Onde Edge e Endpoint AI encontram a nuvem

A pandemia COVID-19 criou novos requisitos de saúde e segurança que transformaram a forma como as pessoas interagem umas com as outras e com seus ambientes diretos. A demanda vertiginosa por experiências sem toque, por sua vez, acelerou o movimento em direção a sistemas alimentados por IA e controle baseado em voz e outras interfaces de usuário sem contato - levando a inteligência cada vez mais perto do terminal.

Uma das tendências mais importantes na indústria de eletrônicos hoje é a incorporação de IA em dispositivos embarcados, particularmente IA interpretando dados do sensor, como imagens e aprendizado de máquina para interfaces de usuário alternativas, como voz.

A Inteligência Artificial das Coisas (AIoT) incorporada é a chave para desbloquear a experiência perfeita e sem as mãos que ajudará a manter os usuários seguros em um ambiente pós-Covid. Considere as possibilidades:carrinhos de compras inteligentes que permitem que você escaneie seus produtos conforme você os coloca no carrinho e usa pagamentos móveis para contornar o caixa, ou sistemas de videoconferência inteligentes que reconhecem automaticamente e alternam o foco em diferentes alto-falantes durante as reuniões para fornecer um mais experiência 'presencial' para equipes remotas.

Por que agora é a hora de uma inovação da AIoT incorporada?

AIoT está se mudando

Inicialmente, a IA se instalou na nuvem, onde tirou proveito da capacidade computacional, da memória e dos níveis de escalabilidade de armazenamento que a borda e o endpoint simplesmente não podiam igualar. No entanto, cada vez mais, vemos não apenas algoritmos de treinamento de aprendizado de máquina avançando em direção à borda da rede, mas também uma mudança do treinamento de aprendizado profundo para a inferência de aprendizado profundo.

Enquanto o “treinamento” normalmente fica no núcleo da rede, a “inferência” agora reside no ponto de extremidade, onde os desenvolvedores podem acessar a análise de IA em tempo real e, em seguida, otimizar o desempenho do dispositivo, em vez de filtrar o loop de dispositivo para nuvem para dispositivo.

Hoje, a maior parte do processo de inferência é executado no nível da CPU. No entanto, isso está mudando para uma arquitetura de chip que integra mais aceleração de IA no chip. A inferência de IA eficiente exige terminais eficientes que podem inferir, pré-processar e filtrar dados em tempo real. A incorporação de IA no nível do chip, a integração de processamento neural e aceleradores de hardware e o emparelhamento de chips de IA incorporados a processadores para fins especiais projetados especificamente para aprendizagem profunda, oferecem aos desenvolvedores um detalhe do desempenho, largura de banda e capacidade de resposta em tempo real necessária para a próxima geração de sistemas conectados.





Figura 1 (Fonte:Renesas Electronics)

Um futuro da AIoT:em casa e no local de trabalho

Além disso, uma convergência de avanços em torno de aceleradores de IA, controle adaptativo e preditivo e hardware e software para voz e visão abre novos recursos de interface de usuário para uma ampla gama de dispositivos inteligentes.

Por exemplo, a ativação por voz está rapidamente se tornando a interface de usuário preferida para sistemas sempre ligados, tanto para o mercado industrial quanto para o consumidor. Vimos as vantagens de acessibilidade que os sistemas baseados em controle de voz oferecem para usuários com deficiência visual ou física, usando comandos falados para ativar e realizar tarefas. Com a crescente demanda por controle sem toque como uma medida defensiva de saúde e segurança em espaços compartilhados como cozinhas, áreas de trabalho e pisos de fábrica, o reconhecimento de voz - combinado com uma variedade de opções de conectividade sem fio - trará experiências sem contato e sem contato para a casa e o espaço de trabalho .

As arquiteturas multimodais oferecem outro caminho para a AIoT. O uso de vários fluxos de informações de entrada melhora a segurança e a facilidade de uso dos sistemas baseados em IA. Por exemplo, uma combinação de processamento de voz + visão é particularmente adequada para sistemas de visão baseados em IA de mãos livres. O reconhecimento de voz ativa o reconhecimento facial e de objetos para tarefas críticas baseadas na visão para aplicações como vigilância inteligente ou sistemas de videoconferência sem as mãos. O reconhecimento do Vision AI entra em ação para rastrear o comportamento do operador, controlar as operações ou gerenciar a detecção de erros ou riscos.

Em fábricas e depósitos, a IA multimodal alimenta robôs colaborativos - ou CoBots - como parte do agrupamento de tecnologia que atua como os cinco sentidos que permitem aos CoBots realizar tarefas com segurança lado a lado com suas contrapartes humanas. O reconhecimento de voz + gestos permite que os dois grupos se comuniquem em seu espaço de trabalho compartilhado.

O que há no Horizon?

De acordo com a IDC Research, haverá 55 bilhões de dispositivos conectados em todo o mundo, gerando 73 zetabytes de dados até 2025, e os chips de IA de ponta estão definidos para ultrapassar os chips de IA de nuvem conforme a inferência de aprendizagem profunda continua a se deslocar para os terminais de ponta e do dispositivo. Esta IA integrada será a base que alimenta uma combinação complexa de tecnologias de “sentido” para criar aplicativos inteligentes com comunicação e interação mais naturais e “humanas”.

---

Dr. Sailesh Chittipeddi é o vice-presidente executivo e gerente geral da Unidade de negócios de infraestrutura e IoT da Renesas.