FIND研究員:林昆郁
前言
AIoT(Artificial Intelligence + Internet of Thing)已算是成熟產業,在日常生活都能聽到報章媒體、產品介紹提及,此技術通常以單晶片(MCU, Micro Control Unit)為本地端(Local),或稱邊緣端、終端(Edge)作為主要計算核心,接收各種Sensor感測資料,再控制致動元件如LED、伺服器、繼電器等與環境互動,利用通訊模組達成短中長程資料傳輸(BLE / Wifi / Lora / NB-IoT / 4G / 5G),再整合雲端之運算、控制、儲存,並與使用者的行動通訊裝置連結,形成完整的AIoT系統[1]。
技術介紹與應用現況
在實際應用面,使用者希望的是低延遲、低功耗、低成本、高資料隱私,因此Edge AI就成為強烈的需求,將AI直接建置在MCU上運作是目前技術開發的熱門領域。
如何在MCU上運作AI,則是仰賴TinyML(微機器學習)的技術,TinyML即Tiny Machine Learning,由於AI是需要大量的運算資源,譬如深度學習需要複雜的模型、巨量的參數,所得到的準確度也會相對提高,在訓練過程就需要有好的硬體資源;而機器學習處理的特徵數量與數學模型通常不會太複雜,計算量也不會太大,較輕量的AI應用可使用MCU來達成,TinyML需求就此產生。
在MCU上運作AI的方式,由於原本單晶片的開發者大多為韌體專長,對於AI演算法不熟悉,AI的開發人才對於單晶片的開發環境則是更不熟悉,所以若有一個平台,能將資料上傳,以簡單的方法分類,並可以選擇適當模型,訓練後有足夠精準度,完成後可將模型部署到MCU上,接續韌體開發與應用,這將是很便利的方式。Edge Impulse [2]與SensiML [3]即為這樣的平台,使用者可選取支援的開發板,將資料上傳至平台,在平台以No code的方式訓練並建立AI模型,再將成果下載回開發環境使用。除了國外知名大廠外,國內奇景科技、中光電智能感測所推出之開發板,也都能夠與上述平台對接,亦為國產IC推廣計畫的合作廠商。
未來展望與挑戰
Edge AI的產品與應用已經離不開生活,不僅僅在高價的工廠產線中,並已深入一般人的生活,如家電產品、娛樂用品、交通工具,越來越多設備內部有小型AI的運算,提升產品的使用體驗。
另一方面在MCU上開發整合AI的人才還是匱乏,有賴於各種TinyML平台,方便使用者分析資料並選擇適合的模型訓練,提供更多的No code或Low code方式開發,並有更好的部署方式,才能降低開發門檻,吸引更多人才往Edge AI方面發展。
圖一、SensiML特徵擷取(資料來源:https://sensiml.com)
參考資料:
1.封面圖:本文作者繪製
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