Dimana Edge dan Endpoint AI Bertemu dengan Cloud

Pandemi COVID-19 menciptakan persyaratan kesehatan dan keselamatan baru yang mengubah cara orang berinteraksi satu sama lain dan lingkungan langsung mereka. Permintaan yang meroket untuk pengalaman bebas sentuh pada gilirannya mempercepat pergerakan menuju sistem bertenaga AI dan kontrol berbasis suara dan antarmuka pengguna nirsentuh lainnya – mendorong kecerdasan lebih dekat dan lebih dekat ke titik akhir.

Salah satu tren terpenting dalam industri elektronik saat ini adalah penggabungan AI ke dalam perangkat yang disematkan, khususnya AI yang menafsirkan data sensor seperti gambar dan pembelajaran mesin untuk antarmuka pengguna alternatif seperti suara.

Kecerdasan Buatan Tertanam (AIoT) adalah kunci untuk membuka pengalaman hands-free yang mulus yang akan membantu menjaga pengguna tetap aman di lingkungan pasca-Covid. Pertimbangkan kemungkinannya:Keranjang belanja pintar yang memungkinkan Anda memindai barang saat Anda memasukkannya ke dalam keranjang dan menggunakan pembayaran seluler untuk melewati konter kasir, atau sistem konferensi video cerdas yang secara otomatis mengenali dan mengalihkan fokus ke berbagai pembicara selama rapat untuk memberikan lebih banyak pengalaman 'langsung' untuk tim jarak jauh.

Mengapa sekarang saatnya untuk terobosan AIoT yang tertanam?

AIoT Keluar

Awalnya, AI duduk di cloud di mana ia memanfaatkan kekuatan komputasi, memori, dan tingkat skalabilitas penyimpanan yang tidak dapat ditandingi oleh edge dan endpoint. Namun, semakin banyak, kami melihat tidak hanya algoritme pelatihan pembelajaran mesin yang bergerak ke tepi jaringan, tetapi juga pergeseran dari pelatihan pembelajaran mendalam ke inferensi pembelajaran mendalam.

Di mana "pelatihan" biasanya berada di inti jaringan, "inferensi" sekarang berada di titik akhir di mana pengembang dapat mengakses analitik AI secara real time dan kemudian mengoptimalkan kinerja perangkat, daripada menyaring loop perangkat-ke-cloud-ke-perangkat.

Saat ini, sebagian besar proses inferensi berjalan di tingkat CPU. Namun, ini bergeser ke arsitektur chip yang mengintegrasikan lebih banyak akselerasi AI pada chip. Inferensi AI yang efisien menuntut titik akhir yang efisien yang dapat menyimpulkan, melakukan pra-proses, dan memfilter data secara real time. Menyematkan AI pada tingkat chip, mengintegrasikan pemrosesan saraf dan akselerator perangkat keras, dan memasangkan chip AI tertanam dengan prosesor tujuan khusus yang dirancang khusus untuk pembelajaran mendalam, menawarkan kepada pengembang trifecta kinerja, bandwidth, dan respons real-time yang diperlukan untuk berikutnya- menghasilkan sistem yang terhubung.

Gambar 1 (Sumber:Renesas Electronics)

Masa Depan AIoT:Di Rumah dan Tempat Kerja

Selain itu, konvergensi kemajuan seputar akselerator AI, kontrol adaptif dan prediktif, serta perangkat keras dan perangkat lunak untuk suara dan penglihatan membuka kemampuan antarmuka pengguna baru untuk berbagai perangkat pintar.

Misalnya, aktivasi suara dengan cepat menjadi antarmuka pengguna pilihan untuk sistem yang selalu terhubung untuk pasar industri dan konsumen. Kami telah melihat keuntungan aksesibilitas yang ditawarkan sistem berbasis kontrol suara bagi pengguna yang menavigasi visual atau disabilitas fisik lainnya, menggunakan perintah lisan untuk mengaktifkan dan menyelesaikan tugas. Dengan meningkatnya permintaan untuk kontrol tanpa sentuh sebagai tindakan pencegahan kesehatan dan keselamatan di ruang bersama seperti dapur, ruang kerja, dan lantai pabrik, pengenalan suara – dikombinasikan dengan berbagai opsi konektivitas nirkabel – akan menghadirkan pengalaman tanpa kontak yang mulus ke dalam rumah dan ruang kerja .

Arsitektur multimodal menawarkan jalur lain untuk AIoT. Menggunakan beberapa aliran informasi input meningkatkan keamanan dan kemudahan penggunaan untuk sistem berbasis AI. Misalnya, kombinasi pemrosesan suara + penglihatan sangat cocok untuk sistem penglihatan berbasis AI hands-free. Pengenalan suara mengaktifkan pengenalan objek dan wajah untuk tugas berbasis penglihatan penting untuk aplikasi seperti pengawasan cerdas atau sistem konferensi video hands-free. Pengenalan Vision AI kemudian digunakan untuk melacak perilaku operator, mengontrol operasi, atau mengelola deteksi kesalahan atau risiko.

Di lantai pabrik dan gudang, AI multimodal menggerakkan robot kolaboratif – atau CoBots – sebagai bagian dari pengelompokan teknologi yang berfungsi sebagai panca indera yang memungkinkan CoBot melakukan tugas berdampingan dengan aman dengan rekan manusianya. Pengenalan suara + gerakan memungkinkan kedua grup untuk berkomunikasi di ruang kerja bersama mereka.

Apa yang ada di Cakrawala?

Menurut IDC Research, akan ada 55 miliar perangkat yang terhubung di seluruh dunia yang menghasilkan 73 zettabytes data pada tahun 2025, dan chip AI edge ditetapkan untuk melampaui chip AI cloud karena inferensi pembelajaran mendalam terus berpindah ke edge dan titik akhir perangkat. AI terintegrasi ini akan menjadi fondasi yang memperkuat kombinasi kompleks dari teknologi "sense" untuk membuat aplikasi pintar dengan komunikasi dan interaksi yang lebih alami, "mirip manusia".