Интернет вещей (IoT) в настоящее время развивается огромными темпами. Каждую секунду к сети подключаются 125 устройств этого типа и по прогнозам, к 2027 году их будет 43 миллиарда. С быстрым развитием и динамичной эволюцией этого сектора рынка растет спрос и на передовые, энергосберегающие решения, способные улучшить качество жизни. Среди многих ключевых технологий Edge AI выделяется как технология, которая больше всего поможет улучшить функциональность Интернета вещей, обеспечивая анализ данных, прогнозирование и интеллектуальное принятие решений на периферии.
Что такое Edge AI
Многие специалисты уже знакомы с искусственным интеллектом (ИИ) и машинным обучением (ML), но пока не сталкивались терминологией Edge AI. Этот термин описывает развертывание приложений ИИ в среде периферийных вычислений, то есть на устройстве, расположенном рядом с местом хранения данных, а не в центральной среде (облачные вычисления).
На практике Edge AI предполагает сбор данных с датчиков или других источников информации, таких как трекеры или устройства мониторинга состояния, обработку этих данных локально на устройстве с использованием модели AI, а затем использование результатов для запуска действия, например отправки уведомления. Локальная обработка данных может помочь значительно ускорить расчеты в реальном времени. Это уменьшает задержку и ограничивает сетевой трафик, повышает конфиденциальность и безопасность, а также улучшает энергоэффективность.
Разработчики рассматривают множество вариантов использования периферийного искусственного интеллекта в проектах, таких как распознавание лиц и жестов, используемых в системах умного дома, носимой электронике и устройствах мониторинга здоровья. Применения могут также включать профилактическое обслуживание механизмов на заводах, а также использование в системах безопасности, где камеры искусственного интеллекта могут обнаруживать подозрительную активность в режиме реального времени, повышая эффективность обнаружения и предоставляя по итогу более дешевые услуги.
Типичные случаи использования ИИ включают также интеллектуальные колонки с голосовыми помощниками, с распознаванием речи. К ним относятся автоматическое распознавание речи (ASR) для преобразования звуковых волн в слова и дальнейшего преобразования этих слов в реальные тексты с помощью функции распознавания естественного языка (NLU), а затем создания интеллектуального говорящего, который генерирует естественный язык (NLG).
Подобные устройства распространяются и на «умный дом», где искусственный интеллект может повысить производительность периферийных устройств и предоставить пользователям большую функциональность. В области потребительских товаров к ним относятся регулировка количества воды и моющего средства, а также времени полоскания и отжима для более эффективной стирки в стиралках или изучение предпочтительной температуры пользователей в помещениях и определение количества людей, для выбора параметров отопления. Все эти вещи будут использовать сложные алгоритмы Edge AI.
Как лучше реализовать Edge AI
Как правило новая тенденция или технология, выходящая на рынок, приносит с собой новые вызовы и проблемы, и искусственный интеллект не является исключением. В настоящее время Edge AI оказывает особое влияние на следующие области технологий:
- Более высокий КПД и низкая мощность. Развитие Интернета вещей предполагает необходимость использования большего количества датчиков, что, в свою очередь, приводит к увеличению объема обрабатываемых данных. Это увеличивает сложность устройств, в том числе их вычислительные возможности. Теперь, когда появилась возможность обрабатывать операции ML на самом устройстве, необходимость в высокопроизводительном ядре ЦП и аппаратном ускорителе вычислений для нейронной сети для выполнения операций ML становится существенной. Это требование становится еще более выраженным, если добавить к этому необходимость оптимизации потребляемой мощности, чтобы оборудование с батарейным питанием могло работать в течение длительного времени. Известно, что для хранения данных и выполнения алгоритмов на периферийном устройстве используется меньше энергии, чем потребовалось бы, если бы все было перенесено в облако.
- Безопасность и конфиденциальность. Периферийные устройства с поддержкой искусственного интеллекта выполняют большую часть своих операций и обработки данных локально, устраняя проблемы безопасности. Это связано с тем, что в облако и во внешние хранилища отправляется меньше данных. Но это не означает что все данные на устройстве Edge AI не уязвимы для атак. Угрозы присутствуют всегда, поэтому в Edge AI требуется соответствующий уровень встроенной безопасности для обеспечения целостности и конфиденциальности.
- Недостаток знаний и длительная реализация. Разработка периферийных устройств с искусственным интеллектом без соответствующего опыта практически невозможна. Проектировщикам может не хватать опыта работы с аппаратным обеспечением для использования ускорителей и процессоров, оптимизированных для AI/ML, или опыта работы с программным обеспечением для разработки и развертывания моделей ИИ. Недостаток знаний и опасения по поводу трудоемкости проекта могут помешать выбору наилучшего подхода или помешать руководству принять правильное решение.
Микроконтроллеры PSoC Edge
Новое семейство микроконтроллеров PSoC Edge от Infineon решает проблемы Edge AI, включая высокую производительность, низкое энергопотребление, передовые функции безопасности и инструменты, обеспечивающие быстрый выход на рынок.
Растущая сложность электронных схем – с большим количеством датчиков и необходимостью обработки сложных данных на периферии – расширяет границы необходимой производительности микроконтроллеров. В то же время низкое энергопотребление и высокая энергоэффективность по-прежнему остаются необходимостью в мире Интернета вещей.
Чтобы удовлетворить эти требования, внедрили в PSoC Edge многодоменную архитектуру, которая обеспечивает высокую производительность, включая высокопроизводительное ядро и нейронный процессор с аппаратным ускорением, а также повышает энергоэффективность за счет сверхнизкого энергопотребления в постоянно работающих устройставх. Это позволяет IoT-оборудованию оставаться в режиме глубокого сна, сохраняя при этом возможность обнаруживать акустические события или события на лице. Следовательно, можно инициировать действия, позволяющие чипу полностью выйти из спящего режима, выполнить задачу обработки событий и вернуться в спящий режим, максимально повышая энергоэффективность, что естественно приводит к увеличению времени автономной работы без ущерба для производительности.
Еще одной ключевой проблемой является обеспечение защиты данных и минимизация рисков безопасности. Поэтому поставщикам полупроводниковых решений становится крайне важно оснастить свои предложения Edge AI более высокими уровнями безопасности. Если не будет обеспечена соответствующая защита, оборудование может быть перехвачено и станет точкой входа преступников в сеть.
Злоумышленники могут захватить популярные устройства Edge AI, такие как термостаты, интеллектуальные колонки, проанализировать их на наличие уязвимостей и создать вредоносное ПО для компрометации технологий и сетей. По этим причинам наличие надежной архитектуры безопасности, такой как представленная в PSoC Edge, становится крайне важным.
