2444
業(yè)界應(yīng)如何看待邊緣人工智能？ST授權(quán)合作伙伴 MathWorks 公司的合作伙伴團隊與ST 共同討論了對邊緣機器學習的看法，并與 STM32 社區(qū)分享了他們的設(shè)計經(jīng)驗。
MathWorks的 MATLAB? 和 Simulink? 軟件聞名業(yè)界。MATLAB?軟件工具可讓科學家分析數(shù)據(jù)，開發(fā)算法，創(chuàng)建模型；Simulink?軟件可以創(chuàng)建模型化設(shè)計，仿真測試動態(tài)系統(tǒng)，支持 STM32 MCU，開發(fā)、部署和優(yōu)化在 STM32 MCU上運行的應(yīng)用。MathWorks 為開發(fā)者提供MCU AI開發(fā)部署工具，業(yè)務(wù)范圍涵蓋許多領(lǐng)域，包括控制設(shè)計、信號處理和嵌入式系統(tǒng)設(shè)計，以及許多專用附加產(chǎn)品。公司不僅在學術(shù)界享有盛譽，在航空航天、汽車和工業(yè)市場也具有很大的影響力。
正是因為 MathWorks 擁有如此強大且常用的工具包，我們才決定與他們深入討論邊緣機器學習。 雖然這個話題已經(jīng)討論了很多年，但我們認為，像 MathWorks 這樣的合作伙伴提出的建議有助于業(yè)界換個角度看待邊緣機器學習，并解決業(yè)界面臨的一些挑戰(zhàn)。因此，我們采訪了 MathWorks 嵌入式合作伙伴經(jīng)理 John Kluza 和戰(zhàn)略合作伙伴專家 Reed Axman。
有關(guān)邊緣機器學習的思考……
…現(xiàn)狀
我們是否已經(jīng)大規(guī)模采用邊緣機器學習?
“在邊緣機器學習被廣泛應(yīng)用和部署之前仍有很多工作要做”
MathWorks合作伙伴團隊：還沒有，在邊緣機器學習被廣泛應(yīng)用和部署之前還有很多工作要做。業(yè)界仍在追趕STM32微控制器等邊緣設(shè)備的能力，但它也在努力應(yīng)對一些基本挑戰(zhàn)，如能效和安全標準。
我們是否已達到能效臨界點？
還沒有。雖然在過去五年里，業(yè)界已經(jīng)顯著提高了神經(jīng)網(wǎng)絡(luò)算法在微控制器上的運行能效，但在邊緣機器學習得到大規(guī)模應(yīng)用前，仍然需要設(shè)法提高系統(tǒng)能效，降低模型的部署難度。邊緣AI技術(shù)已經(jīng)進入許多細分市場，但在進入主流市場之前還有很長的路要走。
…展望
如何做才能提高邊緣人工智能的能效？
能夠在嵌入式系統(tǒng)運行系統(tǒng)代碼以及多個神經(jīng)網(wǎng)絡(luò)，是在機器學習發(fā)展道路上取得的一個重要的里程碑。目前，微控制器能夠順暢地運行一個神經(jīng)網(wǎng)絡(luò)，但是，運行兩個或更多網(wǎng)絡(luò)以及系統(tǒng)代碼，同時保持功耗在預算范圍內(nèi)，仍然是一個不小的挑戰(zhàn)。同時，確保適合的安全機制到位也很重要。
人工智能中的安全性是什么意思？ （笑問）機器人會攻擊人類嗎？
(笑) 不會，沒有那樣的事情，在科幻小說中經(jīng)常會出現(xiàn)這樣的情節(jié)。人工智能的安全性是指工作可靠性，這意味著避免算法發(fā)生意外行為，確保AI有容錯、故障安全操作和數(shù)據(jù)保護功能。
開發(fā)人員如何創(chuàng)建更安全的AI應(yīng)用？
這個問題不好回答，這也是 MathWorks 提供神經(jīng)網(wǎng)絡(luò)測試驗證工具的初衷。簡而言之，設(shè)計團隊可以用MathWorks工具驗證機器學習算法的行為，并在現(xiàn)場部署前創(chuàng)建冗余機制。用戶還可以模擬傳感器數(shù)據(jù)的中斷或變化，以更好地預測現(xiàn)實世界的情況。
創(chuàng)建邊緣機器學習
高效的數(shù)據(jù)學分析方法
對于一家致力于邊緣機器學習的初創(chuàng)公司，你有哪些忠告？
首先，弄清楚用例的具體要求，實時處理是否是首要需求？數(shù)據(jù)隱私是否是大家都很關(guān)心的問題？算力和功率有哪些限制？ 一旦確定了硬件規(guī)格，團隊就可以專注開發(fā)推理速度、存儲器占用和預測準確性均衡的人工智能模型。在這個方面，利用現(xiàn)有工具和模型庫可以最大限度地提高開發(fā)效率，縮短產(chǎn)品上市時間。我還建議創(chuàng)建一個數(shù)據(jù)安全處理計劃，預測連接問題(如果有聯(lián)網(wǎng)組件)，并確定系統(tǒng)擴展計劃。 一旦想清楚了這幾點，設(shè)計人員就可以更好地決定是否聘請數(shù)據(jù)科學家來開發(fā)機器學習算法。
那么聘請數(shù)據(jù)科學家并不是第一步，甚至不是必須的？
在某些情況下，第一步要做的是聘請數(shù)據(jù)科學家。但是，用 MATLAB 創(chuàng)建高準確度模型，不一定非是數(shù)據(jù)科學家或 AI 專家不可。工程師深刻理解他們的數(shù)據(jù)，深知他們要解決的問題，而數(shù)據(jù)科學家在某種程度上通常不具備這些知識。例如，團隊可以先構(gòu)思一個人工智能的系統(tǒng)設(shè)計，甚至嘗試從模型庫導入神經(jīng)網(wǎng)絡(luò)，然后，再聘請昂貴且稀有的數(shù)據(jù)科學人才。這樣做將有助于更好地確定要解決的問題。此外，MathWorks的現(xiàn)有工具讓系統(tǒng)工程師能夠在獨立解決人工智能問題上取得重大進展。
公司應(yīng)如何開始研發(fā)機器學習算法？
借助 MATLAB 和 Simulink 等工具，用戶可以簡化算法開發(fā)和在嵌入式設(shè)備上部署模型。我們在 TinyML登錄頁面討論了將高效 AI 網(wǎng)絡(luò)部署到 MCU 的流程，還有相關(guān)的方法視頻和研討會活動。
MATLAB 會取代數(shù)據(jù)科學家嗎？
顯然不會，然而，MATLAB的功能，及其與 PyTorch 和 TensorFlow 等其他深度學習平臺的協(xié)同操作功能，可以促進團隊成員之間的協(xié)作，并有助于加快在邊緣上實現(xiàn)機器學習。
理性看待AI
可以向我們展示邊緣機器學習解決問題的示例嗎？
當然！ 借助 MathWorks 和 STM32 MCU，邊緣人工智能可以提高產(chǎn)品功能，有時還能降低系統(tǒng)成本。我們還提供用戶案例庫，展示企業(yè)如何用 MATLAB 和 Simulink 開發(fā)機器學習和 深度學習，包括虛擬溫度傳感器、壓力傳感器、激光雷達分類器和心電圖分析。
如果想了解計算機視覺和機器學習的示例，請查看 MPCam和MPTherm：在STM32MP1上開發(fā)計算機視覺的多合一解決方案
什么情況下最好避免邊緣機器學習？
如果傳統(tǒng)方法能夠控制系統(tǒng)，而且計算資源需求比神經(jīng)網(wǎng)絡(luò)低，就不必用邊緣機器學習。例如，可以用卡爾曼濾波器構(gòu)建系統(tǒng)，求解大型線性代數(shù)問題，在某些情況下可以提供令人滿意的效果。
如果沒有這類專業(yè)知識或資源，怎么辦？
這時候就是就該邊緣機器學習登場了。有時，企業(yè)缺乏開發(fā)準確模型所需的專業(yè)知識。同樣，如果系統(tǒng)的非線性或時變性非常明顯，那么使用傳統(tǒng)方法創(chuàng)建運算模型可能無法實現(xiàn)，或者沒有優(yōu)勢。在這些情況下，解決相同的問題，邊緣機器學習方法就變得更經(jīng)濟劃算了，如果團隊精簡壓縮神經(jīng)網(wǎng)絡(luò)算法，優(yōu)化機器學習模型，物料成本可能會變得更低！
訓練和優(yōu)化哪個更重要？
兩者的作用都很重要。然而，如果你有大量的訓練數(shù)據(jù)和強大的神經(jīng)網(wǎng)絡(luò)，但在邊緣設(shè)備上實現(xiàn)模型的能力很弱，那么一切都是枉然。因此，模型優(yōu)化至關(guān)重要。低功耗系統(tǒng)和較小的存儲器占用率，以及性能良好的神經(jīng)網(wǎng)絡(luò)，可以讓團隊快速地發(fā)布新產(chǎn)品。當團隊已經(jīng)優(yōu)化了底層代碼時，長期改進模型性能就會比較容易。
ST 和 MathWorks 生態(tài)系統(tǒng)
MathWorks 和 ST 的合作會給業(yè)界帶來哪些影響？
MathWorks 為開發(fā)人員提供了許多跨硬件平臺移植應(yīng)用的功能，因為開發(fā)者可能與多家 MCU 廠商合作。此外，MathWorks 還提供一個完整開發(fā)流程，涵蓋從數(shù)據(jù)學分析、神經(jīng)網(wǎng)絡(luò)創(chuàng)建，到優(yōu)化、仿真和部署這些神經(jīng)網(wǎng)絡(luò)的整個開發(fā)過程。另一方面，STM32Cube.AI 等ST軟件支持為STM32 MCU生成C代碼，STM32Cube.AI Developer Cloud新增了網(wǎng)絡(luò)基準測試和模型庫。
STM32Cube.AI 和 MathWorks工具是如何相互配合的？
MathWorks的 Simulink軟件支持 STM32硬件
STM32Cube.AI 和 MathWorks 工具配合使用，為開發(fā)者提供了一個完整的開發(fā)流程。例如，工程師可以從 ST Model Zoo模型庫、TensorFlow、PyTorch 或 MATLAB 開始創(chuàng)建神經(jīng)網(wǎng)絡(luò)，然后用 STM32Cube.AI Developer Cloud進行初步基準測試。因此，可以幫助開發(fā)人員選擇成本、性能和推理時間全面均衡的目標模型。然后，團隊可以將模型集成到 Simulink 中，進行系統(tǒng)級的模型測試。STM32硬件支持包和嵌入式編碼器可以執(zhí)行處理器在環(huán)(PIL)測試和快速原型設(shè)計，使工程師能夠評估AI模型和配套的控制邏輯，以及整體性能，看看它是否符合預期。
開發(fā)者需要注意些什么？
除了 STM32Cube.AI 提供的代碼生成外，還需要考慮原型設(shè)計問題。例如，借助 STM32Cube.AI Developer Cloud，在多個 Nucleo 開發(fā)板上做同一個基準測試，可以幫助團隊為每個項目快速選定最佳器件。
STM32開發(fā)者現(xiàn)在應(yīng)做些什么？
我們建議他們查看在MCU上部署 AI所需的 MathWorks 工具，并詳細了解STM32 NUCLEO技術(shù)支持 。在開始開發(fā)的時候，他們可以在這里觀看視頻，研究示例，閱讀文檔。
下載ECAD模型
