技術(shù)創(chuàng )新通常會(huì )在幾十年內掀起改變人類(lèi)生活的浪潮：電力、計算機、互聯(lián)網(wǎng)。最近的浪潮是人工智能 (AI)。自誕生以來(lái)，人工智能主要局限于大型計算平臺。然而，先進(jìn)處理器技術(shù)和高效人工智能網(wǎng)絡(luò )的融合帶來(lái)了突破性創(chuàng )新，使人工智能可以在嵌入式系統中運行。這些系統通常配備專(zhuān)門(mén)的人工智能專(zhuān)用處理器和支持機器學(xué)習的傳感器，可實(shí)現前所未有的“邊緣”功能。
【導讀】技術(shù)創(chuàng )新通常會(huì )在幾十年內掀起改變人類(lèi)生活的浪潮：電力、計算機、互聯(lián)網(wǎng)。最近的浪潮是人工智能 (AI)。自誕生以來(lái)，人工智能主要局限于大型計算平臺。然而，先進(jìn)處理器技術(shù)和高效人工智能網(wǎng)絡(luò )的融合帶來(lái)了突破性創(chuàng )新，使人工智能可以在嵌入式系統中運行。這些系統通常配備專(zhuān)門(mén)的人工智能專(zhuān)用處理器和支持機器學(xué)習的傳感器，可實(shí)現前所未有的“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(shù)可防患于未然，而無(wú)需人工參與。本文將介紹幾種可在邊緣實(shí)現人工智能算法的新型處理器技術(shù)。
嵌入式人工智能系統
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(diǎn)是體積小、功耗低，并且能夠加速與人工智能相關(guān)的特定數學(xué)函數。傳統的嵌入式處理器與人工智能內核和/或傳感器模塊相結合，使設備能夠實(shí)時(shí)分析和響應現實(shí)世界中基于時(shí)間序列的數據。在時(shí)間序列數據應用中實(shí)現嵌入式人工智能有多種方法。但首先…
什么是針對時(shí)間序列數據的人工智能？
時(shí)間序列數據分析涉及了解數據中的模式、趨勢、異常和行為。人工智能可用于對未來(lái)值進(jìn)行觀(guān)察或預測，從數據中提取真知灼見(jiàn)，為決策提供依據。這類(lèi)分析可以使用人工智能網(wǎng)絡(luò )來(lái)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(dòng)等應用中，時(shí)間序列數據可用于了解數據中的模式、趨勢和行為。利用卷積神經(jīng)網(wǎng)絡(luò )、遞歸神經(jīng)網(wǎng)絡(luò )、長(cháng)短期記憶網(wǎng)絡(luò )和門(mén)控遞歸單元等人工智能算法，時(shí)間序列數據可用于檢測預期結果或異常結果。雖然這些機器學(xué)習算法可在通用硬件上執行，但使用帶有人工智能內核的處理器和/或傳感器可減少延遲并提高效率。
Nanoedge AI Studio 顯示來(lái)自電機控制應用程序的時(shí)間序列數據
具有機器學(xué)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(jiǎn)單人工智能網(wǎng)絡(luò )的嵌入式系統。雖然這些傳統的 Cortex-M 內核在處理傳感器數據和簡(jiǎn)單的人工智能處理方面表現出色，但對于更復雜的機器學(xué)習任務(wù)，讓我們來(lái)看看集成了更多內核以進(jìn)一步實(shí)現機器學(xué)習的微控制器。
圖形處理器 (GPU) 雖然 GPU 主要用于提高 2D（有時(shí)是 3D ）圖形性能，但越來(lái)越多的嵌入式人工智能應用將 GPU 與 Cortex-M MCU 結合使用。這些并行處理單元可用于深度學(xué)習算法，如卷積神經(jīng)網(wǎng)絡(luò ) (CNN)，以完成圖像識別和物體檢測等任務(wù)。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(shí)現的專(zhuān)用邊緣人工智能加速相結合。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(gè)或兩個(gè) Cortex-A32 MPU 內核。
通過(guò)將人工智能任務(wù)卸載到 NPU，嵌入式系統可以實(shí)現實(shí)時(shí)神經(jīng)網(wǎng)絡(luò )推理，同時(shí)節省功耗、體積和資源。
帶有嵌入式機器學(xué)習核心 (MLC) 的傳感器可以經(jīng)過(guò)訓練，在檢測到特定事件時(shí)觸發(fā)操作，從而能夠精確檢測變化場(chǎng)景。這樣可以減少 MCU 的計算負荷，從而實(shí)現低功耗架構并提高系統效率。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(lái)實(shí)現人工智能功能。
結論
將人工智能應用于時(shí)間序列數據是一個(gè)令人興奮的發(fā)展領(lǐng)域，有可能為工業(yè)、醫療保健和消費應用增加智能。開(kāi)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(lái)源：Arrow Solution，作者：George Dickey）
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)題，請聯(lián)系小編進(jìn)行處理。
推薦閱讀：
解決了！這個(gè)模塊解決了流式細胞儀設計的多個(gè)痛點(diǎn)！
