодаря прорывам в компьютерном зрении technology исследования, глубокое обучение добилось больших успехов в различных областях исследований, таких как распознавание речи и обработка естественного языка. Теперь искусственный интеллект продемонстрировал большой потенциал во всех аспектах жизни.
В сочетании со стадией развития технологии искусственного интеллекта некоторые основные концепции примерно объясняются следующим образом.
AI: Все технологии, позволяющие компьютерному мозгу моделировать поведение человека.
Машинное обучение: разновидность искусственного интеллекта (ИИ). Алгоритмы и методы, которые постоянно улучшаются за счет обучения на данных.
Глубокое обучение: разновидность машинного обучения (ML). Используя многослойную структуру, имитирующую нейронную сеть человеческого мозга, алгоритм обучения, который получает ценную информацию из большого количества данных.
2. Возникла новая сила искусственного интеллекта, STMicroelectronics Deep Edge AI.
В настоящее время технология искусственного интеллекта в основном используется в облачных сценариях из-за потребности в вычислительной мощности. Из-за ограничения задержки передачи данных и других факторов облачные решения могут не удовлетворить потребности некоторых пользователей в безопасности данных, быстродействии системы, конфиденциальности и энергопотреблении локального узла. В централизованном решении искусственного интеллекта встроенные устройства (интеллектуальные колонки, носимые устройства и т. Д.) Обычно полагаются на облачные серверы для достижения возможностей искусственного интеллекта, в то время как в решении Deep Edge AI встроенное устройство само может запускать искусственный интеллект локально. восприятие окружающей среды в реальном времени, взаимодействие человека с компьютером, контроль принятия решений и другие функции.
Перенос процесса рассуждений на глубокие периферийные вычисления принесет некоторые преимущества, такие как оперативность системы, лучшая защита конфиденциальности пользовательской информации (не все данные необходимо передавать в облако через несколько систем), а также более низкие затраты на соединение и энергопотребление.
Согласно результатам исследования ABI, глобальные поставки устройств Deep Edge AI к 2.5 году достигнут 2030 миллиарда единиц. STMicroelectronics заметила, что вокруг технологии Deep Edge AI появляется все больше сообществ и экосистем, ориентированных на независимые, маломощные и экономичные встроенные решения. Как главный пропагандист этой тенденции, STMicroelectronics инвестировала много ресурсов в AI, стремясь помочь разработчикам встраиваемых систем на основе микроконтроллеров / микропроцессоров (серия STM32) и датчиков (MEMS, ToF…). Быстрое развертывание приложений AI. STMicroelectronics предоставляет набор инструментов ИИ для датчиков серии STM32 и МЭМС, которые объединяют ядро машинного обучения (MLC), что может ускорить цикл разработки и оптимизировать обученную модель ИИ (STM32Cube.AI).
Как общая технология, искусственный интеллект добился замечательных достижений во многих областях. Мы считаем, что все больше и больше интеллектуальных терминальных устройств будут иметь более прямое и положительное влияние на жизнь человека.
3. Быстрое развертывание приложений искусственного интеллекта через экосистему STMicroelectronics.
STMicroelectronics предоставляет экосистему аппаратного и программного обеспечения, которая помогает быстро и легко разрабатывать различные алгоритмы Deep Edge AI для датчиков и микроконтроллеров.
Машинное обучение в МЭМС датчик экосистема помогает дизайнерам использовать ИИ на границе для реализации жестов, распознавания активности, обнаружения аномалий и т. д. с помощью классификатора дерева решений, работающего на встроенном механизме сенсора, называемом ядром машинного обучения (MLC).
Таким образом, разработчики решений Интернета вещей могут развернуть любой из наших датчиков (со встроенным ядром машинного обучения) в среде быстрого прототипирования, чтобы быстро разрабатывать приложения со сверхнизким энергопотреблением с помощью инструментов UNICO-GUI.
Благодаря встроенной конструкции датчика с низким энергопотреблением, расширенному обнаружению событий AI, логике пробуждения и функциям граничных вычислений в реальном времени, MLC в датчике значительно сокращает объем передачи системных данных и снижает нагрузку на сетевую обработку.
Если разработчики решат разработать решение на основе ядра машинного обучения в сенсоре, им понадобится новый набор методов для публикации своих приложений.
Если вы хотите создать какой-либо алгоритм машинного обучения, отправной точкой являются данные и их определение класса (используется для описания сложной проблемы, которую необходимо решить). Вы можете выполнить пять шагов, чтобы создать и запустить приложения ИИ в датчике. UNICO-GUI — это графический пользовательский интерфейс, поддерживающий все пять шагов, включая создание дерева решений.
Чтобы помочь разработчикам быстро развертывать обученные модели ИИ в STM32, мы разработали простой в использовании и эффективный инструмент STM32Cube.AI (также известный как X-CUBE-AI). X-CUBE-AI может анализировать и преобразовывать обученную нейронную сеть в оптимизированный код языка C, а также автоматически тестировать на соответствие целям STM32. Конечно, X-CUBE-AI — очень мощный инструмент, и в последующих статьях будут представлены дополнительные функции.
Чтобы показать, как несколько различных приложений ИИ могут работать непосредственно на STM32, и ускорить процесс разработки, проверки и развертывания разработчиками встроенных STM32, STMicroelectronics предоставляет множество приложений ИИ в качестве справочника.
Разработчики могут выполнять вторичную разработку на основе этих встроенных программных пакетов приложений искусственного интеллекта, чтобы быстро реализовать развертывание пользовательских моделей.
Более подробная информация будет представлена в следующих статьях.
Инструменты разработки ИИ и пакеты встроенного прикладного программного обеспечения кратко описаны ниже.
Встроенное программное обеспечение
Где STM32, там Deep Edge AI.
Все микроконтроллеры STM32 поддерживают развертывание моделей искусственного интеллекта. Для микроконтроллеров с низкой вычислительной мощностью поддерживаются алгоритмы машинного обучения (ML). Для микроконтроллеров с более высокой вычислительной мощностью также поддерживаются модели нейронных сетей (DL).
Список оценочных плат, на которых можно запускать примеры приложений, приведен ниже.
Инструмент оценки продукта
4. Хотите узнать больше?
Мы опубликуем серию статей, подробно описывающих результаты усилий STMicroelectronics в области Deep Edge AI.
Вы можете объяснить, что вы хотите знать об искусственном интеллекте STMicroelectronics, в комментариях, и мы представим вам более интересный контент.