Искусственный интеллект
периферийных устройств в реальном мире

Предлагаем вам познакомиться с главой из книги Планкетт Дженни и Ситунаяке Дэниел «Искусственный интеллект для периферийных устройств: осваиваем встраиваемые системы для машинного обучения», вышедшей в издательстве «БXВ». Парадигма периферийного, или пограничного, искусственного интеллекта (Edge AI) заставляет прямо сейчас пересматривать привычные принципы взаимодействия компьютеров с окружающей средой. Устройства, объединенные в Интернет вещей (IoT) самостоятельно принимают решения, опираясь на те 99% сенсорных данных. При помощи таких технологий как машинное обучение для встраиваемых систем можно учитывать информацию о человеческом поведении и развертывать приложения на любой платформе – от исключительно маломощных микроконтроллеров до встраиваемых устройств, работающих под Linux.

Распространенные варианты использования ИИ периферийных устройств

Как мы узнали из предыдущей главы, ИИ периферийных устройств особенно ценен для устройств с большим количеством данных датчиков, но с недостатком вычислительных ресурсов или возможностей подключения. К счастью для нас, такие условия можно найти практически повсюду.

В современных городах может возникнуть ощущение, будто у нас всегда под рукой найдется розетка или Wi-Fi. Но даже при наличии сетевого подключения с высокой пропускной способностью и надежного питания ограничение связи и энергопотребления устройств дает огромные преимущества. Стремление к таким нужным характеристикам, как портативность, надежность, конфиденциальность и низкая стоимость, может стимулировать разработку продуктов в сторону устройств, предназначенных для минимизации объема использования сети и энергопотребление.

Несмотря на то что наш Интернет, казалось бы, глобальный, на планете есть множество мест, где возможности подключения или питания ограничены. На момент написания 50% суши Земли относительно не затронуто деятельностью человека (https://oreil.ly/ASced). Лишь небольшой процент поверхности планеты покрыт сотовой или беспроводной связью, и миллиарды людей не имеют надежного доступа к электроэнергии (https://oreil.ly/kly86).

Но, помимо очевидно отдаленных регионов, даже в наиболее застроенных регионах найдется множество скрытых уголков, которые попадают в эту категорию. В наших современных промышленных цепочках поставок есть места, где обеспечивать проводное питание постоянного тока для встраиваемых устройств непрактично, поэтому в этих случаях идеально подходят эффективные устройства с аккумуляторным питанием (рис. 2.1).

В то же время датчики становятся дешевле, сложнее и менее энергоемкими. Зачастую даже простые встроенные устройства оснащаются высокопроизводительными датчиками, которые используются недостаточно из-за проблем с получением данных из системы для удаленной обработки. Например, представьте себе простой носимый фитнес-браслет, в котором используется акселерометр для подсчета шагов. Даже это незамысловатое устройство может быть оснащено чувствительным многоосным акселерометром с очень высокой частотой дискретизации, способным регистрировать самые незначительные движения. Если программное обеспечение устройства не умеет интерпретировать эти данные, большая их часть будет выброшена, т. к. отправка необработанных данных на другое устройство для обработки будет слишком энергозатратной.

<...>

Ключевые слова: искусственный интеллект, периферийные вычисления, разработка, этичный ИИ

Полную версию статьи читайте в журнале
Подпишитесь на журнал

Комментарии могут оставлять только зарегистрированные пользователи