Где Edge и Endpoint AI встречаются с облаком

Пандемия COVID-19 создала новые требования к здоровью и безопасности, которые изменили то, как люди взаимодействуют друг с другом и с их непосредственным окружением. Стремительно растущий спрос на бесконтактные устройства, в свою очередь, ускорил переход к системам на базе искусственного интеллекта, голосовому управлению и другим бесконтактным пользовательским интерфейсам, что приближает интеллектуальные возможности к конечной точке.

Одной из наиболее важных тенденций в электронной промышленности сегодня является внедрение ИИ во встроенные устройства, в частности ИИ, интерпретирующего данные датчиков, такие как изображения и машинное обучение, для альтернативных пользовательских интерфейсов, таких как голос.

Встроенный искусственный интеллект вещей (AIoT) - это ключ к беспрепятственной работе без помощи рук, которая поможет обезопасить пользователей в условиях пост-Covid. Рассмотрите возможности:интеллектуальные тележки для покупок, которые позволяют сканировать товары, когда вы бросаете их в корзину, и использовать мобильные платежи, чтобы обходить кассу, или интеллектуальные системы видеоконференцсвязи, которые автоматически распознают и переключают внимание на разных выступающих во время встреч, чтобы обеспечить больше личного опыта для удаленных команд.

Почему сейчас время для прорыва в области встроенного AIoT?

AIoT уходит

Первоначально ИИ обосновался в облаке, где он использовал преимущества вычислительной мощности, памяти и масштабируемости хранилища, с которыми граница и конечная точка просто не могли сравниться. Однако все больше и больше мы наблюдаем не только движение алгоритмов обучения машинного обучения к краю сети, но и переход от глубокого обучения к выводам глубокого обучения.

Там, где «обучение» обычно находится в ядре сети, «логический вывод» теперь находится в конечной точке, где разработчики могут получать доступ к аналитике ИИ в режиме реального времени и затем оптимизировать производительность устройства, а не просеивать цикл от устройства к облаку к устройству.

Сегодня большая часть процесса вывода выполняется на уровне ЦП. Однако сейчас происходит переход к архитектуре микросхемы, которая интегрирует на кристалле большее ускорение ИИ. Эффективный логический вывод AI требует эффективных конечных точек, которые могут делать выводы, предварительно обрабатывать и фильтровать данные в режиме реального времени. Внедрение ИИ на уровне микросхемы, интеграция нейронной обработки и аппаратных ускорителей, а также соединение микросхем встроенного ИИ со специальными процессорами, разработанными специально для глубокого обучения, предлагают разработчикам три фактора производительности, пропускной способности и скорости реагирования в реальном времени, необходимые для следующего:поколения подключенных систем.

Рисунок 1 (Источник:Renesas Electronics)

Будущее AIoT:дома и на рабочем месте

Кроме того, конвергенция достижений в области ускорителей искусственного интеллекта, адаптивного и прогнозирующего управления, а также аппаратного и программного обеспечения для передачи голоса и зрения открывает новые возможности пользовательского интерфейса для широкого спектра интеллектуальных устройств.

Например, голосовая активация быстро становится предпочтительным пользовательским интерфейсом для постоянно подключенных систем как на промышленных, так и на потребительских рынках. Мы увидели преимущества доступности, которые системы на основе голосового управления предлагают пользователям с ограниченными возможностями по зрению или другим физическим недостаткам, используя голосовые команды для активации и выполнения задач. С растущим спросом на бесконтактное управление в качестве меры защиты здоровья и безопасности в общих помещениях, таких как кухни, рабочие места и производственные цеха, распознавание голоса - в сочетании с различными вариантами беспроводного подключения - обеспечит бесшовное, бесконтактное взаимодействие в доме и на рабочем месте. .

Мультимодальные архитектуры предлагают другой путь для AIoT. Использование нескольких входных информационных потоков повышает безопасность и простоту использования систем на основе искусственного интеллекта. Например, комбинация обработки голоса и изображения особенно хорошо подходит для систем машинного зрения на основе искусственного интеллекта без помощи рук. Распознавание голоса активирует распознавание объектов и лиц для критически важных задач, связанных со зрением, для таких приложений, как интеллектуальное наблюдение или системы видеоконференцсвязи без помощи рук. Затем используется распознавание Vision AI, чтобы отслеживать поведение оператора, контролировать операции или управлять обнаружением ошибок или рисков.

На фабриках и складах мультимодальный ИИ поддерживает совместных роботов - или CoBots - как часть технологической группы, служащей пятью чувствами, которые позволяют CoBots безопасно выполнять задачи бок о бок со своими коллегами-людьми. Распознавание голоса и жестов позволяет двум группам общаться в их общей рабочей области.

Что ждет на горизонте?

По данным IDC Research, к 2025 году во всем мире будет 55 миллиардов подключенных устройств, генерирующих 73 зеттабайта данных, а периферийные микросхемы искусственного интеллекта будут опережать облачные микросхемы искусственного интеллекта, поскольку логические выводы глубокого обучения продолжают перемещаться на периферийные устройства и конечные точки устройств. Этот интегрированный ИИ станет основой сложной комбинации «сенсорных» технологий для создания интеллектуальных приложений с более естественным, «человеческим» общением и взаимодействием.

Д-р Сайлеш Читтипедди - исполнительный вице-президент и генеральный менеджер бизнес-подразделения Интернета вещей и инфраструктуры компании Renesas.