Il nuovo iPhone X integra un motore neurale per il riconoscimento facciale, ma questo è solo l'inizio: motori neurali incorporati e processori intelligenti dedicati implementano dispositivi di intelligenza artificiale (AI) su dispositivi periferici, rompendo la dipendenza dal cloud. I vantaggi dell'elaborazione dei bordi includono latenza ridotta, copertura completa della rete, maggiore privacy e sicurezza e riduzione della comunicazione con il cloud, con conseguente riduzione dei costi. Grazie a questi vantaggi, i dispositivi mobili possono utilizzare l'intelligenza artificiale per raggiungere solo di recente Scene che possono apparire nella fantascienza.
Le macchine del passato sono ora centri di elaborazione dati in tempo reale
Ho appena partecipato al nostro seminario annuale e ho avuto l'opportunità di conoscere la tecnologia AI nel mondo embedded: macchine che erano una volta puramente meccaniche, come automobili, droni e robot, ora stanno diventando intelligenti e hanno visibilità. percezione, tracciamento, classificazione, rilevamento, identificazione e altre funzionalità.Questi dispositivi ora utilizzano la visione computerizzata e la fusione dei sensori per raccogliere ed elaborare dati e prendere decisioni in tempo reale.In alcuni casi, come auto senza conducente e droni, Il processo decisionale è fondamentale ei ritardi nell'elaborazione del cloud possono portare a tempi di risposta inaccettabili: con l'intelligenza on-chip, queste macchine sono definite in modo più preciso come data center.
Un veicolo senza conducente è un buon esempio: richiede un gran numero di sensori visivi e di altro tipo, oltre a informazioni sul posizionamento satellitare e varie soluzioni di connettività, oltre a un "cervello" per completare la fusione e l'analisi dei dati. Inoltre, le informazioni avranno un ruolo nella funzione di pilota automatico, quindi è necessario un processore di bordo in grado di prendere decisioni rapide. Anche se si verificano casi sporadici, è fondamentale utilizzare il veicolo senza pericolo. Sono necessari calcoli intensivi di apprendimento profondo, non una funzione opzionale.
L'elaborazione dei bordi della rete neurale sta diventando mainstream
Nel campo degli smart phone, Apple è di solito una pietra di paragone per le nuove funzionalità richieste come accessori di nicchia o di mercato mainstream. Con l'uscita del nuovo iPhone di punta di Apple, X, nel telefono è incorporato un motore neurale specializzato. Una grande quantità di elaborazione dei bordi di intelligenza artificiale Come i miei colleghi hanno previsto prima del rilascio dell'ultimo iPhone, questo significa che ogni dispositivo dotato di fotocamera includerà un DSP visivo o un altro processore specializzato di rete neurale. Il motore neurale del gioco implementa la tecnologia Face ID, che consente agli utenti di guardare il telefono per sbloccare il proprio iPhone.I tempi di risposta ultraveloci più le considerazioni sulla privacy e sulla sicurezza richiedono che tutte le operazioni di riconoscimento debbano essere eseguite sul telefono. Le capacità di IA, continueranno sicuramente a introdurre funzionalità AI più entusiasmanti.
Google ha anche aggiunto funzionalità simili al suo ultimo telefono di punta, Pixel 2, attraverso un processore chiamato Pixel Visual Core. Nel mondo degli smartphone altamente competitivo, Google deve differenziarsi. Il primo è quello di introdurre uno smartphone Pixel con una fotocamera dotata di un software superiore, tuttavia, l'intensa elaborazione richiesta per l'ottimizzazione delle immagini, l'effetto bokeh a obiettivo singolo e l'ampia gamma dinamica di fotografie, queste caratteristiche sono l'elaborazione standard che viene fornita con la maggior parte dei principali smartphone di oggi. Il dispositivo non può funzionare in modo efficiente, quindi Google ha deciso di aggiungere un secondo chip per queste funzionalità, aggiungendo che la funzionalità AI potrebbe essere un'altra importante differenziazione, Huawei ha anche annunciato di recente l'integrazione di un motore neurale in Unicorn 970. Molte altre aziende si stanno unendo alla competizione.
Come realizzare l'intelligenza on-chip basata sul motore DSP visivo?
Sebbene i vantaggi dell'elaborazione dei bordi siano evidenti, ciò comporta anche delle sfide: la sfida consiste nel mettere le operazioni sui dati che possono essere eseguite su un server enorme in un piccolo dispositivo portatile, mentre la potenza viene anche utilizzata in molte altre attività di elaborazione. Questo è il motivo per cui DSP visivo è cruciale per l'implementazione di successo dell'elaborazione AI basata su edge e la vettorizzazione semplificata ed efficiente ma potente rende i processori DSP la scelta perfetta per l'esecuzione di carichi di lavoro del motore neurale.
Un'altra sfida è come migrare la rete neurale esistente nell'ambiente DSP incorporato, che può richiedere molti tempi di sviluppo, il costo diventa molto costoso, ma la catena di strumenti automatizzata può supportare "operazioni chiave", il servizio one-stop sarà L'analisi e l'ottimizzazione della rete vengono trasformate in ambienti embedded ed è molto importante che tali strumenti coprano un gran numero di reti all'avanguardia per garantire che qualsiasi rete possa essere facilmente ottimizzata ed eseguita su dispositivi embedded.
Dopo il trapianto e il processo di ottimizzazione è completa, di solito hanno i dati in ingresso viene campionato a, con una minima perdita di informazioni al fine di completare il processo in modo più rapido. Ad esempio, nel processo più veloce RCNN (PDF), abbiamo due fasi di lavorazione, raccomandazioni regionali (proposta Regioni) e classificare le regioni.
famiglia CEVA-XM di ultra-bassa potenza processor DSP visivo, è atto ad effettuare tale lavoro possono essere aggiunti per migliorare ulteriormente le prestazioni CEVA-CNN acceleratore hardware (HWA), l'accelerazione elaborazione rete neurale (es veloce RCNN). Da figura si può vedere che siamo la quinta processore di visione generazione CEVA-XM6, rispetto alla precedente generazione della performance CEVA-XM4 premiata è stata notevolmente migliorata. Aggiungere CEVA-CNN acceleratore hardware performance è un importante passo avanti in.
studio approfondito basato sull'intelligenza artificiale porta infinite opportunità per i dispositivi palmari: il miglioramento delle immagini ottenute da reflex digitale di qualità fotografica, una maggiore e applicazioni di realtà virtuale, consapevolezza ambientale, evitamento e la navigazione, la rilevazione, il monitoraggio, l'identificazione, la classificazione, la segmentazione, la mappatura, posizionamento, correzione video, e così via. noi abbiamo un tale potere nel palmo della tua mano, sembra funzione di chiamata smart phone è trascurabile.
