Definiți cerințele aplicației AI pentru a putea selecta placa de dezvoltare ideală

by donpedro

În lumea de azi, în care se vehiculează un volum imens de date, Inteligența artificială (AI) devine un instrument din ce în ce mai des folosit pentru îmbunătățirea diverselor aplicații. Pentru inginerii care nu sunt experți în aplicații AI, utilizarea unei plăci de dezvoltare poate contribui la accelerarea ciclului de proiectare – dar, datorită opțiunilor multiple disponibile pe piață, selectarea plăcii ideale poate dovedi descurajantă. Ankur Tomar, Regional Solutions Marketing Manager la Farnell prezintă câteva dintre considerentele cheie pentru alegerea unei asemenea plăci, precum și un nou instrument de configurare online creat pentru a simplifica procesul de selectare.

Inteligența artificială (AI) este un subiect fierbinte cu apariții regulate în cele mai multe liste privind tendințele tehnologice din ultimii ani. Cu toate acestea, în ciuda creșterii interesului față de asemenea aplicații, domeniul AI nu a devenit “peste noapte” o tendință tehnologică emergentă. Se vorbește despre AI de mai bine de jumătate de secol, iar accesul la informații care a crescut foarte mult în ultimul deceniu, oferă acum prilejul ca aplicațiile AI să poată fi integrate din ce în ce mai mult în viața noastră de zi cu zi.

Detașarea de obiectivul timpuriu al dezvoltării inteligenței generale artificiale (cu alte cuvinte, cunoașterea la nivel uman, cunoscută sub numele de AI “puternică” sau “totală”) și apropierea de forme AI mai pragmatice, precum “aplicată”, “strictă” sau “limitată” oferă beneficii reale utilizatorilor datorită abilității sale de a rezolva probleme specifice, definite, în timp real. Astăzi, aceste forme pragmatice de AI sunt aplicate cu succes la un număr tot mai mare de cazuri diverse de utilizare.

Avnet – Ultra96

Tipuri de aplicații AI

Avnet – SmartEdge Agile

Adesea, tehnologia dezvoltată și maturizată de-a lungul cercetărilor în domeniul AI – de la recunoaștere facială sau vocală și motoare de recomandare online, la “chatbot” și asistenți virtuali – este integrată în aplicațiile de zi cu zi, fără a mai fi numită aplicație AI. Inteligența artificială aplicată ‘modernă’ nu este o simplă tehnologie pentru o singură aplicație specifică, ci înseamnă o serie de tehnici pentru multe și diverse aplicații, fiecare având cerințe diferite. Unele dintre cele mai comune aplicații includ:

  • Mentenanță predictivă – agregarea datelor din mai multe surse și aplicarea AI pentru a anticipa defectarea echipamentului înainte de a se întâmpla
  • Recunoaștere voce/sunet – dispozitivele inteligente (inclusiv telefoane și difuzoare) pot acum să recunoască, să interpreteze și să răspundă atunci când “aud” voci și chiar alte sunete cotidiene
  • Recunoaștere mișcare/obiect/umană – pe lângă faptul că este implementată în sisteme de securitate, această tehnologie este esențială pentru dezvoltarea vehiculelor autonome și a infrastructurii inteligente
  • Învățare automată – această tehnică alimentează multe și diferite forme de AI, aplicând algoritmi la date brute, nerefinate pentru a descoperi tipare implicite, înainte de a le folosi pentru a prezice rezultate viitoare

Instrumente pentru dezvoltarea de aplicații AI

MATRIX Creator pentru Raspberry Pi

Pe măsură ce AI devine mult mai prezentă, iar dezvoltatorii își dau seama de avantajele pe care AI le poate aduce aplicațiilor, produselor și serviciilor lor, se observă încă un decalaj în ceea ce privește expertiza și experiența AI. Pentru reducerea acestui decalaj, au fost create instrumente de dezvoltare pentru a simplifica integrarea funcționalităților AI – de la instrumente și servicii software la plăci de dezvoltare. Utilizarea unei plăci de dezvoltare poate reduce timpul pentru a construi o aplicație, dar selectarea plăcii ideale poate fi un proces complex. Trebuie luați în considerare următorii factori:

Puterea de procesare

Nivelul necesar pentru puterea de procesare depinde de aplicația voastră:

  • Procesare de la ‘Cloud’ la ‘gateway’ la ‘edge’ – Până de curând, aplicațiile AI au preluat în principal procesarea în cloud, oferind acces, de exemplu la servicii de înaltă calitate, bazate pe cloud, precum Amazon sau Google Voice, pentru recunoaștere vocală și reducerea nivelul de putere de procesare necesar în dispozitivul local. Cu toate acestea, există cazuri în care nu ar fi practic să se proceseze în cloud, de exemplu, dacă nu este disponibilă o lățime de bandă acceptabilă. Alte opțiuni disponibile acum sunt cele prin care dispozitivele pot efectua procesarea într-un gateway sau chiar la margine. Dispozitivele Gateway, precum noua placă de dezvoltare Ultra96 de la Avnet, oferă o putere uriașă de procesare pentru a suporta dispozitive multiple locale, în timp ce dispozitivele pentru procesare la margine (edge) necesită, în general, mai puțină putere de procesare. Acest lucru se datorează faptului că algoritmii pot fi creați în cloud înainte de implementare pentru a permite procesarea mult mai simplă pentru monitorizare continuă la margine.
  • Învățare sau procesare intensivă – tehnologiile de învățare automată domină în prezent aplicațiile AI, dar nu toate acestea trebuie să includă elementul de învățare (de exemplu, motoarele de recunoaștere vocală existente au fost deja optimizate). În cazul unei noi aplicații, de multe ori sistemul va trebui să învețe, dar și să proceseze pur și simplu, necesitând mai multă putere de procesare.
  • Alte forme de AI – Sistemele AI bazate pe reguli pot avea nevoie de mult mai puțină putere de procesare decât cele care folosesc învățarea automată.

Capabilități de detecție

Este important să alegeți o placă cu setul de senzori potrivit pentru aplicația voastră. Deoarece majoritatea formelor de AI încearcă să interpreteze lumea reală, aplicațiile necesită de obicei un anumit tip de senzori, pentru a oferi:

  • Detecție condiții specifice de mediu
  • Detecție mișcare
  • Detecție proximitate
  • Detecție audio
  • Detecție imagine

Conectivitate

Aplicațiile AI trebuie să comunice. Acest lucru ar putea necesita comunicații pe distanțe scurte (cum ar fi Bluetooth sau Zigbee), pentru a se conecta la senzori sau gateway-uri locale sau comunicații pe distanțe mai lungi (de obicei tehnologie WiFi sau LPWAN, cum ar fi LoRa) pentru a se conecta la gateway-uri mai îndepărtate. Unele aplicații vor avea nevoie de ambele.

Configurator AI

Farnell a creat un instrument online pentru ca dezvoltatorii să poată identifica și să selecteze cu încredere plăcile de dezvoltare potrivite pentru proiectele lor de inteligență artificială.

Utilizatorii pot selecta aplicația care se potrivește cel mai bine cu cerințele proiectului lor, inclusiv caracteristici precum mentenanță predictivă, recunoaștere vocală, facială sau a obiectelor, recunoașterea mișcării și învățarea automată, dar și adăugare de cerințe de detecție și conectivitate wireless. Odată ce aceste cerințe au fost bine definite, configuratorul AI identifică plăcile care răspund nevoilor de proiectare (inclusiv plăcile suplimentare ‘add-on’ care sunt necesare pentru a furniza capabilitățile de detecție necesare). Tot în pagina configuratorului, puteți găsi și alte resurse relevante care vă pot ajuta la accelerarea ciclului de proiectare, inclusiv tutoriale, studii de caz sau documentație tehnică, precum documentația API Alexa pentru aplicații de recunoaștere vocală.

Configuratorul AI de la Farnell poate fi accesat de la adresa: uk.farnell.com/ai-configurator

 

S-ar putea să vă placă și

Adaugă un comentariu