Intelligente en zelflerende systemen worden steeds meer een belangrijk onderdeel van bedrijfsprocessen bij procesautomatisering of big data-analyse. In het verleden moesten deze intelligente systemen verbonden zijn met een cloud, omdat dit de enige manier was om de rekenkracht te leveren die nodig was om de wiskundige algoritmen uit te voeren. Nu maakt Edge AI, kort voor Edge Artificial Intelligence, de volgende generatie van intelligente systemen mogelijk en wordt de knowhow overgebracht naar de apparaten zelf.
Handhaaf uw gegevenssoevereiniteit
Het opslaan en analyseren van persoonlijke of bedrijfskritische gegevens kan tot ernstige privacyproblemen leiden.
Naast de kwetsbaarheid voor hackers en andere cyberdreigingen via internetconnectiviteit, moet ook rekening worden gehouden met diverse wettelijke regels en voorschriften.
Zo geeft de CLOUD Act (Clarifying Lawful Overseas Use of Data Act), die in 2018 in wet is omgezet, Amerikaanse autoriteiten verregaande toegang tot gegevens die op internet zijn opgeslagen. Dit is waar Edge AI kan bijdragen aan gegevenssoevereiniteit door gegevens direct te analyseren op de plaats waar ze worden gegenereerd. Dit maakt Edge AI ook tot een strategische keuze.
Kosteneffectiviteit en zuinigheid
Moderne LIDAR- of beeldsensoren genereren enorme hoeveelheden gegevens. Door alleen de berekeningsresultaten aan andere systemen door te geven, kan de hoeveelheid gegevens aanzienlijk worden verminderd. Een ander voordeel is dat u met Edge AI kunstmatige intelligentie en de voordelen daarvan ook kunt gebruiken op plaatsen waar netwerk- en internetverbindingen schaars of onbestaand zijn.
Raspberry en Google
De veelzijdige Raspberry Pi, die allang zijn intrede heeft gedaan in de industriële omgeving, is ook uitstekend geschikt voor de lokale implementatie van kunstmatige intelligentie.Voor dit doel biedt Google de Coral USB Accelerator aan, een USB-stick met een Tensor Processing Unit (TPU) die tot 4 biljoen rekenoperaties per seconde kan uitvoeren terwijl hij slechts 2 watt verbruikt.
Als u in plaats daarvan een stand-alone bord wilt gebruiken, kunt u de Coral Dev Board Mini van Google gebruiken. Deze gebruikt dezelfde TPU. Bovendien wordt hier een door Google ontwikkeld Debian-derivaat gebruikt dat speciaal is ontworpen voor de behoeften van AI-ontwikkeling.
Maxim
MAX78000 Feather willen wij een alternatief presenteren dat punten scoort voor zowel prijs als energie-efficiëntie. Er is slechts een paar microjoule energie nodig voor de algoritmen.
Het bord, dat slechts 2,3 x 6,6 cm groot is, bevat niettemin de bekende Arm® Cortex® M4 en een RISC-V coprocessor voor real-time taken, naast de versneller voor neurale convolutionele netwerken (CNN). In het algemeen kunnen CNN’s 1D- en 2D-gegevens, d.w.z. objectherkenning in spraak en beelden, zeer efficiënt verwerken.Maxim biedt een op Eclipse gebaseerde Software Development Kit (SDK) met veel voorbeeldprogramma’s voor dit doel. Eén voor spraakherkenning is al voorgeïnstalleerd, zodat u meteen aan de slag kunt.
Meer diepgaande voorbeelden en uitleg zijn te vinden in de Elektor-leerset, die naast het bord ook een Engelstalig boek bevat. Op meer dan 250 gekleurde bladzijden vindt u vele praktische voorbeelden.
Conclusie
Voor kunstmatige intelligentie en machinaal leren zijn geen enorme datacentra of dure gespecialiseerde versnellers zoals de Hopper GPU van NVIDIA nodig. Plaats AI waar u het nodig hebt, in mobiele luidsprekers of draagbare apparaten. De MAX78000 Feather is klaar voor batterijvoeding de geïntegreerde MAX20303.
Volledig onafhankelijke ontwerpen kunnen worden gerealiseerd met de MAX78000 Feather’s MAX78000EXG+ microcontroller. Deze zijn, samen met vele andere 32-bit microcontrollers, verkrijgbaar in de reichelt shop.
Foto: Adobe Stock
