Tiny ML - sztuczna inteligencja dostępniejsza niż kiedykolwiek

Uczenie maszynowe stanowi jedną z najszybciej rozwijających się obecnie technologii, a sztuczna inteligencja znajduje swoje zastosowanie w niemal każdym sektorze przemysłowym, od spożywczego, przez samochodowy aż do medycznego. Dotychczas realizacja aplikacji tego typu wymagała zapewnienia dużej mocy obliczeniowej, a co za tym idzie przekładała się na wysokie zużycie energii. Nowy trend na rynku ML i AI - Tiny ML (nazywany również Edge AI), polegający na przenoszeniu zadań sztucznej inteligencji z chmury bezpośrednio do poziomu urządzenia, może to jednak zmienić.

Posłuchaj
00:00

Co to jest Tiny ML?

Większość operacji związanych ze sztuczną inteligencją (AI) wymaga do pracy dużych zasobów pamięci i mocy procesora, często nieosiągalnych w małych aplikacjach IoT i chipach zasilanych z baterii, przez co aplikacje muszą działać na zasadzie offloadingu zadań - obliczenia wysyłane są do chmur obliczeniowych, gdzie następuje ich przetworzenie i odesłanie wyników. To wymaga z kolei zapewnienia komunikacji.

Z tych powodów grupa ponad 200 specjalistów z największych firm i uczelni zebrała się w lutym w San Jose na konferencji Tiny ML Summit, aby przedyskutować możliwości przeniesienia nauczania maszynowego z dużych wydajnych komputerów mainframe na małe mikroprocesory zasilane z baterii. Rozwiązanie takie zapewniłoby nie tylko znaczną poprawę bezpieczeństwa - dane nie musiałyby być wysyłane do chmury w celu analizy, ale pozwoliłoby również na zaprojektowanie aplikacji o zupełnie nowych funkcjach, niż jest to możliwe obecnie. Mimo że pomysł na pierwszy rzut oka wydaje się wręcz nieosiągalny, jest on znacznie bliższy rzeczywistości, niż mogłoby się wydawać.

 
Rys 1. Wartość i przewidywania dla rynku mikrokontrolerów do IoT (mld dolarów); źródło: MRFR Analysis

Czy koncepcja Tiny ML jest realna?

Wraz z rozwojem technologii rośnie nie tylko moc obliczeniowa komputerów, ale również pojawiają się coraz wydajniejsze algorytmy. Wysoki wzrost wydajności obliczeniowej 32-bitowych mikrokontrolerów wspomaganych przez FPGA i koprocesory matematyczne (FPU) w połączeniu z coraz lepszymi modelami sieci neuronowych już teraz pozwolił na przeniesienie niektórych funkcji nauczania maszynowego na urządzenia o małej mocy. Dla przykładu - działający detektor anomalii korzystający z danych trójosiowego akcelerometru w czasie rzeczywistym, oparty na architekturze Cortex-M4, wymaga zaledwie 6 kB pamięci RAM do realizacji funkcji ML.

Tiny ML staje się możliwe również dzięki zupełnie nowym, specjalizowanym pod tym kątem chipom. Swoje rozwiązania w tej dziedzinie zaprezentowały już takie firmy jak Apple, Huawei, Google, Intel czy ARM.

Możliwości Tiny ML

Obecnie spora część danych zbieranych przez sensory aplikacji IoT jest odrzucana ze względu na ograniczoną moc obliczeniową oraz maksymalną ilość danych, które może ono wysłać do chmury w danym czasie (przepustowość łącza). Jeśli urządzenie byłoby w stanie samodzielnie analizować zebrane dane, nie istniałaby potrzeba ich odrzucania bez uprzedniej analizy, dzięki czemu możliwe byłoby przesyłanie do chmury tylko tych najbardziej interesujących i wstępnie obronionych. Rozwiązanie takie nie tylko poskutkowałoby znacznym zmniejszeniem obciążenia chmur obliczeniowych, ale również niesamowitym usprawnieniem nauczania maszynowego.

Sztuczna inteligencja może okazać się również niezwykle przydatna w małych urządzeniach bez połączenia z chmurą. Doskonałym przykładem są tutaj aparaty słuchowe. Umieszczenie w nich algorytmu ML oddzielającego dźwięki otoczenia od konwersacji pozwoliłoby na znaczącą poprawę jakości otrzymywanego do uszu dźwięku.

Dalszy rozwój

Możliwościami Tiny ML interesują się już praktycznie wszyscy giganci elektroniki. W konferencji Tiny ML Summit udział wzięli inżynierowie z firm takich jak między innymi Apple, Google, Samsung, STMicroelectronics, ARM i Microsoft. Dzięki tak dużemu zapleczu badawczemu bezpieczne jest stwierdzenie, że dynamiczny rozwój Edge AI jest tylko kwestią czasu. Zgodnie z prognozami, rynek mikrokontrolerów wykorzystywanych w IoT osiągnie wartość 4 mld USD do końca roku 2023. Tiny Ml jest więc narzędziem do zapewnienia wzrostu rynku na kolejne lata. (PM)

Powiązane treści
Pierwszy czujnik inercyjny z wbudowanym mechanizmem uczenia maszynowego
Intel rozpoczyna kursy dla programistów Edge AI
Sztuczna inteligencja w diagnostyce obrazowej
Sztuczna inteligencja coraz częściej wykorzystywana w IoT
Murata prezentuje najmniejszy na świecie moduł sztucznej inteligencji
Wyścig po sztuczną inteligencję obejmuje też branżę półprzewodników
Intel zmierza w kierunku rozwoju 5G i sztucznej inteligencji
Czy Blockchain zapewni bezpieczeństwo w IoT?
Izraleska Cortica razem z BMW i Toyotą opracują nowatorską technologię AI
Czy Braindrop przyniesie nową erę w sztucznej inteligencji?
Wearables AI - nowy perspektywiczny segment elektroniki noszonej
Zobacz więcej w kategorii: Gospodarka
Zasilanie
Centra danych potrzebują energii - rynek zasilaczy dla centrów w mocnym trendzie wzrostowym
Aktualności
Nowy oddział Würth Elektronik w Republice Południowej Afryki
Komponenty
Sprzęt dla półprzewodników bije rekordy – AI i nowe technologie napędzają globalny rynek do 138 mld USD!
Zasilanie
Trina Storage i Stiemo zbudują w krajach bałtyckich sieć potężnych magazynów energii
Projektowanie i badania
Dania chce mieć najpotężniejszy na świecie komputer kwantowy
Elektromechanika
Dold wzmacnia międzynarodową obecność - tworzy nowy oddział sprzedaży w Polsce
Zobacz więcej z tagiem: Mikrokontrolery i IoT
Gospodarka
Nowa platforma Payara Qube upraszcza wdrażanie aplikacji Java w chmurze
Gospodarka
Najmniejszy na świecie komputer z Intel Core 13. generacji – AAEON de next-RAP8 wkracza na rynek embedded
Technika
Dotykowe czujniki indukcyjne - nowy wymiar interfejsu HMI

Komponenty indukcyjne

Podzespoły indukcyjne determinują osiągi urządzeń z zakresu konwersji mocy, a więc dążenie do minimalizacji strat energii, ułatwiają miniaturyzację urządzeń, a także zapewniają zgodność z wymaganiami norm w zakresie EMC. Stąd rozwój elektromobilności, systemów energii odnawialnej, elektroniki użytkowej sprzyja znacząco temu segmentowi rynku. Zapotrzebowanie na komponenty o wysokiej jakości i stabilności płynie ponadto z aplikacji IT, telekomunikacji, energoelektroniki i oczywiście sektorów specjalnych: wojska, lotnictwa. Pozytywnym zauważalnym zjawiskiem w branży jest powolny, ale stały wzrost zainteresowania klientów rodzimą produkcją pomimo wyższych cen niż produktów azjatyckich. Natomiast paradoksalnie negatywnym zjawiskiem jest fakt, że jakość produktów azjatyckich jest coraz lepsza i jeśli stereotyp "chińskiej bylejakości" przestanie być popularny, to rodzima produkcja będzie miała problem z utrzymaniem się na rynku bez znaczących inwestycji w automatyzację i nowe technologie wykonania, kontroli jakości i pomiarów.
Zapytania ofertowe
Unikalny branżowy system komunikacji B2B Znajdź produkty i usługi, których potrzebujesz Katalog ponad 7000 firm i 60 tys. produktów