人工智能應(yīng)用的市場(chǎng)份額穩(wěn)步增長(zhǎng)。為此，意法半導(dǎo)體提供廣泛的產(chǎn)品組合，輕松實(shí)現(xiàn)多級(jí)別的人工智能應(yīng)用。在本文中，我們主要關(guān)注新型傳感器中內(nèi)嵌的人工智能（也稱為MLC），還將闡明用戶如何利用這個(gè)AI核心來(lái)開(kāi)發(fā)極低功耗的“邊緣到邊緣”AI應(yīng)用。

讓我們先從以下問(wèn)題開(kāi)始：什么是邊緣人工智能？

在過(guò)去，人工智能應(yīng)用程序需要許多計(jì)算資源，因此，來(lái)自傳感器的數(shù)據(jù)必須傳輸?shù)皆贫诉M(jìn)行處理，然后再將結(jié)果發(fā)送回本地。整個(gè)過(guò)程既耗時(shí)又耗電，并且不適用于缺乏互聯(lián)網(wǎng)連接的情況。因此，邊緣人工智能應(yīng)運(yùn)而生。有了MCU上的專用硬件，AI處理能力越來(lái)越強(qiáng)，將“人工智能”核心從云端移到了本地MCU，使延遲和功耗方面的表現(xiàn)更加出色。

意法半導(dǎo)體最近推出的一個(gè)全新傳感器系列（通過(guò)名稱末尾的字母X加以識(shí)別）使傳感器能夠完全在傳感器核心中運(yùn)行人工智能算法（基于決策樹(shù)分類器），無(wú)需本地MCU承擔(dān)任何計(jì)算負(fù)載。進(jìn)一步推動(dòng)了“邊緣人工智能”技術(shù)的發(fā)展。為此，我們稱之為“邊緣到邊緣”人工智能。

假設(shè)您有興趣開(kāi)發(fā)一款應(yīng)用，該應(yīng)用使用傳感器數(shù)據(jù)（來(lái)自加速度計(jì)、陀螺儀等）并利用人工智能技術(shù)檢測(cè)人類活動(dòng)（如步行、跑步、靜止等）或進(jìn)行手勢(shì)識(shí)別。在基于云的AI解決方案中，需要將數(shù)據(jù)發(fā)送到云端進(jìn)行推理，等待一段時(shí)間后獲得響應(yīng)。這意味著不得不在數(shù)據(jù)傳輸方面耗費(fèi)大量能量（如果互聯(lián)網(wǎng)連接可用，最高50mA），而且在接收輸出結(jié)果時(shí)會(huì)經(jīng)歷相當(dāng)長(zhǎng)的時(shí)延。一種創(chuàng)新型解決方案可以利用MCU的能力處理數(shù)據(jù)（“邊緣人工智能”），但傳感器數(shù)據(jù)傳輸是必須的。如果您的目標(biāo)是最低功耗型解決方案，在傳感器內(nèi)部嵌入MLC是最佳選擇。從傳感器到MCU的數(shù)據(jù)傳輸沒(méi)有功率消耗，優(yōu)化后的ASIC使MLC核心的電流消耗限制在~10uA左右，而延遲可以被忽略。

回到應(yīng)用本身，這意味著傳感器可以自己運(yùn)行人類活動(dòng)或手勢(shì)識(shí)別應(yīng)用：您只需對(duì)MLC傳感器進(jìn)行編程，打開(kāi)傳感元件，將基于人工智能的場(chǎng)景分類結(jié)果作為簡(jiǎn)單的寄存器值輸出，以供應(yīng)用MCU進(jìn)行決策（例如，改變應(yīng)用的行為，啟用或禁用低功耗模式，等等）。

如前所述，傳感器的人工智能基于“決策樹(shù)”分類器，這在之前的文章中已經(jīng)介紹過(guò)。不同的設(shè)備具有類似的機(jī)器學(xué)習(xí)核心可用資源，每個(gè)傳感器都能并行運(yùn)行最多8個(gè)不同的決策樹(shù)（共256或512個(gè)節(jié)點(diǎn)）。

決策樹(shù)基于訓(xùn)練過(guò)的人工智能模型（監(jiān)督學(xué)習(xí)），需要一個(gè)數(shù)據(jù)集來(lái)訓(xùn)練模型。一旦數(shù)據(jù)可用，就可以構(gòu)建決策樹(shù)，最后將決策樹(shù)編程到傳感器MLC中。針對(duì)這5個(gè)關(guān)鍵步驟，意法半導(dǎo)體提供UNICO-GUI工具，幫助開(kāi)發(fā)人員進(jìn)行數(shù)據(jù)收集和代碼生成，并在傳感器中上傳代碼，從而實(shí)現(xiàn)所需的MLC。

第一步：捕獲數(shù)據(jù)

您可以為數(shù)據(jù)采集活動(dòng)選擇意法半導(dǎo)體的板件（市場(chǎng)上有意法半導(dǎo)體提供的許多板件），意法半導(dǎo)體建議使用FP-SNS-DATALOG1固件獲取數(shù)據(jù)，確保所采集數(shù)據(jù)的一致性和格式化。一旦數(shù)據(jù)可以進(jìn)行處理，就可以啟動(dòng)UNICO-GUI。

第二步：數(shù)據(jù)標(biāo)記和特征配置

這意味著為在數(shù)據(jù)采集活動(dòng)中獲取的每個(gè)數(shù)據(jù)集分配一個(gè)名稱/標(biāo)簽?；谀臄?shù)據(jù)集和選擇進(jìn)行決策樹(shù)模型訓(xùn)練，以區(qū)分所選的類。UNICO-GUI工具可以導(dǎo)入許多類型的數(shù)據(jù)集。

此外，用戶在采集階段定義傳感器的工作模式，最重要的是選擇將被決策樹(shù)用于區(qū)分類的特征。特征基本上是對(duì)傳感器數(shù)據(jù)進(jìn)行的一種“分析”，決策樹(shù)將使用特征來(lái)選擇一個(gè)類或另一個(gè)類。這方面的一個(gè)例子是，使用XL信號(hào)的“標(biāo)準(zhǔn)偏差”或“峰-峰”特征來(lái)了解用戶是靜止?fàn)顟B(tài)還是運(yùn)動(dòng)狀態(tài)。顯然，有許多可選擇的特征可以組合在一起，以實(shí)現(xiàn)應(yīng)用的最佳決策樹(shù)。如需更多關(guān)于特征選擇和理解決策樹(shù)創(chuàng)建過(guò)程的詳細(xì)信息，請(qǐng)參見(jiàn)意法半導(dǎo)體設(shè)計(jì)技巧0139。

第三步：構(gòu)建決策樹(shù)

該步驟生成設(shè)置并在數(shù)據(jù)集訓(xùn)練過(guò)程中識(shí)別限制，以構(gòu)建一個(gè)能夠識(shí)別要檢測(cè)的運(yùn)動(dòng)數(shù)據(jù)類型的決策樹(shù)。

第四步：傳感器代碼生成

一旦創(chuàng)建了決策樹(shù)，需要用傳感器MLC語(yǔ)言“翻譯”決策樹(shù)。用戶將得到一個(gè)文件，其中包含讓其應(yīng)用在配備MLC的ST MEMS傳感器上運(yùn)行所必需的全部?jī)?nèi)容！

第五步

當(dāng)器件被編程后，可以在應(yīng)用中使用定義的已訓(xùn)練決策樹(shù)處理機(jī)器學(xué)習(xí)核心結(jié)果。

責(zé)任編輯：haq