FIND研究员∶林昆郁
前言
AIoT(Artificial Intelligence + Internet of Thing)已算是成熟产业,在日常生活都能听到报章媒体、产品介绍提及,此技术通常以单晶片(MCU, Micro Control Unit)为本地端(Local),或称边缘端、终端(Edge)作为主要计算核心,接收各种Sensor感测资料,再控制致动元件如LED、伺服器、继电器等与环境互动,利用通讯模组达成短中长程资料传输(BLE / Wifi / Lora / NB-IoT / 4G / 5G),再整合云端之运算、控制、储存,并与使用者的行动通讯装置连结,形成完整的AIoT系统[1]。
技术介绍与应用现况
在实际应用面,使用者希望的是低延迟、低功耗、低成本、高资料隐私,因此Edge AI就成为强烈的需求,将AI直接建置在MCU上运作是目前技术开发的热门领域。
如何在MCU上运作AI,则是仰赖TinyML(微机器学习)的技术,TinyML即Tiny Machine Learning,由於AI是需要大量的运算资源,譬如深度学习需要复杂的模型、巨量的参数,所得到的准确度也会相对提高,在训练过程就需要有好的硬体资源;而机器学习处理的特徵数量与数学模型通常不会太复杂,计算量也不会太大,较轻量的AI应用可使用MCU来达成,TinyML需求就此产生。
在MCU上运作AI的方式,由於原本单晶片的开发者大多为韧体专长,对於AI演算法不熟悉,AI的开发人才对於单晶片的开发环境则是更不熟悉,所以若有一个平台,能将资料上传,以简单的方法分类,并可以选择适当模型,训练後有足够精准度,完成後可将模型部署到MCU上,接续韧体开发与应用,这将是很便利的方式。Edge Impulse [2]与SensiML [3]即为这样的平台,使用者可选取支援的开发板,将资料上传至平台,在平台以No code的方式训练并建立AI模型,再将成果下载回开发环境使用。除了国外知名大厂外,国内奇景科技、中光电智能感测所推出之开发板,也都能够与上述平台对接,亦为国产IC推广计画的合作厂商。
未来展望与挑战
Edge AI的产品与应用已经离不开生活,不仅仅在高价的工厂产线中,并已深入一般人的生活,如家电产品、娱乐用品、交通工具,越来越多设备内部有小型AI的运算,提升产品的使用体验。
另一方面在MCU上开发整合AI的人才还是匮乏,有赖於各种TinyML平台,方便使用者分析资料并选择适合的模型训练,提供更多的No code或Low code方式开发,并有更好的部署方式,才能降低开发门槛,吸引更多人才往Edge AI方面发展。
图一、SensiML特徵撷取(资料来源∶https://sensiml.com)
参考资料∶
1.封面图∶本文作者绘制
2.[1] https://ithelp.ithome.com.tw/articles/10264224
3.[2] https://www.edgeimpulse.com
4.[3] https://sensiml.com
沒有留言:
張貼留言