Un traitement plus intelligent des données vocales améliore l'autonomie de la batterie

Les appareils à écoute permanente ont rendu infiniment plus facile la lecture de musique, l'allumage du téléviseur intelligent, la baisse du thermostat et même une alerte lorsque quelqu'un entre par effraction dans la maison. Mais ils nous demandent de les brancher sur le secteur ou de remplacer les piles trop souvent.

Bien que l'on ait parfois l'impression que les assistants vocaux font partie de nos vies depuis des décennies, ce n'est qu'à la fin de 2014 qu'Amazon a lancé le premier haut-parleur intelligent, Amazon Echo. Cinq ans plus tard, nous avons maintenant des centaines de millions d'assistants vocaux numériques installés dans des haut-parleurs intelligents, des systèmes domestiques intelligents, des appareils portables et d'autres appareils intelligents qui sont toujours à l'écoute d'un mot de réveil. D'après ses dernières recherches, SAR Insight &Consulting prédit que d'ici 2023, la base installée d'appareils activés par la voix en permanence passera à près d'un milliard.

Les capteurs qui ont d'abord rendu possible l'écoute permanente et la voix d'abord - des microphones de systèmes microélectromécaniques (MEMS) ultra-miniatures de la taille d'une pointe de crayon - capturent des données sonores environnementales. Au début, cela semblait être une bonne solution pour traiter ces données dans le cloud, en analysant le son pour les mots de réveil et les commandes. Mais la croissance exponentielle du nombre d'assistants vocaux et d'autres appareils IoT toujours actifs produit tellement de données :41,6 milliards d'appareils IoT générant 79,4 zettaoctets de données en 2025, selon International Data Corp. ¹ – que nous surtaxons la bande passante collective et créons des inefficacités en termes de coûts et d'alimentation comme conséquence imprévue. Cela pousse l'industrie des semi-conducteurs à trouver de nouvelles façons d'intégrer une partie de ce puissant cloud computing dans l'appareil, une capacité appelée traitement de pointe.

Défis à la limite

Le succès de l'informatique de pointe repose en grande partie sur la prolifération rapide des processeurs de signaux numériques et des microcontrôleurs à faible consommation, dont certains incluent un réseau neuronal intégré, c'est-à-dire une minuscule puce d'apprentissage automatique (TinyML). Ces puces de traitement principalement numériques peuvent gérer l'analyse complexe des données, comme décider si un mot de réveil a été prononcé, directement sur l'appareil. Mais alors que ces puces peuvent maintenant être aussi intelligentes qu'un cerveau, elles reposent toujours sur l'architecture système d'origine qui a été utilisée dans le premier dispositif de détection permanent, une architecture qui nécessite la conversion immédiate de tous les sons - qui sont naturellement analogiques - en un signal numérique. C'est vrai même lorsque le son, comme un chien qui aboie ou un bébé qui pleure, ne peut pas contenir de mot de réveil. Gaspillant de l'énergie et des données, cette même vieille approche d'écoute permanente met les OEM sur une trajectoire de collision avec l'insatisfaction des consommateurs.

Les consommateurs attendent toujours des performances identiques ou meilleures de la part d'appareils intelligents toujours plus petits et toujours à l'écoute qui peuvent tenir dans une poche ou même dans une oreille, mais sans sacrifier la durée de vie de la batterie. Cela place les OEM dans une position difficile car s'ils restent avec l'architecture héritée, ils continueront à gaspiller 80 à 90 % de la durée de vie de la batterie pour traiter des données sans signification. Ils seront obligés de faire choisir aux consommateurs le moindre de deux maux :un assistant vocal non portable qui doit être branché sur le mur ou un assistant vocal portable qui peut aller n'importe où mais est entravé par la faible autonomie de la batterie.

Étant donné que le transfert de données à travers un système coûte de l'énergie, le moyen le plus efficace d'économiser de l'énergie est de réduire la quantité de données à ce qui est important dès que possible. Si nous voulons vraiment résoudre le défi de la puissance d'écoute permanente, nous avons besoin d'un nouveau paradigme qui imite plus étroitement la capacité du cerveau à traiter efficacement les vastes quantités de données provenant du système sensoriel humain à un moment donné. Dépensez juste un peu d'énergie en amont pour déterminer ce qui est pertinent et économisez la majorité des ressources pour ne traiter que les données les plus importantes.

Le son est naturellement analogique

Pour améliorer la durée de vie de la batterie des appareils à écoute permanente, il faut adopter une technologie que de nombreux ingénieurs d'aujourd'hui trouvent à la fois démodée et intimidante :analogique . Travailler avec des signaux analogiques bruts et non structurés issus du monde réel, à savoir le toucher, la vision, l'audition et les vibrations, est difficile. Depuis l'introduction du premier circuit intégré numérique, il a été beaucoup plus simple de créer des produits qui traitent les signaux des capteurs, avec des uns ou des zéros familiers, que de traiter directement les données analogiques détectées. (C'est pourquoi les appareils toujours allumés transforment l'entrée analogique en signaux numériques immédiatement, avant de faire presque n'importe quoi d'autre.)

Alors que le numérique a efficacement résolu les problèmes de traitement au cours des 50 dernières années, il a peut-être finalement atteint un mur dans les lois de la physique. Le ralentissement de la mise à l'échelle des appareils numériques a poussé les technologues à faire preuve de créativité avec les puces à l'intérieur de l'appareil. Dans ce cas, cette créativité a connu deux changements fondamentaux :utiliser le numérique de manière plus stratégique, de sorte que les puces numériques n'effectuent un traitement lourd que lorsque cela est nécessaire; et utiliser la faible puissance inhérente des circuits analogiques, combinée à l'apprentissage automatique, pour effectuer un premier cycle d'analyse qui détermine si la voix est présente alors que les données sonores sont toujours dans leur état analogique naturel. Cela maintient les puces de traitement numérique en mode veille basse consommation jusqu'à ce qu'elles soient réellement nécessaires pour « écouter » un mot-clé.

La voie vers une plus grande efficacité énergétique dans les appareils toujours allumés ne consiste pas à faire « penser comme un cerveau » chaque puce, mais à réinventer une architecture système qui ressemble davantage au système sensoriel humain, en analysant progressivement le son en couches afin que le plus d'énergie soit concentré. sur ce qui est le plus important.

Le traitement de bord bio-inspiré (en bas) concentre la puissance de traitement numérique sur les données sensorielles les plus pertinentes. (Image :Aspinity)

Tout le monde y gagne

La recherche d'une durée de vie plus longue de la batterie encouragera les concepteurs de systèmes à adopter un nouveau paradigme architectural dans lequel moins de traitement de données signifie une plus grande durée de vie de la batterie. Résidant à la périphérie, une puce ML analogique peut agir comme un gestionnaire de trafic intelligent qui permet aux puces de traitement numérique de rester en veille, sauf si elles sont nécessaires. Cette approche de traitement toujours à la pointe bio-inspirée permet aux processeurs analogiques et numériques d'effectuer les tâches pour lesquelles ils sont les plus efficaces, faisant du consommateur le gagnant ultime. Après tout, qui ne voudrait pas d'une télécommande TV à commande vocale qui fonctionne pendant un an avec un seul jeu de piles ?

Référence

¹ International Data Corp. Worldwide Global DataSphere IoT Device and Data Forecast, 2019-2023. Juin 2019

>> Cet article a été initialement publié le notre site frère, EE Times Europe.