Nowy rozdział w świecie IoT dzięki Edge AI

Czym jest Edge AI?

Wielu specjalistów zaznajomiło się już ze sztuczną inteligencją (artificial intelligence, AI) i uczeniem maszynowym (machine learning, ML), ale nie ma jeszcze takiego poczucia znajomości terminologii związanej z Edge AI, czyli brzegową sztuczną inteligencją. Termin ten opisuje wdrażanie aplikacji AI w środowisku przetwarzania brzegowego, czyli na urządzeniu w pobliżu miejsca, w którym znajdują się dane, a nie w środowisku centralnym, takim jak chmura obliczeniowa.

W praktyce Edge AI polega na zbieraniu danych z czujników lub innych źródeł informacji, takich jak trackery, urządzenia monitorujące stan zdrowia, przetwarzaniu tych danych lokalnie na urządzeniu przy użyciu modelu AI, a następnie wykorzystaniu wyników do uruchomienia akcji, np. wysłania powiadomienia. Przetwarzanie danych lokalnie może pomóc w znacznie szybszym wnioskowaniu w czasie rzeczywistym. Pozwala zmniejszyć opóźnienia i ogranicza ruch sieciowy, poprawia prywatność i bezpieczeństwo, a także zwiększa efektywność energetyczną.

Programiści rozważają obecnie wiele zastosowań i aplikacji, które mogą wykorzystać brzegową sztuczną inteligencję w realizowanych projektach, takich jak rozpoznawanie twarzy/gestów stosowane w systemach inteligentnego domu, w elektronice noszonej i urządzeniach monitorujących stan zdrowia. Potencjalnym zastosowaniem może też być konserwacja predykcyjna maszyn w fabrykach, a także użycie w systemach bezpieczeństwa, gdzie kamery wykorzystujące sztuczną inteligencję mogą wykrywać podejrzane działania w czasie rzeczywistym, zwiększając wydajność detekcji i przynosząc tańsze usługi.

Typowe przypadki użycia sztucznej inteligencji obejmują ponadto inteligentne głośniki z asystentami głosowymi wykorzystujące rozpoznawania mowy w oparciu na AI. Obejmują one automatyczne rozpoznawanie mowy (automatic speech recognition, ASR) do przekształcania fal dźwiękowych w słowa i dalej do przekształcania tych słów w rzeczywiste znaczenia za pomocą funkcji rozpoznawania języka naturalnego (Natural Language Understanding, NLU), a następnie stworzenie inteligentnego mówcy odpowiadającego za pomocą generowania języka naturalnego (Natural Language Generation, NLG).

Takie aplikacje obejmują ponadto obszar inteligentnego domu, gdzie sztuczna inteligencja może poprawić wydajność urządzeń brzegowych i zapewnić użytkownikom większą funkcjonalność. W obszarze produktów konsumenckich można wymienić dostosowywanie ilości wody i detergentu, a także czasu płukania i wirowania w celu bardziej wydajnego prania w pralkach lub poznawanie preferowanych temperatur użytkowników w pomieszczeniach oraz rozpoznawanie liczby osób po to, aby dobrać parametry ogrzewania. Mogą to też być piekarniki dostosowujące posiłki do upodobań, jednocześnie gwarantujące bezpieczeństwo poprzez zapewnienie, że z urządzenia będą mogły korzystać wyłącznie osoby pełnoletnie, a nawet rozróżnianie typów podłóg oraz optymalizacja czyszczenia i wydajności baterii w odkurzaczach autonomicznych. Wszystkie te zastosowania będą wykorzystywać złożone algorytmy Edge AI.

Jak najlepiej wdrożyć Edge AI?

To normalne, że nowy trend lub wchodząca na rynek technologia niesie ze sobą nowe wyzwania oraz problemy i sztuczna inteligencja brzegowa nie jest tu wyjątkiem. Obecnie widzimy, że Edge AI ma szczególny wpływ na następujące obszary techniki:

Wyższa wydajność (i jednocześnie niska moc). Rozwój Internetu Rzeczy wiąże się z potrzebą użycia większej liczby czujników, co z kolei skutkuje większą ilością danych do przetworzenia. Zwiększa to złożoność urządzeń, w tym ich możliwości obliczeniowych. Teraz, dzięki możliwości przetwarzania operacji ML w samym urządzeniu, zapotrzebowanie na wysokowydajny rdzeń procesora oraz sprzętowy akcelerator obliczeniowy dla sieci neuronowej do wykonywania operacji ML stają się niezbędne. Wymóg ten staje się jeszcze bardziej zarysowany, gdy dodamy do tego konieczność optymalizacji pobieranej mocy, tak aby sprzęt zasilany z baterii mógł długo działać. Wiadomo, że mniej energii zużywa się na przechowywanie danych i uruchamianie algorytmów na urządzeniu brzegowym, niż byłoby to potrzebne w przypadku przeniesienia wszystkiego do chmury.

Bezpieczeństwo i prywatność.
Urządzenia brzegowe z AI wykonują większość swoich operacji i przetwarzania danych lokalnie, co łagodzi obawy związane z zachowaniem bezpieczeństwa i prywatności. Wynika to z tego, że do chmury i lokalizacji zewnętrznych wysyłanych jest mniej danych. Nie oznacza to jednak, że wszystkie dane na urządzeniu Edge AI nie są narażone na ataki. Zagrożenia zawsze się pojawiają, stąd w urządzeniach z Edge AI niezbędny jest odpowiedni poziom wbudowanych zabezpieczeń, aby zachować integralność i prywatność danych.

Brak wiedzy i czasochłonność realizacji.
Opracowanie urządzeń brzegowych AI bez odpowiedniej wiedzy specjalistycznej jest prawie niemożliwe. Projektantom może brakować wiedzy na temat hardware w zakresie korzystania z akceleratorów i procesorów zoptymalizowanych pod kątem sztucznej inteligencji/ ML lub mogą nie mieć doświadczenia w zakresie oprogramowania do opracowywania i wdrażania modeli sztucznej inteligencji. Brak wiedzy i obawy dotyczące czasochłonności realizacji projektu mogą uniemożliwić wybór najlepszego podejścia lub uniemożliwić kierownictwu podjęcie właściwej decyzji.

Z pewnością w takich przypadkach posiadanie wszechstronnej platformy sprzętowej i oprogramowania wraz z kompleksowym zestawem narzędzi przygotowanym przez ekspertów może zmniejszyć niepewność, a także skrócić czas wprowadzania na rynek nowej generacji sprzętu z Edge AI.

PSoC Edge

Nowa rodzina mikrokontrolerów PSoC Edge firmy Infineon odpowiada na wyzwania związane z Edge AI, w tym w zakresie dużej wydajności, małego poboru mocy, najnowocześniejszymi funkcjami zabezpieczeń i narzędziami skracającymi czas wprowadzenia produktu na rynek.

Jak już wspomniano, rosnąca złożoność systemów elektronicznych – wraz z dużą liczbą czujników i koniecznością przetwarzania złożonych danych na krawędzi – przesuwa granice niezbędnej wydajności mikrokontrolera. Jednocześnie niskie zużycie energii i duża efektywność energetyczna są w dalszym ciągu potrzebą w całym świecie aplikacji IoT. Aby sprostać tym wymaganiom, firma Infineon wprowadziła w PSoC Edge architekturę wielodomenową, zapewniającą dużą wydajność, w tym wysokowydajny rdzeń i sprzętowo przyspieszany procesor neuronowy, jednocześnie przynosząc lepszą efektywność energetyczną dzięki zastosowaniu ultraniskiego poboru mocy w aplikacjach typu always-on. Dzięki temu sprzęt IoT pozostaje w trybie głębokiego uśpienia, a jednocześnie jest w stanie wykrywać zdarzenia akustyczne lub takie związane z wykrywaniem twarzy. W konsekwencji można wyzwalać akcje, dzięki czemu system może się w pełni wybudzić, wykonać zadanie obsługi zdarzenia i wrócić do stanu uśpienia, maksymalizując efektywność energetyczną, co skutkuje dłuższym czasem pracy (żywotność baterii) bez utraty wydajności.

 

Rys. 1. Aplikacje dla PSoC Edge

Jak wspomniano powyżej, kolejnym kluczowym problemem do rozwiązania jest zapewnienie ochrony danych i minimalizacja zagrożeń bezpieczeństwa. W związku z tym konieczne staje się, aby dostawcy rozwiązań półprzewodnikowych, wyposażyli swoją oferty Edge AI w wyższy poziom bezpieczeństwa, tak aby konsumenci mieli dostęp do bardziej zabezpieczonych urządzeń. W przypadku braku odpowiedniej ochrony sprzęt może zostać przejęty, stając się w rezultacie punktem wejścia przestępców do sieci.

W takim przypadku osoby atakujące mogą przejąć popularne urządzenia z Edge AI, takie jak termostaty, inteligentne głośniki, analizować je pod kątem znalezienia luk w zabezpieczeniach i tworzyć złośliwe oprogramowanie w celu naruszenia bezpieczeństwa technologii i sieci. Z tych powodów posiadanie niezawodnej architektury bezpieczeństwa – takiej jak wprowadzona w PSoC Edge – staje się bardzo istotne.

Firma Infineon, rozumie jak ważny jest krótki czas wprowadzania urządzeń Edge AI na rynek. Dzięki niedawnemu przejęciu firmy Imagimob Infineon dodał do oferty kompleksową platformę ML charakteryzującą się dużą elastycznością i łatwością obsługi ze szczególnym naciskiem na dostarczanie modeli ML klasy produkcyjnej.

Dzięki współpracy z partnerami, doskonałej dokumentacji, dostępności zestawów ewaluacyjnych z modułami komunikacyjnymi i HMI, a także dzięki dostępności oprogramowania ModusToolbox, zintegrowanego z platformą programistyczną Edge AI firmy Imagimob i jej gotowymi modelami w celu szybszego i sprawdzonego sposobu wykorzystania mikrokontrolerów obsługujących ML do produkcji, PSoC Edge zapewnia konkurencyjną odpowiednią ofertę sprzętu, oprogramowania oraz narzędzi, zapewniającą bezproblemowe projektowanie aplikacji i krótszy czas wprowadzania produktów na rynek.

www.infineon.com