機(jī)器學(xué)習(xí)更接近您附近的微控制器

作者：Richard Quinnell，主編

機(jī)器學(xué)習(xí) (ML) 是人工智能 (AI) 的一個(gè)分支，多年來一直致力于電子系統(tǒng)。然而，到目前為止，實(shí)現(xiàn) ML 所需的處理能力主要將其限制為基于云的活動(dòng)。然而，這種情況即將改變，隨著新一代微控制器的出現(xiàn)，其內(nèi)核中內(nèi)置了 ML 功能，ML 將擴(kuò)展到邊緣。

機(jī)器學(xué)習(xí)基本上是使用一種算法來制定系統(tǒng)對(duì)輸入數(shù)據(jù)的期望輸出響應(yīng)，而無需開發(fā)人員定義其間的處理。機(jī)器學(xué)習(xí)不是通過編寫程序程序告訴系統(tǒng)如何處理輸入數(shù)據(jù)，而是讓系統(tǒng)根據(jù)輸入和一些成功標(biāo)準(zhǔn)確定自己的過程。目前，ML 的關(guān)鍵方法是人工神經(jīng)網(wǎng)絡(luò) (ANN)，并且有許多實(shí)現(xiàn)，稱為框架，用于創(chuàng)建 ML 設(shè)計(jì)，例如 Tensorflow、Caffe 和 Android NN。

存在許多功能性 ML 系統(tǒng)，盡管它們目前是基于云的。Alexa 語音識(shí)別服務(wù)就是一個(gè)明顯的例子。它一開始是通用的，但隨著時(shí)間的推移，它能夠?qū)W習(xí)個(gè)人的語音和語音模式，以便它可以對(duì)不同的用戶做出不同的反應(yīng)。還有一些機(jī)器學(xué)習(xí)系統(tǒng)會(huì)根據(jù)他們從您的互聯(lián)網(wǎng)互動(dòng)中了解您的興趣和購物歷史來選擇哪些廣告將出現(xiàn)在您的瀏覽器上。工業(yè) ML 系統(tǒng)正在確定如何根據(jù)收到的系統(tǒng)數(shù)據(jù)優(yōu)化控制復(fù)雜的化學(xué)制造過程或預(yù)測(cè)設(shè)備維護(hù)要求。

但云不再是必需品。微控制器供應(yīng)商開始開發(fā)將機(jī)器學(xué)習(xí)帶到邊緣的芯片，而無需與大型處理器建立網(wǎng)絡(luò)連接。這些本地處理器將能夠自行處理任務(wù)。

圖片來源：Pixabay。

邊緣機(jī)器學(xué)習(xí)的種子可以在 CES 2018 上看到。CEVA 展示了基于其 CEVA 深度神經(jīng)網(wǎng)絡(luò)軟件的NeuPro低功耗機(jī)器學(xué)習(xí)處理器 IP。同樣，萊迪思半導(dǎo)體也提供了基于其 FPGA 技術(shù)的人工智能參考設(shè)計(jì)。ARM 談到了其 專注于產(chǎn)品開發(fā)的新技術(shù)團(tuán)隊(duì)，該團(tuán)隊(duì)專注于在其處理器產(chǎn)品中支持機(jī)器學(xué)習(xí)。展會(huì)上很明顯，ML 很快就會(huì)出現(xiàn)在您附近的微控制器上。

最近，ARM 放棄了另一只鞋，并宣布它正在提供專門用于 ML 應(yīng)用程序的新處理器架構(gòu)。這項(xiàng)代號(hào)為 Project Trillium 的工作已經(jīng)產(chǎn)生了兩種新的處理器類型：ML 處理器和對(duì)象檢測(cè)處理器。物體檢測(cè)處理器是第二代設(shè)計(jì)，用于識(shí)別 60-Hz 高清視頻圖像流中的人和其他物體。ML 處理器是一種全新設(shè)計(jì)，針對(duì)眾多 ML 框架共有的工作流活動(dòng)進(jìn)行了優(yōu)化。兩者可以一起使用，例如，在合影中執(zhí)行面部識(shí)別。對(duì)象檢測(cè)處理器將識(shí)別所有面部并將僅面部數(shù)據(jù)發(fā)送到 ML 處理器以進(jìn)行分類和個(gè)人識(shí)別。

不過，該公告的主要影響在于 ML 處理器。該設(shè)計(jì)的 IP 將在年中提供給 ARM 許可持有者，這意味著到 2020 年（如果不是更早），開發(fā)人員應(yīng)該可以為他們的系統(tǒng)設(shè)計(jì)提供 ML 處理器。這些處理器具有 tera-OPS 范圍內(nèi)的性能，這將允許它們?cè)诒镜貓?zhí)行大量的 ML 任務(wù)，而無需網(wǎng)絡(luò)支持。相對(duì)于當(dāng)今基于云的系統(tǒng)，這可以大大降低此類任務(wù)的帶寬需求和延遲。

ARM 并不是唯一一個(gè)在邊緣追求 ML 的公司。上面提到的 CEVA NeuPro 是 IP，也可以用于基于邊緣的 ML。此外，還有一些初創(chuàng)公司仍處于隱身模式，但很快就會(huì)宣布他們的技術(shù)，它們正在創(chuàng)建具有適合將 ML 帶入電池供電物聯(lián)網(wǎng)設(shè)備的性能和功率屬性的 ML 處理器。

因此，機(jī)器學(xué)習(xí)和人工智能即將從云端涌入大量新應(yīng)用程序。嵌入式系統(tǒng)開發(fā)人員可以很好地開始學(xué)習(xí)曾經(jīng)是一門深?yuàn)W的計(jì)算機(jī)科學(xué)，并開始思考如何在他們的應(yīng)用領(lǐng)域中利用這些功能。正如可編程微處理器的出現(xiàn)改變了數(shù)字電子設(shè)計(jì)一樣，機(jī)器學(xué)習(xí)處理器也準(zhǔn)備開始成為嵌入式系統(tǒng)設(shè)計(jì)人員的重要工具。

審核編輯 黃昊宇