技術創(chuàng)新通常會在幾十年內(nèi)掀起改變?nèi)祟惿畹睦顺保弘娏?、計算機、互聯(lián)網(wǎng)。最近的浪潮是人工智能 (AI)。自誕生以來，人工智能主要局限于大型計算平臺。然而，先進處理器技術和高效人工智能網(wǎng)絡的融合帶來了突破性創(chuàng)新，使人工智能可以在嵌入式系統(tǒng)中運行。這些系統(tǒng)通常配備專門的人工智能專用處理器和支持機器學習的傳感器，可實現(xiàn)前所未有的“邊緣”功能。
【導讀】技術創(chuàng)新通常會在幾十年內(nèi)掀起改變?nèi)祟惿畹睦顺保弘娏Α⒂嬎銠C、互聯(lián)網(wǎng)。最近的浪潮是人工智能 (AI)。自誕生以來，人工智能主要局限于大型計算平臺。然而，先進處理器技術和高效人工智能網(wǎng)絡的融合帶來了突破性創(chuàng)新，使人工智能可以在嵌入式系統(tǒng)中運行。這些系統(tǒng)通常配備專門的人工智能專用處理器和支持機器學習的傳感器，可實現(xiàn)前所未有的“邊緣”功能。
這些功能使預測性維護達到了新的水平。嵌入式人工智能加速技術可防患于未然，而無需人工參與。本文將介紹幾種可在邊緣實現(xiàn)人工智能算法的新型處理器技術。
嵌入式人工智能系統(tǒng)
支持人工智能的微控制器和 MEMS 傳感器是預測性維護人工智能革命的前沿。這些設備的特點是體積小、功耗低，并且能夠加速與人工智能相關的特定數(shù)學函數(shù)。傳統(tǒng)的嵌入式處理器與人工智能內(nèi)核和/或傳感器模塊相結(jié)合，使設備能夠?qū)崟r分析和響應現(xiàn)實世界中基于時間序列的數(shù)據(jù)。在時間序列數(shù)據(jù)應用中實現(xiàn)嵌入式人工智能有多種方法。但首先…
什么是針對時間序列數(shù)據(jù)的人工智能？
時間序列數(shù)據(jù)分析涉及了解數(shù)據(jù)中的模式、趨勢、異常和行為。人工智能可用于對未來值進行觀察或預測，從數(shù)據(jù)中提取真知灼見，為決策提供依據(jù)。這類分析可以使用人工智能網(wǎng)絡來完成，這就需要了解和選擇處理硬件。
在預測性維護、環(huán)境異常檢測、物聯(lián)網(wǎng)設備、多軸運動等應用中，時間序列數(shù)據(jù)可用于了解數(shù)據(jù)中的模式、趨勢和行為。利用卷積神經(jīng)網(wǎng)絡、遞歸神經(jīng)網(wǎng)絡、長短期記憶網(wǎng)絡和門控遞歸單元等人工智能算法，時間序列數(shù)據(jù)可用于檢測預期結(jié)果或異常結(jié)果。雖然這些機器學習算法可在通用硬件上執(zhí)行，但使用帶有人工智能內(nèi)核的處理器和/或傳感器可減少延遲并提高效率。
Nanoedge AI Studio 顯示來自電機控制應用程序的時間序列數(shù)據(jù)
具有機器學習功能的微控制器
例如，采用 32 位 Arm Cortex-M33 的 STMicroelectronics STM32L5 和 NXP MCX-A MCU 都適用于使用簡單人工智能網(wǎng)絡的嵌入式系統(tǒng)。雖然這些傳統(tǒng)的 Cortex-M 內(nèi)核在處理傳感器數(shù)據(jù)和簡單的人工智能處理方面表現(xiàn)出色，但對于更復雜的機器學習任務，讓我們來看看集成了更多內(nèi)核以進一步實現(xiàn)機器學習的微控制器。
圖形處理器 (GPU) 雖然 GPU 主要用于提高 2D（有時是 3D ）圖形性能，但越來越多的嵌入式人工智能應用將 GPU 與 Cortex-M MCU 結(jié)合使用。這些并行處理單元可用于深度學習算法，如卷積神經(jīng)網(wǎng)絡 (CNN)，以完成圖像識別和物體檢測等任務。例如，STM32U5 采用 Cortex-M33 和 NeoChrome GPU，適合工業(yè)、智慧城市、智能家居和物聯(lián)網(wǎng)應用中的人機界面應用或嵌入式人工智能解決方案。
例如，NXP 的 MCX-N 結(jié)合了 Arm Cortex-M33 和定制的 eIQ 神經(jīng)處理單元。Alif Semiconductor 的 Ensemble 系列是可用于工業(yè)應用的微控制器，將 Arm Cortex-M55 CPU 與 ARM Ethos-U55 神經(jīng)處理單元實現(xiàn)的專用邊緣人工智能加速相結(jié)合。該系列可提供單 Cortex-M55 或雙 Cortex-M55、單 Ethos-U55 或雙 Ethos-U55，以及可選的一個或兩個 Cortex-A32 MPU 內(nèi)核。
通過將人工智能任務卸載到 NPU，嵌入式系統(tǒng)可以實現(xiàn)實時神經(jīng)網(wǎng)絡推理，同時節(jié)省功耗、體積和資源。
帶有嵌入式機器學習核心 (MLC) 的傳感器可以經(jīng)過訓練，在檢測到特定事件時觸發(fā)操作，從而能夠精確檢測變化場景。這樣可以減少 MCU 的計算負荷，從而實現(xiàn)低功耗架構(gòu)并提高系統(tǒng)效率。例如，LSM6DSV16BXTR 是一款帶有 3 軸加速計和 3 軸陀螺儀的 IMU，它采用 MLC 來實現(xiàn)人工智能功能。
結(jié)論
將人工智能應用于時間序列數(shù)據(jù)是一個令人興奮的發(fā)展領域，有可能為工業(yè)、醫(yī)療保健和消費應用增加智能。開發(fā)人工智能解決方案需要考慮很多因素，選擇處理器只是其中之一。
（文章來源：Arrow Solution，作者：George Dickey）
免責聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請聯(lián)系小編進行處理。
推薦閱讀：
