Qu’il s’agisse d’automatiser des processus ou d’analyser de grandes quantités de données, les systèmes intelligents et auto-apprenants deviennent de plus en plus un élément important des processus d’entreprise. Dans le passé, ces systèmes intelligents devaient être connectés à un cloud, car c’était le seul moyen de fournir la puissance de calcul nécessaire à l’exécution des algorithmes mathématiques. Désormais, Edge AI, abréviation de Edge Artificial Intelligence, rend possible la prochaine génération de systèmes intelligents et transfère le savoir-faire aux appareils eux-mêmes.
Conserver la souveraineté des données
Le stockage et l’analyse de données personnelles ou critiques pour l’entreprise peuvent poser de sérieux problèmes de protection des données.
Outre la surface d’exposition face aux piratages et autres cybermenaces via la connexion Internet, il convient également de tenir compte de diverses dispositions légales et réglementaires.
Ainsi, le CLOUD Act (Clarifying Lawful Overseas Use of Data Act), signé en 2018, permet aux autorités américaines d’accéder largement aux données stockées sur Internet. Dans ce contexte, Edge AI peut contribuer à la souveraineté des données en évaluant les données directement là où elles sont générées.
Rentabilité et économie
Les capteurs LIDAR ou d’images modernes génèrent d’énormes quantités de données. En ne transmettant que les résultats des calculs à d’autres systèmes, il est possible de réduire considérablement la quantité de données transmises. Un autre avantage est qu’avec Edge AI, vous pouvez également utiliser l’intelligence artificielle et ses avantages, là où les connexions réseau et Internet sont rares ou inexistantes.
Réalisations pratiques avec Raspberry et Google
Le Raspberry Pi polyvalent, qui est arrivé depuis longtemps dans l’environnement industriel, convient aussi parfaitement à l’exécution locale de l’AI.Google propose à cet effet la Coral USB Accelerator, une clé USB dotée d’une Tensor Processing Unit (TPU) capable d’effectuer jusqu’à 4 billions d’opérations de calcul par seconde avec une consommation de seulement 2 watts.
Ceux qui souhaitent utiliser une carte autonome à la place peuvent utiliser la Coral Dev Board 1 Gode Google. Celle-ci utilise le même TPU. De plus, elle utilise un dérivé Debian développé par Google et spécialement conçu pour les besoins du développement de l’IA.
L’alternative de Maxim
Avec le MAX78000 Feather, nous souhaitons vous présenter une alternative qui marque des points tant par son prix que par son économie d’énergie. Ses algorithmes ne nécessitent que quelques microjoules d’énergie.
La petite carte d’à peine 2,3 x 6,6 cm contient néanmoins, outre l’accélérateur pour réseaux neuronaux convolutifs (CNN), le célèbre Arm® Cortex® M4 et un coprocesseur RISC-V pour les tâches en temps réel. En général, les CNN peuvent traiter très efficacement les données 1D et 2D, c’est-à-dire la reconnaissance d’objets dans la parole et l’image.Maxim met à disposition à cet effet un kit de développement logiciel (SDK) basé sur Eclipse, avec de nombreux exemples de programmes. Pour que vous puissiez vous lancer directement, l’un d’entre eux est déjà préinstallé pour la reconnaissance vocale.
Vous trouverez des exemples et des explications plus détaillés dans le kit d’apprentissage d’Elektor, qui est accompagné d’un livre en anglais en plus de la carte. Vous y trouverez de nombreux exemples pratiques sur plus de 250 pages en couleur.
Conclusion
L’intelligence artificielle et l’apprentissage automatique n’ont pas besoin d’énormes centres de calcul ni d’accélérateurs spéciaux coûteux, comme le GPU Hopper de NVIDIA. Apportez l’IA là où vous en avez besoin, dans des haut-parleurs mobiles ou des appareils portables. Le MAX78000 Feather est déjà prêt à fonctionner sur batterie grâce au MAX20303 intégré.
Le microcontrôleur MAX78000EXG+ du MAX78000 Feather permet de réaliser des designs complètement indépendants. Ces microcontrôleurs, ainsi que de nombreux autres microcontrôleurs 32 bits, sont disponibles dans la boutique reichelt.
Image: Adobe Stock
