將人工智能應(yīng)用于嵌入式應(yīng)用程序的吸引力是顯而易見的，例如，使用Face-id來授權(quán)訪問工廠地板上的機器控制。人臉識別，語音控制，異常檢測，人工智能有很多可能性。
人工智能的開發(fā)與標(biāo)準(zhǔn)嵌入式開發(fā)有很大不同。你不是在寫軟件，至少是為了核心功能。你必須訓(xùn)練神經(jīng)網(wǎng)絡(luò)來識別模式(比如圖像)，然后，你必須優(yōu)化該網(wǎng)絡(luò)，以滿足嵌入式設(shè)備有限的占地面積，從而達(dá)到尺寸和功率目標(biāo)。神經(jīng)網(wǎng)絡(luò)可能不是傳統(tǒng)的代碼，但網(wǎng)絡(luò)及其計算仍然消耗內(nèi)存和能量。作為一名嵌入式開發(fā)人員，你知道盡可能多地壓縮這些指標(biāo)是多么重要。現(xiàn)在讓我們至少了解一下這些神經(jīng)網(wǎng)絡(luò)是如何工作的。
基礎(chǔ)
神經(jīng)網(wǎng)絡(luò)在概念上是一系列“神經(jīng)元”層。每個神經(jīng)元從前一層讀取兩個(或更多)輸入或輸入數(shù)據(jù)，使用訓(xùn)練好的權(quán)重進行計算，并反饋結(jié)果。基于這些權(quán)重，層檢測特征，當(dāng)你在層中移動時，特征會逐漸變得更復(fù)雜，最終在輸出端識別出復(fù)雜的圖像。
第一個聰明的部分是設(shè)計網(wǎng)絡(luò)——有多少層，層與層之間的連接等等——核心神經(jīng)網(wǎng)絡(luò)算法。第二個聰明的部分是訓(xùn)練。這是一個過程，在這個過程中，許多圖像在網(wǎng)絡(luò)中運行，并通過標(biāo)簽識別應(yīng)該識別的內(nèi)容。這些運行建立了識別所需的權(quán)重值。
與嵌入式開發(fā)不同的是，在人工智能的開發(fā)中，你可以從零開始構(gòu)建自己的神經(jīng)網(wǎng)絡(luò)。你也可以從一個開源選項開始，比如這個face-id選項。你可以將所有這些都構(gòu)建到一個可以在筆記本電腦上運行的應(yīng)用程序中，這對于想要注冊新的核準(zhǔn)面孔的客戶來說非常方便。現(xiàn)在，你可以開始在多個姿勢中使用一組經(jīng)批準(zhǔn)的人臉測試集來訓(xùn)練你的人際網(wǎng)絡(luò)。
為什么不在云端做呢?
有一些服務(wù)可以在線進行人臉識別——無需在你的設(shè)備上使用凌亂的人工智能。只需拍下照片，上傳到云端，應(yīng)用程序就會傳回一個OK，你的產(chǎn)品就會批準(zhǔn)下一步。
但是–所有獲得批準(zhǔn)的員工都需要在云中保存他們的照片和其他憑證。對于安全和隱私來說，這可能不是一個好主意。每當(dāng)工作人員想要訪問機器時，將圖像傳輸?shù)皆贫藭拇罅康哪芰?。如果你的互?lián)網(wǎng)連接斷開了，在它恢復(fù)之前，任何人都不能被批準(zhǔn)。在設(shè)備上執(zhí)行正確的身份驗證可以保護隱私和安全，保持較低的電源需求，即使在網(wǎng)絡(luò)連接斷開時也可以繼續(xù)工作。
現(xiàn)在你已經(jīng)完成了人工智能的硬部分，你必須將其下載到你的設(shè)備上。這本身就是一個有趣的步驟，你肯定需要AI平臺的幫助。在把 AI
技術(shù)部署于終端設(shè)備的過程中，嵌入式開發(fā)技術(shù)至關(guān)重要。簡單來說，這一過程需要對芯片進行全方位考量以評估芯片的性能，然后根據(jù)神經(jīng)網(wǎng)絡(luò)算法做特殊化處理，無縫對接嵌入式設(shè)備的能力。既沒有浪費運算單元，又最大程度地體現(xiàn)算法的精度，這是一個藝術(shù)活，也是技術(shù)活。
