智慧應用 影音
Dtalk
event

建構以資料持續驅動、落地驗證為循環的智慧終端應用

人工智慧(AI)與物聯網(IoT)技術推升大量智慧型終端裝置的問世,並成功發展多樣化的落地應用,讓資料加值的服務呈現爆炸式成長,帶動更多科技創新與獨特商業模式,這個趨勢引領AIoT世代的誕生,以往用在雲端資料中心的人工智慧技術,也逐漸朝向終端裝置佈署,鑒於這些以微控制器(MCU)為主要運算單元的小型化裝置,在有限的運算與儲存資源條件下,執行龐大的AI演算法實在力有未逮,一種稱為tinyML的小型化機器學習技術浪潮與商機,正悄悄地嘗試改變這個生態系統。

陽明交通大學電子工程學系教授李鎮宜,受DIGITIMES邀請以「智慧終端裝置如何迎接tinyML浪潮」為題做一個深入的科技導覽,探討結合MCU與tinyML技術加速落地應用的案例,以爭取更多新興市場商機。新興物聯網裝置已經具備能夠以極低功耗執行感測的功能,通常耗電也僅有mW(毫瓦特)以下範圍,搭配電池做為供電,以及加上諸如常時啟動(Always On)的應用,有些用小巧的鈕扣電池甚至也能具備5~10年的續航力,提供多面向的使用範例。

 點擊圖片放大觀看

陽明交通大學電子工程學系教授李鎮宜。DIGITIMES

李鎮宜率先引用智慧製造的範例,透過智慧讀錶(Automatic Gauge Reader;AGR)技術,做為機台資料的自動收集系統並加以分析,其使用在傳統製造業的場域中,利用攝像機拍攝傳統探針式電錶的影像,利用從tinyML訓練的小型AI演算法來辨識電錶的數值,再整合到智慧平台以啟動大數據分析等後續服務。

第二個範例是用在穿戴式裝置的應用,這些專司蒐集生理訊號量測的貼身小裝置,成為行動照護應用的一環,由於使用環境的差異,對於容易產生背景雜訊的應用領域往往影響準確性,於是利用小型AI工具做為智慧型雜訊消除的用途,以強化資料收集的品質與可用性,成為醫療照護團隊一個有效的參考資料,並啟動未來智慧醫療應用的商機。

第三個範例是智慧視覺,可以用做非接觸式的監控,或是生理訊號量測之用,涵蓋諸如人臉偵測與辨識的使用範例,逐漸成為一個快速發展的應用領域,做為智慧型的門禁,甚至整合到未來的智慧醫療領域,舉凡遠距心率偵測等用途,皆具備非常廣泛的商用化潛能,台灣甚至有銀行利用臉部辨識幫客戶做身分認證,做為防止洗錢的查證。

一般來說,以ARM Cortex-M系列MCU為主的裝置,用在智慧感測器的應用,諸如感測聲音、振動、溫濕度的範例都已經有實際成果,使用ARM Cortex-M0或Cortex-M3的MCU就能有令人滿意的效果;而智慧影像感測器等應用,考慮到影像資料大小與記憶體需求,要完成影像分類及物件偵測工作,則需要用到Cortex-M4與Cortex-M7等級的晶片;若是規格更高的應用,則Cortex-A、Cortex-R或甚至FPGA的硬體組合,都不在話下。

TinyML訓練需要考慮有效的資料蒐集,以做為模型訓練之用,當然新的模型也會不斷需要持續優化,都會牽涉到最後實際應用的效果。目前研究單位與學術機構正在與零售業等產業尋求合作的契機,因為還是需要同步做商業應用的驗證,才能找到獲得實際場域認可的優化演算法,達到可以商品化的可能。AIoT所處環境與場景非常多元,未來仍需要啟動一個可以持續學習,或使用少量資料即可快速學習的能力,才有全面普及化的機會。


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: AI