TDK機器學習解決方案促進邊緣人工智能前景大幅擴展

物聯(lián)網(wǎng)技術(shù)的進步為大量設(shè)備帶來了互聯(lián)網(wǎng)連接能力。此外，邊緣計算的發(fā)展如今還為邊緣設(shè)備提供機器學習*1，將人工智能的版圖從云端擴展到外圍。本文將深入介紹一款突破性軟件解決方案，該方案將從根本上簡化部署，在邊緣設(shè)備上輕松實現(xiàn)機器學習。

邊緣人工智能和邊緣設(shè)備的發(fā)展

在邊緣計算的背景下，邊緣設(shè)備僅指在網(wǎng)絡(luò)邊緣運行并采集、處理和分析數(shù)據(jù)的設(shè)備。例如智能手機、安防攝像頭、智能揚聲器以及各種其他設(shè)備。近年來，隨著邊緣人工智能技術(shù)的興起，在機器學習功能的加持下，這些設(shè)備變得更加智能。

邊緣人工智能*2是通過人工智能在邊緣設(shè)備上采集、處理和分析數(shù)據(jù)相關(guān)技術(shù)的統(tǒng)稱。通常，實現(xiàn)人工智能需要大量數(shù)據(jù)和強大的計算能力，因此往往都運行在基于云的服務(wù)器上。而借助邊緣人工智能技術(shù)，數(shù)據(jù)能夠在設(shè)備內(nèi)部進行處理，減少了與數(shù)據(jù)傳輸相關(guān)的延遲和成本，并且也更能保障隱私安全。

云計算與邊緣計算對比

在邊緣計算中，數(shù)據(jù)在設(shè)備上進行處理，而不是發(fā)送到云端，從而減少了傳輸延遲、安全風險和功耗。這些都是邊緣人工智能本身具備的優(yōu)勢。

邊緣設(shè)備與邊緣人工智能技術(shù)相結(jié)合，不斷拓寬物聯(lián)網(wǎng) (IoT) 的應(yīng)用領(lǐng)域。自動駕駛汽車、工廠自動化和醫(yī)療設(shè)備管理等應(yīng)用場景，這些都是邊緣設(shè)備在需要實時數(shù)據(jù)處理和決策的環(huán)境中發(fā)揮關(guān)鍵作用的典型示例。

TinyML正在挑戰(zhàn)物聯(lián)網(wǎng)的極限

邊緣人工智能以往都是在具備強大處理能力的設(shè)備上實現(xiàn)，例如智能手機和平板電腦。然而，隨著物聯(lián)網(wǎng)的迅速普及，一種名為 TinyML（微型機器學習）*3 的技術(shù)日益引起大家的廣泛關(guān)注和濃厚興趣，借助該技術(shù)，原先能力有限的小型設(shè)備也能夠執(zhí)行板載機器學習的功能。

一般而言，機器學習都是在高性能計算機或云服務(wù)器上執(zhí)行的，這需要大量內(nèi)存和高速處理器，從而產(chǎn)生相應(yīng)的電力消耗。因此，可以基于大量數(shù)據(jù)集執(zhí)行大規(guī)模機器學習模型，從而實現(xiàn)高度精確的圖像識別、自然語言處理等工作任務(wù)。然而，工作流程（找元器件現(xiàn)貨上唯樣商城）的每一環(huán)節(jié)（包括數(shù)據(jù)采集、模型開發(fā)和驗證）通常都需要由各專業(yè)領(lǐng)域經(jīng)驗豐富的工程師負責處理。

TinyML 是一種專為小型設(shè)備開發(fā)的機器學習技術(shù)，利用該技術(shù)，即使在處理能力有限的微控制器 (MCU) 上也能實現(xiàn)邊緣人工智能。隨著該技術(shù)的推出，預計很快會有更小巧的低功耗物聯(lián)網(wǎng)設(shè)備問世?，F(xiàn)在，幾乎任何具有傳感器和邊際計算能力的設(shè)備上都可以運行機器學習推理，為這些設(shè)備賦予更高的智能。

TDK的的解決方案極大地促進了邊緣機器學習

Qeexo 是一家硅谷初創(chuàng)公司，于 2023 年加入 TDK 集團，致力于開發(fā)針對邊緣設(shè)備的機器學習解決方案，重點關(guān)注 TinyML 技術(shù)。Qeexo AutoML 是一款端到端“無代碼”（即不需要以某種編程語言手寫代碼）平臺，這樣即便不是研發(fā)工程師，通過這款平臺也能在小型邊緣設(shè)備上實現(xiàn)機器學習。用戶在基于 Web 的直觀界面中工作，可輕松執(zhí)行構(gòu)建機器學習系統(tǒng)所需的所有步驟：首先采集原始數(shù)據(jù)并進行預處理，然后訓練和完善識別模型，最后創(chuàng)建完整的軟件包，并安裝到邊緣設(shè)備上，最終基于機器學習的智能產(chǎn)品開始發(fā)揮作用。

TDK 目前正在研發(fā) i3 微模塊，這是一款超緊湊型傳感器模塊，內(nèi)置邊緣人工智能，用于實施預測性維護，即在工廠和類似設(shè)施在異常和故障發(fā)生前進行預測，并率先采取行動。各類傳感器（包括振動、溫度和氣壓傳感器）以及邊緣人工智能和網(wǎng)狀網(wǎng)絡(luò)功能都集成到一個緊湊型封裝中，無需依賴人力亦可監(jiān)控設(shè)備狀況，從而有助于充分

Qeexo 的產(chǎn)品管理總監(jiān) Michael A. Gamble 闡述了 Qeexo AutoML 的重要現(xiàn)實意義?！斑^去，嵌入式設(shè)備的機器學習是一個漫長而復雜的過程，需要具備高度專業(yè)的工程設(shè)計技能。Qeexo AutoML 能夠讓幾乎任何人（包括那些不熟悉技術(shù)的人）都可以使用精簡的端到端 Web 界面完成相同的工作。與數(shù)字設(shè)計工具和音頻工作站軟件面向幾乎所有獨具創(chuàng)意靈感的人群開放圖像藝術(shù)和音樂制作的方式類似，AutoML 為機器學習創(chuàng)造了公平的競爭環(huán)境。簡而言之，我們認為 Qeexo AutoML 是機器學習的‘民主化’技術(shù)平臺。”

邊緣設(shè)備技術(shù)的進步激勵了眾多具有復雜機器學習功能的物聯(lián)網(wǎng)設(shè)備和微控制器產(chǎn)品的開發(fā)。隨著 Qeexo AutoML 等工具的面世，現(xiàn)在可以更快地創(chuàng)建在邊緣設(shè)備上運行的復雜機器學習模型。

由邊緣人工智能負責處理從邊緣設(shè)備的傳感器中采集的數(shù)據(jù)，大大擴展了可行解決方案的選擇范圍。Gamble 指出：“將 Qeexo 的機器學習解決方案與 TDK 的傳感器設(shè)備相結(jié)合，將使我們能夠為客戶帶來一站式集成解決方案。我們期待在開發(fā)和提供智能邊緣解決方案方面與更多的伙伴建立協(xié)作關(guān)系，充分發(fā)揮彼此的優(yōu)勢?！?/p>

如今，邊緣設(shè)備不再局限于采集和傳輸數(shù)據(jù)用途，開始向具有自主學習能力的智能系統(tǒng)演變。先進的制造設(shè)施（有時稱之為“智能”工廠）將開始為幾乎每臺機器和設(shè)備配備邊緣設(shè)備。在消費領(lǐng)域，邊緣設(shè)備則以移動產(chǎn)品和智能手機的形式廣泛存在。在 AutoML、TinyML 和邊緣人工智能等工具的驅(qū)動下，人工智能預計將變得日益普及，隨處可見。這一切都將對我們的日常生活、企業(yè)發(fā)展和整個行業(yè)產(chǎn)生積極深遠的影響。

術(shù)語

機器學習：指計算機使用特定算法和統(tǒng)計模型通過數(shù)據(jù)自主學習的技術(shù)。它基于大量數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則，并根據(jù)這些結(jié)果做出預測和決策。

邊緣人工智能：通用術(shù)語，指在網(wǎng)絡(luò)末端（邊緣）運行的設(shè)備上運行人工智能算法以采集、處理和分析數(shù)據(jù)的相關(guān)技術(shù)。

TinyML：一種機器學習技術(shù)，使處理能力有限的嵌入式設(shè)備或配備微控制器的小型設(shè)備上也能執(zhí)行人工智能算法。

審核編輯：湯梓紅