Trang chủ Liên hệ

Những Tiến Bộ Về Machine Learning Và Edge Computing Xác Định Lại Thị Trường IoT

CÔNG TY TNHH THIẾT BỊ ĐO LƯỜNG VÀ ĐIỀU KHIỂN 04/04/2023

Sự phát triển của Edge computing , cùng với những tiến bộ machine learning , đang dẫn đến những triết lý khác nhau khi nói đến các sản phẩm thông minh trong thời đại IoT.  Các sản phẩm thông minh, được kết nối đang thay đổi bộ mặt cạnh tranh. Đó là luận điểm của một bài báo năm 2014 trên Harvard Business Review đã nhấn mạnh tiềm năng biến đổi của công nghệ thông tin được tích hợp vào một loạt các sản phẩm.

Tuy nhiên, trong năm năm qua, những từ có vẻ đơn giản của thông minh và thông minh kết nối đã trở nên khó hiểu hơn và, có thể nói là nhiều thuật ngữ xuất hiện hơn. Và ý nghĩa của hai thuật ngữ Machine Learning và Edge Computing đã liên tục phát triển và tiếp tục thay đổi. Năm đến mười năm trước, một sản phẩm thông minh của YouTube là một sản phẩm có cảm biến nhúng, bộ xử lý và phần mềm. Ngày nay, để đủ điều kiện là thông minh, thì một thiết bị cần phải tận dụng tối thiểu một số hình thức machine learning  cơ bản ở mức tối thiểu.

Trong khi hầu hết các đánh giá về việc áp dụng IoT đều kết luận việc áp dụng công nghệ này đã ổn định trong thập kỷ qua, mạng lưới thần kinh và tiến bộ của machine learning  đã nhanh chóng. Công nghệ nở rộ với tốc độ nhanh hơn nhiều so với mọi người nghĩ, thậm chí ba, bốn năm trước, Martin nói, phó chủ tịch, các sản phẩm trong nhóm machine learning của Arm.

Mạng lưới thần kinh và machine learning tiến bộ xác định lại ‘thông minh’

Một yếu tố thúc đẩy tiến trình là sự tiến bộ với mạng lưới thần kinh tích hợp. Một khoảnh khắc quan trọng đã đến khi Alex Krizhevsky, sau đó là một sinh viên tốt nghiệp tại Đại học Toronto, tham gia cuộc thi ImageNet cùng với đồng nghiệp Ilya Sutskever.

Một cơ sở dữ liệu trực quan bắt đầu từ hơn một thập kỷ trước, ImageNet đã trở thành một kho dự trữ cho hàng ngàn danh mục hình ảnh. Khối lượng dữ liệu đã hỗ trợ cho sự phát triển của một cuộc thi, được gọi là Thử thách nhận dạng hình ảnh quy mô lớn ImageNet năm 2010.

Hai năm sau, Krizhevsky tham gia và cuối cùng đã chiến thắng, đánh bại sự công nhận hình ảnh bằng văn bản của con người. mã. Có những người sẽ dành hàng thập kỷ cuộc đời để viết phần mềm nhận dạng hình ảnh bằng tay, ông Rod Roddy nói.

Sau đó, đột nhiên, một sinh viên tốt nghiệp từ Đại học Toronto tạo ra một mạng lưới thần kinh có tên là Alex AlexNet , đánh bại các nhà nghiên cứu đã dành sự nghiệp của họ cho nghiên cứu tương tự.

Trong vòng hai năm sau đó, có một sự bùng nổ lợi ích trong mạng lưới thần kinh từ các nhà nghiên cứu, ông Rod Roddy nói. Các công ty công nghệ lớn cũng đổ tiền nghiên cứu. Vào năm 2015, mạng lưới thần kinh của Microsoft và Google đã đánh bại con người khi nhận dạng hình ảnh

Đó là khoảnh khắc aha. Mạng lưới thần kinh tốt hơn so với những gì trước đây chúng ta có thể viết mã bằng tay với hàng chục ngàn dòng mã C, theo Rod Roddy nói. Ngoài ra, do các nhà nghiên cứu có thể đào tạo với các bộ dữ liệu đủ lớn, nên nơ ron thần kinh có tỷ lệ nhận dạng cao hơn trên hình ảnh lóe lên trên màn hình so với con người, ông nói thêm.

Một phần là kết quả của những đột phá ấn tượng trong nhận dạng hình ảnh, machine learning thương mại và các ứng dụng mạng thần kinh đang sinh sôi nảy nở.

Chu kỳ cường điệu gần đây nhất của Gartner cho các dự án AI mà cả ba đều cách hai đến năm năm kể từ khi áp dụng rộng rãi. Đã có một số nhà sản xuất thiết bị điện tử tiêu dùng đang tranh giành để kết hợp phần cứng để hỗ trợ việc sử dụng mạng thần kinh trong các sản phẩm của họ. Như một trường hợp cụ thể, hãy nhìn vào các nhà sản xuất điện thoại thông minh như Samsung đã kết hợp các đơn vị xử lý thần kinh vào các sản phẩm của họ cho trí thông minh thị giác.

Ý tưởng về một NPU chuyên dụng đã nhanh chóng giảm giá cho điện thoại và sẽ đi vào rất nhiều thị trường khác, ông Rod Roddy nói.

Mở Rộng hơn, tốc độ của việc áp dụng tầm nhìn máy cũng đang gia tăng cho các ứng dụng công nghiệp. Một đánh giá từ thị trường và thị trường được tham chiếu bởi Advanced Manufacturing ước tính mức tăng trưởng kép hàng năm của công nghệ là 54,8% trong giai đoạn 2018 đến 2025.

Khi khái niệm về các thiết bị IoT bắt đầu đạt được lực kéo từ vài năm trước, khái niệm về những thứ được kết nối tràn lan, những thứ mà Keith đã nhướn mày trong một số quý. Mối quan tâm rõ ràng nhất là sự phân nhánh bảo mật của một thế giới với hàng tỷ thiết bị IoT không đầu. Những lời chỉ trích khác chỉ đơn giản là nhiều thiết bị IoT mới nổi – đặc biệt là trong không gian của người tiêu dùng – đã sử dụng công nghệ CNTT theo những cách có vẻ ngớ ngẩn.

Nhưng sự phân nhánh của các thiết bị IoT thông minh và được kết nối khi thu thập dữ liệu chỉ mới trở nên rõ ràng gần đây. Và nếu tham dự Triển lãm Điện tử Tiêu dùng trong hai năm qua là bất kỳ dấu hiệu nào, IoT trong nhiều trường hợp đã trở nên được đưa ra nhiều hơn là một điều kỳ diệu. Và lý do đằng sau các thiết bị như vậy đang dần phát triển rõ ràng hơn như tiềm năng xói mòn đôi khi của chúng.

Kết nối trong kỷ nguyên tính toán Dawning Edge

Những tiến bộ trong công nghệ nhận dạng giọng nói đã giúp IoT chính thống trong lĩnh vực tiêu dùng. Các nhà nghiên cứu đã đạt được tiến bộ nhanh chóng với nhận dạng giọng nói trong thập kỷ qua. Các đối thủ nặng ký về công nghệ như Amazon và Google đã giúp thúc đẩy cải tiến trong lĩnh vực này thông qua công nghệ loa thông minh.

Nhưng các khả năng của một thiết bị thông minh được gọi là trung bình, có thể so sánh với một chiếc điện thoại thông minh. Trong một thiết bị như loa thông minh, khả năng của máy tính trên bo mạch có xu hướng tương đối hạn chế. Các thế hệ đầu tiên của công nghệ đã dựa vào kết nối đám mây để thực hiện các tác vụ nhận dạng giọng nói.

Một loạt các bài báo quan trọng từ những người như The Washington Post , The Guardian , Cnet và những người khác đã nhấn mạnh tiềm năng của loa thông minh và các thiết bị có khả năng nhận dạng giọng nói khác để xâm phạm quyền riêng tư của người dùng.

Hiện tại có một mối nguy hiểm của mô hình phá vỡ quyền riêng tư của người dùng, nhưng đặc biệt là về lâu dài. Nhưng tình hình có thể được cải thiện. Đối với một điều, các nhà cung cấp trợ lý thông minh gần đây đã thực hiện các bước để giảm bớt mối quan tâm riêng tư.

Và về lâu dài, các thiết bị nhà thông minh và nhiều loại sản phẩm IoT khác sẽ sử dụng nhiều hơn cho xử lý cạnh, Geoff Lees, Senior VP và tổng giám đốc của vi điều khiển tại NXP. Xu hướng này có khả năng giải quyết thêm các mối lo ngại về quyền riêng tư trong khi xóa bỏ rào cản chấp nhận tại các thị trường có ý thức bảo mật hơn như Đức, Lees nói.

Các thiết bị IoT như loa thông minh gửi tất cả dữ liệu họ thu thập lên đám mây để xử lý, theo định nghĩa, xâm phạm quyền riêng tư. Khả năng của các công ty vận hành các thiết bị như vậy sẽ chỉ cải thiện theo thời gian, làm phức tạp thêm vấn đề.

Tại sao một lệnh của ‘Bật đèn lên.’ Có cần phải lên cloud để kích hoạt đèn không? Bạn muốn xử lý lời nói tại local vì mọi người sẽ nhận ra: ‘Nếu mỗi lần tôi thức dậy vào phòng tắm vào buổi sáng và nói,’ Bật đèn lên ‘, điều đó đều được báo cáo lại cho nhà cung cấp đám mây, vậy thì quyền riêng tư của tôi đâu ?

Tuy nhiên, các nhà sản xuất thiết bị IoT vẫn có thể có một thiết bị được kết nối với internet và vẫn duy trì sự riêng tư. Trong một số trường hợp, có các thiết bị như vậy kết nối với internet là hợp lý.

Nếu tôi nói: ‘Này, trợ lý XYZ, hãy cho tôi biết tỷ số của trận đấu bóng’, tại thời điểm đó, đoạn trích cụ thể đó được gửi lên đám mây, phân tích cú pháp, xử lý và trả lời trở lại, Mitch Roddy nói. Trợ lý và trợ lý của bạn nói với bạn: ‘Đội của bạn đang theo dõi.’ Đó không phải là xâm phạm vì đó là một phản hồi cho một yêu cầu rõ ràng. Thiết bị vẫn được kết nối. Nó vẫn là một thiết bị thông minh, nhưng giờ đây nó đã được lọc trước và chỉ gửi một số thứ nhất định lên đám mây, Mitch Roddy nói.

Có quyền kiểm soát giọng nói địa phương là điều quan trọng, ông Gowrishankar Chindalore, tiến sĩ, người đứng đầu bộ phận công nghệ và chiến lược kinh doanh,  tại  công ty NXP. Vì vậy, có sự kiểm soát giọng nói, và sau đó có sự nhận biết và hiểu biết giọng nói tự nhiên địa phương. Càng nhiều khả năng đó đến với thiết bị cuối, càng tốt cho tất cả những mối quan tâm này xung quanh quyền riêng tư – và mức tiêu thụ điện năng.

Cuối cùng, việc sử dụng rộng rãi điện toán đám mây để nhận dạng giọng nói được nhân rộng trên hàng triệu thiết bị là một hoạt động rất ngốn điện. NXP đã làm một số tính toán nhanh chóng. Họ có thể thực hiện khoảng 1000 thao tác trên MCU với cùng công suất cần thiết để gửi 1 bit dữ liệu lên đám mây qua LTE và mang nó trở lại, theo ông Chindalore nói. Đây là thứ tự của sự khác biệt lớn trong tiêu thụ năng lượng. Vì vậy, nó càng xảy ra ở biên, edge, nói chung là tốt hơn trước đây.

Bài viết liên quan