物聯(lián)網+人工智能將成為人類的進化方向

世界正處于變革時代，這一時期的重要性可比肩文藝復興和工業(yè)革命。人們相信，AI和IoT就是具有前景的兩個領域，它們將使世界現(xiàn)代化，這兩大支柱在未來有著巨大的發(fā)展空間。

本文將通過分析AI和IoT這兩個概念來了解我們可以對其抱有什么期待;還會討論如何利用這些集成技術來開發(fā)創(chuàng)新性和創(chuàng)造性的項目;最后，本文將分析一種使代碼更緊湊、更有效地部署在嵌入式設備中的方法。

什么是物聯(lián)網（IoT）？

物聯(lián)網是描述嵌入傳感器、軟件和其他技術的物理實體網絡，目的是通過互聯(lián)網和其他設備與系統(tǒng)連接并交換數(shù)據。物聯(lián)網的定義因多種技術、實時分析、機器學習、商品傳感器和嵌入式系統(tǒng)的融合不斷發(fā)展。嵌入式系統(tǒng)、無線傳感器網絡、控制系統(tǒng)、自動化等傳統(tǒng)領域都有助于實現(xiàn)物聯(lián)網。

在消費市場，物聯(lián)網技術與“智能家居”產品同義，包括支持一個或多個公共生態(tài)系統(tǒng)的設備和電器，并且可以通過與該生態(tài)系統(tǒng)相關的其他設備進行控制。

什么是人工智能和AIOT？

人工智能是一個廣泛的領域，包含許多子類，如自然語言處理（NLP）、人工神經網絡、計算機視覺、機器學習、深度學習、機器人學等。人工智能的官方定義是：能夠執(zhí)行通常需要人類智能才能執(zhí)行的任務的計算機系統(tǒng)的理論和發(fā)展，例如視覺感知、語音識別、決策和語言間翻譯。

麥肯錫全球研究所的一項研究表明，到2030年，人工智能預計每年將額外創(chuàng)收13萬億美元。即使在今天，人工智能技術也創(chuàng)造了巨額收入，但主要是在軟件領域。等到2030年，人工智能創(chuàng)收領域將不只局限在軟件行業(yè)，還有零售、旅游、運輸、汽車、材料、制造等行業(yè)。

人工智能與物聯(lián)網結合形成了一個全新、有趣且獨特的研究分支，人工物聯(lián)網或AIOT。搭載人工智能的物聯(lián)網能夠創(chuàng)建智能機器，這些機器可以模擬智能行為，同時提高決策能力，幾乎很少甚至沒有人為干擾。

通過將人工智能集成到raspberry pi和Nvidia Jetson Nano等嵌入式物聯(lián)網設備中，我們可以開發(fā)出一些杰作，利潤高且有益于整個社會。像Alexa、Siri或Google AI這樣的虛擬助手的一些示例展示了高級智能和未來的可能性。

如何入門？

1. Arduino

Arduino是一個由ATmega微控制器組成的開發(fā)板。這是開始機器人和物聯(lián)網項目的最佳方式之一。

Arduino是一家開源軟硬件公司，業(yè)余愛好者、修補者和專業(yè)人士都可以用它來構建令人驚嘆的創(chuàng)新項目。根據我的經驗，Arduino絕對是你實現(xiàn)機器人夢想的最佳方法之一，因為它比其他微控制器更容易操作。

Arduino有多種規(guī)格和尺寸，分別是Arduino Nano、Arduino Uno和Arduino mega。Nano是一種尺寸較小的板，可用于更簡單、更獨特的項目;Uno中等大小，非常適合試用以及業(yè)余愛好者級別的項目;Mega更大一點，可用于稍微復雜一點的項目和場景。

筆者認為，Arduino是開始任何類型的物聯(lián)網項目的最佳方法。使用Arduino進行傳感器控制和學習設備等一些基礎項目的管理，對于在該領域追求更具創(chuàng)意的想法非常有利。

剛開始學習很簡單，因為它主要是C和C++等編程語言的混合。作為初學者，主要需要擔心兩個代碼塊，即設置和循環(huán)功能塊。因此，初步建議先試用Arduino Uno開發(fā)板，然后再使用更復雜的嵌入式設備。

2. Raspberry Pi

Raspberry Pi是單板計算機，這是開始計算和編程的絕佳方式。Raspberry Pi提供了許多在分支機構中創(chuàng)建極酷項目的機會，例如計算機視覺、游戲、物聯(lián)網項目等等。

借助攝像機，Raspberry Pi甚至可以用于物體檢測、面部識別和監(jiān)視之類的任務。如果你想開始學習編程、編碼，那么Raspberry Pi是最便宜、最好的方法。中級業(yè)余愛好者或專家也可以用它完成更高級的項目。

使用Raspberry Pi和Raspbian OS之類的操作系統(tǒng)進行編程的最大好處在于你可以使用多種編程語言，包括python。Thony編輯器是OS操作系統(tǒng)中的預裝程序，你可以在這里編寫python代碼。

Raspberry Pi中編碼的所有程序，包括機器學習和深度學習程序，都可以輕松部署。外部附件，如照相機、音頻設備等也可以添加到Raspberry Pi和控制執(zhí)行實時計算機視覺任務，如視頻監(jiān)控，人臉識別等。

3. Nvidia Jetson Nano

NVIDIA Jetson Nano是機器人學中人工智能相關操作的最佳工具之一，比Raspberry Pi稍貴，但計算能力更強。NVIDIA稱：NVIDIA Jetson Nano支持開發(fā)數(shù)百萬個新型小型低功耗人工智能系統(tǒng)，開啟了嵌入式物聯(lián)網應用程序的新世界，包括入門級網絡錄像機、家用機器人和具有完整分析能力的智能網關。

NVIDIA開發(fā)套件允許用戶運行許多神經網絡操作，包括圖像分類、分段、對象檢測、語音處理等。

雖然Nvidia Jetson Nano比Raspberry Pi貴一點，但它有相對更好的功能，也是開發(fā)中高級項目的一個很好的起點。如前所述，它功能強大，可以執(zhí)行多種任務。

在我看來，這些是使用AIOT的最好的設備。當然，還有許多其他非常棒的選項和嵌入式設備選擇來開發(fā)有效的模型。

本文談到的最后一個話題至關重要，將介紹機器學習和深度學習模型的訓練后量化，以在嵌入式設備上運行GPU容量較小的復雜程序。

訓練后量化

在你的系統(tǒng)上有效運行的模型可能無法在低端設備上有效運行同一程序/模型。這可能是因為目標設備有硬件限制。對此，訓練后量化可以幫助改善目標設備的算法和模型的優(yōu)化。

訓練后量化是一種轉換技術，可以減少模型大小，同時還可以改善CPU和硬件加速器的延遲，而模型精度幾乎不會下降。使用TensorFlow Lite轉換器將已訓練的float TensorFlow模型轉換為TensorFlow Lite格式時，你可以對其進行量化。

TensorFlow Lite轉換器在Raspberry Pi之類的設備上非常有用，可優(yōu)化對象檢測模型、人臉識別模型等。使用TensorFlow Lite可以優(yōu)化對象檢測項目，同時在安卓或蘋果系統(tǒng)設備上也有很好的效果。

在探索這些模型時，如果你確實希望將其轉換為可以惠及眾人的實際使用案例，那么模型的訓練后分析和訓練后量化對于提高效率、質量和緊湊性以將項目部署到更廣泛的受眾就變得極其重要。訓練后量化還使我們能夠在量化模型上實現(xiàn)幾乎與原始模型相同的精度，讓我們的生活變得輕松多了！

AIoT在未來幾年的影響將是令人震驚的，未來將出現(xiàn)的新發(fā)明讓我興奮不已。你打算建立什么樣的項目來迎接這樣的未來呢？
責編AJX