人工知能の概念:
AI、英語で直訳すると人工知能ですが、人工知能とは何でしょうか？コンピューター科学者がそれを定義しました。コンピューターが推論、自己学習、感情、その他の能力などの人間のような意識を持ち、シミュレーション、拡張、拡張するための理論、方法、技術、アプリケーション システムの研究開発を行うことが期待されています。人間の知性 新しい技術科学。人工知能分野の研究には、ロボット工学、言語認識、画像認識、自然言語処理、エキスパート システムが含まれます。
従来の人工知能の実装
携帯電話の音声認識など、私たちが普段使用している人工知能はすべてインターネットを通じて実装されており、携帯電話は音声をサウンド ファイルまたはサウンド バイト ストリームに変換し、音声のデジタル ストリームをクラウドに送信します。 （バックエンド サーバー）、およびバックエンド サーバー サーバーは音声認識の計算を実行し、テキストを携帯電話に返します。人間と機械の対話機能の実現についても同様で、携帯電話は音声のバイトをバックグラウンドサーバーに送信し、サーバーはそれをテキストに解析し、さらに自然言語処理を実行してテキストの意味を解析します。処理後、サーバーは対話結果を携帯電話に返します。また、顔認識機能は、携帯電話のカメラで顔を画像として保存し、サーバーにアップロードすると、サーバーが複雑な人工ニューラルネットワークを通じて計算し、計算結果をネットワークを通じて携帯電話に送信します。
現在の自動運転技術も基本的にはバックエンドサーバーに依存しており、車載センサーがデータをクラウドサーバーにアップロードし、サーバーが車両に指示を送って車両の挙動を伝えます。
人工知能の実装プロセス
従来の人工知能実装の欠点
バックエンド サーバーを使用して人工知能機能を実装するこの方法は、端末 (携帯電話) での実装が比較的簡単で、非常に複雑な機能を実装するにはバックエンド サーバーのインターフェイスを呼び出すだけで済み、多くの計算能力を必要としません。ターミナル。しかし、この方法には大きな欠点があります。それは、インターネットに接続する必要があり、コンピューティング機能を実現するためにバックグラウンド サーバーのほとんどに料金を支払う必要があることです。このモデルの多くのシナリオでは、ネットワークのない工場や遠隔の山岳地帯など、人工知能を実現できません。製品開発者にとっても、有料の人工知能サービスの購入は莫大な費用であり、その後、バックエンドサーバーのアップグレードによるインターフェースの変更に直面し、その結果、端末がバックエンドサーバーにアクセスできなくなり、製品が完全に陳腐化する可能性があります。
自動運転など、非常に高い時間が要求されるアプリケーションの場合、上記のサーバーとの対話方法を使用すると、自動運転の時間要件を完全に満たすことができません。現在のネットワークサーバーや端末の遅延は50msレベルを超えているため、時速120kmで50msは1.7メートルに相当し、自動車はすでに1往復で3～5メートル進んでいることになる。このような遅れでは緊急事態のニーズに応えることができません。5Gが普及し、遅延が10ms以下になったとしても、速度が速くなるほどネットワークが遅くなる、ネットワークのカバー範囲の問題、山間部の遠隔地、トンネル、同じエリアに多数の車両が存在すると、ネットワークの混雑が発生します。これらの問題は、従来のサーバー対話方法では解決できません。
組み込み人工知能の提案
上記の問題の存在により、組み込み人工知能の概念が提案されました。組み込み AI は、組み込みデバイス上で人工知能を実現する機能です。これは、私たちが通常使用する人工知能とは大きく異なります。通常、携帯電話や組み込みデバイスは、その背後にあるサーバーへのネットワーク接続を通じて人工知能を実現します。一方、組み込み人工知能は、ネットワークを必要とせず、組み込みデバイス自体を通じて実装されます。クラウドサーバーに一切依存せず、人工知能の機能のほとんどを単独で実現できるのが利点です。
この種の実装は容易に思いつきますが、その実装にはまだ多くの課題があり、現在、組み込み人工知能は、計算能力、消費電力、放熱という 3 つの大きな課題に直面しています。これらは、従来の組み込みデバイスが直面する問題でもあります。これらの問題は実際には矛盾しており、強力なコンピューティング能力は高い電力消費と明らかな放熱要件を意味し、その逆も同様です。
組み込み人工知能の開発:
現在の組み込み人工知能の限界を考慮して、現在のチップメーカーはこの点で多大な努力を払っており、新しい人工知能チップが絶えず開発され、発売されています。組み込み人工知能チップの中核は半導体とアルゴリズムです。組み込み人工知能ハードウェアは主に、GPU、DSP、ASIC、FPGA、ニューロン チップなど、より高速な命令サイクルと低消費電力を必要とし、深層学習アルゴリズムと組み合わせる必要があります。
現在、大手企業はすべて独自の組み込みソリューションを導入しています。その中で最も有名なのは Google です。Tensorflow は、Google が撤退した深層学習フレームワークです。現在は大手企業が使用していますが、PC とサーバー上でのみ実行できます。Google は、 TensorFlow Lite は、モバイルおよび組み込みデバイス向けの TensorFlow の軽量ソリューションです。これにより、低遅延のモバイル デバイス上で機械学習モデルを実行できるため、サーバーと対話することなく、分類、回帰、その他あらゆる用途に活用できます。
STマイクロエレクトロニクスは最近、国内で最も普及しているチップSTM32上で動作する人工知能ニューラルネットワークも実証した。STM32CubeMX ツールへの STM32Cube.AI ツールキットの導入も開始され、ノードのエッジにあるマイクロコントローラーを搭載したスマート デバイスだけでなく、モノのインターネット、スマート ビルディング、産業および医療アプリケーションに深く組み込まれたデバイスにも AI が導入されました。
組み込み業界の未来
Embedded は10 年以上前に人気がありましたが、製品の飽和と均質化により、Embedded の人気は低くなりました。組み込み人工知能とモノのインターネットの発展に伴い、組み込みテクノロジーが再び人気を集めています。ハードウェアとソフトウェアの組み合わせのみであった10年以上前の流行とは異なり、今回は人工知能技術に基づいています。組み込み業界の人材不足も非常に深刻です。不完全な統計によると、2019 年に組み込み人材の不足は 500,000 人に達しました。組み込み人材の不足は多くの企業の合意となっており、組み込みはほぼ遍在するアプリケーション分野です。人材不足が開発のボトルネックになっていると言われています。
組み込み産業はあらゆる分野をカバーする幅広いアプリケーションを抱えており、総市場規模は非常に巨大です。自動車、産業 (アビオニクス、産業オートメーション、計測など)、医療、エネルギー、通信、家庭用電化製品の 6 つの主要産業をカバーします。その中で、現在、通信と家電が二大産業となっており、エネルギー産業が最も急成長している産業となっております。
Huaqing Vision は 16 年間組み込み業界のトレーニングに注力しており、多くの修士レベルの教師が指導しており、現在は組み込み AI コースと Python AI コースを提供しており、キャリアや転職を希望する大多数の学生に優れた学習体験を提供しています。 AI関連の仕事をしたい、チャンス。
組み込みの IoT については学ぶべきことが本当にたくさんありますが、間違ったルートと内容を学べば給与が上がることになりますのでご注意ください。
約 150 ギガバイトのデータ パッケージを共有したいと思います。学習内容、インタビュー、プロジェクトは比較的新しく、充実しています。(クリックすると、受け取る小さなアシスタントが見つかります)
