Où Edge et Endpoint AI rencontrent le cloud

La pandémie de COVID-19 a créé de nouvelles exigences en matière de santé et de sécurité qui ont transformé la façon dont les gens interagissent les uns avec les autres et leur environnement direct. La demande croissante d'expériences sans contact a à son tour accéléré l'évolution vers des systèmes basés sur l'IA, un contrôle vocal et d'autres interfaces utilisateur sans contact, poussant l'intelligence de plus en plus près du point de terminaison.

L'une des tendances les plus importantes de l'industrie électronique aujourd'hui est l'incorporation de l'IA dans les appareils embarqués, en particulier l'IA interprétant les données des capteurs telles que les images et l'apprentissage automatique pour des interfaces utilisateur alternatives telles que la voix.

L'intelligence artificielle intégrée des objets (AIoT) est la clé pour déverrouiller l'expérience mains libres transparente qui aidera à protéger les utilisateurs dans un environnement post-Covid. Considérez les possibilités :des paniers d'achat intelligents qui vous permettent de numériser vos marchandises au fur et à mesure que vous les déposez dans votre panier et d'utiliser les paiements mobiles pour contourner la caisse, ou des systèmes de vidéoconférence intelligents qui reconnaissent et basculent automatiquement l'attention sur différents orateurs pendant les réunions pour fournir un plus d'expérience « en personne » pour les équipes distantes.

Pourquoi le moment est-il venu pour une percée AIoT embarquée ?

L'AIoT s'éloigne

Initialement, l'IA s'est installée dans le cloud où elle a profité de niveaux de puissance de calcul, de mémoire et d'évolutivité du stockage que la périphérie et le point de terminaison ne pouvaient tout simplement pas égaler. Cependant, de plus en plus, nous voyons non seulement les algorithmes de formation en apprentissage automatique se déplacer vers la périphérie du réseau, mais également un passage de la formation en apprentissage en profondeur à l'inférence en apprentissage en profondeur.

Là où la « formation » se situe généralement au cœur du réseau, « l'inférence » réside désormais au point de terminaison où les développeurs peuvent accéder aux analyses de l'IA en temps réel, puis optimiser les performances de l'appareil, plutôt que de passer au crible la boucle appareil-à-cloud-à-appareil.

Aujourd'hui, la plupart du processus d'inférence s'exécute au niveau du processeur. Cependant, cela évolue vers une architecture de puce qui intègre davantage d'accélération de l'IA sur puce. Une inférence d'IA efficace exige des points de terminaison efficaces qui peuvent déduire, prétraiter et filtrer les données en temps réel. L'intégration de l'IA au niveau de la puce, l'intégration du traitement neuronal et des accélérateurs matériels, et l'association de puces d'IA embarquées avec des processeurs spécialement conçus pour l'apprentissage en profondeur, offrent aux développeurs un trio des performances, de la bande passante et de la réactivité en temps réel nécessaires pour la prochaine étape. systèmes connectés de génération.

Figure 1 (Source :Renesas Electronics)

Un avenir AIoT :à la maison et sur le lieu de travail

En outre, une convergence des avancées autour des accélérateurs d'IA, du contrôle adaptatif et prédictif, ainsi que du matériel et des logiciels pour la voix et la vision ouvrent de nouvelles capacités d'interface utilisateur pour une large gamme d'appareils intelligents.

Par exemple, l'activation vocale devient rapidement l'interface utilisateur préférée pour les systèmes connectés en permanence pour les marchés industriels et grand public. Nous avons vu les avantages d'accessibilité que les systèmes basés sur la commande vocale offrent aux utilisateurs naviguant avec des handicaps visuels ou autres, utilisant des commandes vocales pour activer et accomplir des tâches. Avec la demande croissante de contrôle sans contact comme contre-mesure de santé et de sécurité dans les espaces partagés comme les cuisines, les espaces de travail et les usines, la reconnaissance vocale - combinée à une variété d'options de connectivité sans fil - apportera des expériences transparentes et sans contact dans la maison et l'espace de travail .

Les architectures multimodales offrent une autre voie pour l'AIoT. L'utilisation de plusieurs flux d'informations d'entrée améliore la sécurité et la facilité d'utilisation des systèmes basés sur l'IA. Par exemple, une combinaison de traitement voix + vision est particulièrement bien adaptée aux systèmes de vision mains libres basés sur l'IA. La reconnaissance vocale active la reconnaissance d'objets et la reconnaissance faciale pour les tâches critiques basées sur la vision pour des applications telles que la surveillance intelligente ou les systèmes de vidéoconférence mains libres. La reconnaissance Vision AI intervient ensuite pour suivre le comportement de l'opérateur, contrôler les opérations ou gérer la détection d'erreurs ou de risques.

Dans les usines et les entrepôts, l'IA multimodale alimente les robots collaboratifs - ou CoBots - dans le cadre du groupement technologique servant de cinq sens qui permettent aux CoBots d'effectuer en toute sécurité des tâches côte à côte avec leurs homologues humains. La reconnaissance vocale + gestuelle permet aux deux groupes de communiquer dans leur espace de travail partagé.

Qu'y a-t-il à l'horizon ?

Selon IDC Research, il y aura 55 milliards d'appareils connectés dans le monde générant 73 zettaoctets de données d'ici 2025, et les puces d'IA de périphérie devraient dépasser les puces d'IA du cloud alors que l'inférence d'apprentissage en profondeur continue de se déplacer vers les extrémités et les terminaux. Cette IA intégrée sera le fondement d'une combinaison complexe de technologies « de sens » pour créer des applications intelligentes avec une communication et une interaction plus naturelles et « humaines ».

---

Le Dr Sailesh Chittipeddi est vice-président exécutif et directeur général de l'unité commerciale IoT et infrastructure de Renesas.