Donde Edge y Endpoint AI se encuentran con la nube

La pandemia de COVID-19 creó nuevos requisitos de salud y seguridad que transformaron la forma en que las personas interactúan entre sí y con su entorno directo. La creciente demanda de experiencias sin contacto ha acelerado a su vez el movimiento hacia sistemas impulsados ​​por IA y control basado en voz y otras interfaces de usuario sin contacto, lo que lleva la inteligencia cada vez más cerca del punto final.

Una de las tendencias más importantes de la industria electrónica actual es la incorporación de IA en dispositivos integrados, en particular, la IA que interpreta datos de sensores como imágenes y aprendizaje automático para interfaces de usuario alternativas como la voz.

La inteligencia artificial de las cosas integrada (AIoT) es la clave para desbloquear la experiencia de manos libres sin interrupciones que ayudará a mantener a los usuarios seguros en un entorno posterior a Covid. Considere las posibilidades:carritos de compras inteligentes que le permiten escanear sus productos a medida que los coloca en su carrito y usar pagos móviles para evitar el mostrador de pago, o sistemas inteligentes de videoconferencia que reconocen automáticamente y cambian el enfoque en diferentes oradores durante las reuniones para brindar una más experiencia "en persona" para equipos remotos.

¿Por qué es ahora el momento de un avance de AIoT integrado?

AIoT se está mudando

Inicialmente, la IA se sentó en la nube donde aprovechó la potencia computacional, la memoria y los niveles de escalabilidad del almacenamiento que el borde y el punto final simplemente no podían igualar. Sin embargo, cada vez más, vemos que no solo los algoritmos de entrenamiento de aprendizaje automático se mueven hacia el borde de la red, sino también un cambio del entrenamiento de aprendizaje profundo a la inferencia de aprendizaje profundo.

Donde el "entrenamiento" normalmente se encuentra en el núcleo de la red, la "inferencia" ahora vive en el punto final donde los desarrolladores pueden acceder a los análisis de IA en tiempo real y luego optimizar el rendimiento del dispositivo, en lugar de examinar el bucle de dispositivo a nube a dispositivo.

Hoy en día, la mayor parte del proceso de inferencia se ejecuta a nivel de CPU. Sin embargo, esto está cambiando a una arquitectura de chip que integra más aceleración de IA en el chip. La inferencia de IA eficiente exige puntos finales eficientes que puedan inferir, preprocesar y filtrar datos en tiempo real. La integración de la IA a nivel de chip, la integración del procesamiento neuronal y los aceleradores de hardware, y el emparejamiento de chips de IA incorporados con procesadores de propósito especial diseñados específicamente para el aprendizaje profundo, ofrecen a los desarrolladores una trifecta del rendimiento, el ancho de banda y la capacidad de respuesta en tiempo real necesarios para el próximo generación de sistemas conectados.

Figura 1 (Fuente:Renesas Electronics)

Un futuro AIoT:en casa y en el lugar de trabajo

Además, una convergencia de avances en torno a los aceleradores de IA, el control adaptativo y predictivo y el hardware y software para voz y visión abren nuevas capacidades de interfaz de usuario para una amplia gama de dispositivos inteligentes.

Por ejemplo, la activación por voz se está convirtiendo rápidamente en la interfaz de usuario preferida para los sistemas conectados siempre para los mercados industriales y de consumo. Hemos visto las ventajas de accesibilidad que ofrecen los sistemas basados ​​en control por voz para los usuarios que navegan por discapacidades visuales u otras discapacidades físicas, utilizando comandos hablados para activar y realizar tareas. Con la creciente demanda de control sin contacto como una contramedida de salud y seguridad en espacios compartidos como cocinas, espacios de trabajo y plantas de producción, el reconocimiento de voz, combinado con una variedad de opciones de conectividad inalámbrica, traerá experiencias sin contacto y sin contacto en el hogar y el espacio de trabajo. .

Las arquitecturas multimodales ofrecen otro camino para AIoT. El uso de múltiples flujos de información de entrada mejora la seguridad y la facilidad de uso de los sistemas basados ​​en IA. Por ejemplo, una combinación de procesamiento de voz + visión es particularmente adecuada para sistemas de visión de manos libres basados ​​en IA. El reconocimiento de voz activa el reconocimiento facial y de objetos para tareas críticas basadas en la visión para aplicaciones como vigilancia inteligente o sistemas de videoconferencia de manos libres. El reconocimiento de inteligencia artificial de la visión luego entra en acción para rastrear el comportamiento del operador, controlar las operaciones o administrar la detección de errores o riesgos.

En las fábricas y almacenes, la IA multimodal impulsa a los robots colaborativos, o CoBots, como parte de la agrupación tecnológica que actúa como los cinco sentidos que permiten a los CoBots realizar tareas de forma segura junto con sus homólogos humanos. El reconocimiento de voz + gestos permite que los dos grupos se comuniquen en su espacio de trabajo compartido.

¿Qué hay en Horizon?

Según IDC Research, habrá 55 mil millones de dispositivos conectados en todo el mundo que generarán 73 zettabytes de datos para 2025, y los chips de inteligencia artificial de borde están configurados para superar a los chips de inteligencia artificial de la nube a medida que la inferencia de aprendizaje profundo continúa reubicando a los extremos de los dispositivos y el borde. Esta IA integrada será la base que impulse una combinación compleja de tecnologías "sensoriales" para crear aplicaciones inteligentes con una comunicación e interacción más natural, "similar a la humana".