業(yè)界應如何看待邊緣人工智能？ST授權合作伙伴MathWorks公司的合作伙伴團隊與ST 共同討論了對邊緣機器學習的看法，并與 STM32 社區(qū)分享了他們的設計經驗。

MathWorks的 MATLAB^?和Simulink^?軟件聞名業(yè)界。MATLAB^?軟件工具可讓科學家分析數據，開發(fā)算法，創(chuàng)建模型；Simulink^?軟件可以創(chuàng)建模型化設計，仿真測試動態(tài)系統(tǒng)，支持 STM32 MCU，開發(fā)、部署和優(yōu)化在 STM32 MCU上運行的應用。MathWorks 為開發(fā)者提供MCU AI開發(fā)部署工具，業(yè)務范圍涵蓋許多領域，包括控制設計、信號處理和嵌入式系統(tǒng)設計，以及許多專用附加產品。公司不僅在學術界享有盛譽，在航空航天、汽車和工業(yè)市場也具有很大的影響力。

正是因為 MathWorks 擁有如此強大且常用的工具包，我們才決定與他們深入討論邊緣機器學習。 雖然這個話題已經討論了很多年，但我們認為，像 MathWorks 這樣的合作伙伴提出的建議有助于業(yè)界換個角度看待邊緣機器學習，并解決業(yè)界面臨的一些挑戰(zhàn)。因此，我們采訪了 MathWorks 嵌入式合作伙伴經理 John Kluza 和戰(zhàn)略合作伙伴專家 Reed Axman。

有關邊緣機器學習的思考……^[JH1]

…現狀

我們是否已經大規(guī)模采用邊緣機器學習?

“在邊緣機器學習被廣泛應用和部署之前仍有很多工作要做”

MathWorks合作伙伴團隊：還沒有，在邊緣機器學習被廣泛應用和部署之前還有很多工作要做。業(yè)界仍在追趕STM32微控制器等邊緣設備的能力，但它也在努力應對一些基本挑戰(zhàn)，如能效和安全標準。

我們是否已達到能效臨界點？

還沒有。雖然在過去五年里，業(yè)界已經顯著提高了神經網絡算法在微控制器上的運行能效，但在邊緣機器學習得到大規(guī)模應用前，仍然需要設法提高系統(tǒng)能效，降低模型的部署難度。邊緣AI技術已經進入許多細分市場，但在進入主流市場之前還有很長的路要走。

…展望

如何做才能提高邊緣人工智能的能效？

能夠在嵌入式系統(tǒng)運行系統(tǒng)代碼以及多個神經網絡，是在機器學習發(fā)展道路上取得的一個重要的里程碑。目前，微控制器能夠順暢地運行一個神經網絡，但是，運行兩個或更多網絡以及系統(tǒng)代碼，同時保持功耗在預算范圍內，仍然是一個不小的挑戰(zhàn)。同時，確保適合的安全機制到位也很重要。

人工智能中的安全性是什么意思？ （笑問）機器人會攻擊人類嗎？

(笑) 不會，沒有那樣的事情，在科幻小說中經常會出現這樣的情節(jié)。人工智能的安全性是指工作可靠性，這意味著避免算法發(fā)生意外行為，確保AI有容錯、故障安全操作和數據保護功能。

開發(fā)人員如何創(chuàng)建更安全的AI應用？

這個問題不好回答，這也是 MathWorks 提供神經網絡測試驗證工具的初衷。簡而言之，設計團隊可以用MathWorks工具驗證機器學習算法的行為，并在現場部署前創(chuàng)建冗余機制。用戶還可以模擬傳感器數據的中斷或變化，以更好地預測現實世界的情況。

創(chuàng)建邊緣機器學習

高效的數據學分析方法

對于一家致力于邊緣機器學習的初創(chuàng)公司，你有哪些忠告？

首先，弄清楚用例的具體要求，實時處理是否是首要需求？數據隱私是否是大家都很關心的問題？算力和功率有哪些限制？ 一旦確定了硬件規(guī)格，團隊就可以專注開發(fā)推理速度、存儲器占用和預測準確性均衡的人工智能模型。在這個方面，利用現有工具和模型庫可以最大限度地提高開發(fā)效率，縮短產品上市時間。我還建議創(chuàng)建一個數據安全處理計劃，預測連接問題(如果有聯(lián)網組件)，并確定系統(tǒng)擴展計劃。 一旦想清楚了這幾點，設計人員就可以更好地決定是否聘請數據科學家來開發(fā)機器學習算法。

那么聘請數據科學家并不是第一步，甚至不是必須的？

在某些情況下，第一步要做的是聘請數據科學家。但是，用 MATLAB 創(chuàng)建高準確度模型，不一定非是數據科學家或 AI 專家不可。工程師深刻理解他們的數據，深知他們要解決的問題，而數據科學家在某種程度上通常不具備這些知識。例如，團隊可以先構思一個人工智能的系統(tǒng)設計^[VC2]，甚至嘗試從模型庫導入神經網絡，然后，再聘請昂貴且稀有的數據科學人才。這樣做將有助于更好地確定要解決的問題。此外，MathWorks的現有工具讓系統(tǒng)工程師能夠在獨立解決人工智能問題上取得重大進展。

公司應如何開始研發(fā)機器學習算法？

借助 MATLAB 和 Simulink 等工具，用戶可以簡化算法開發(fā)和在嵌入式設備上部署模型。我們在TinyML登錄頁面討論了將高效 AI 網絡部署到 MCU 的流程，還有相關的方法視頻和研討會活動。

MATLAB會取代數據科學家嗎？

顯然不會，然而，MATLAB的功能，及其與 PyTorch 和 TensorFlow 等其他深度學習平臺的協(xié)同操作功能，可以促進團隊成員之間的協(xié)作，并有助于加快在邊緣上實現機器學習。

理性看待AI

可以向我們展示邊緣機器學習解決問題的示例嗎？

當然！ 借助 MathWorks 和 STM32 MCU，邊緣人工智能可以提高產品功能，有時還能降低系統(tǒng)成本。我們還提供用戶案例庫，展示企業(yè)如何用 MATLAB 和 Simulink 開發(fā)機器學習和深度學習，包括虛擬溫度傳感器、壓力傳感器、激光雷達分類器和心電圖分析。

什么情況下最好避免邊緣機器學習？

如果傳統(tǒng)方法能夠控制系統(tǒng)，而且計算資源需求比神經網絡低，就不必用邊緣機器學習。例如，可以用卡爾曼濾波器構建系統(tǒng)，求解大型線性代數問題，在某些情況下可以提供令人滿意的效果。

如果沒有這類專業(yè)知識或資源，怎么辦？

這時候就是就該邊緣機器學習登場了。有時，企業(yè)缺乏開發(fā)準確模型所需的專業(yè)知識。同樣，如果系統(tǒng)的非線性或時變性非常明顯，那么使用傳統(tǒng)方法創(chuàng)建運算模型可能無法實現，或者沒有優(yōu)勢。在這些情況下，解決相同的問題，邊緣機器學習方法就變得更經濟劃算了，如果團隊精簡壓縮神經網絡算法，優(yōu)化機器學習模型，物料成本可能會變得更低！

訓練和優(yōu)化哪個更重要？

兩者的作用都很重要。然而，如果你有大量的訓練數據和強大的神經網絡，但在邊緣設備上實現模型的能力很弱，那么一切都是枉然。因此，模型優(yōu)化至關重要。低功耗系統(tǒng)和較小的存儲器占用率，以及性能良好的神經網絡，可以讓團隊快速地發(fā)布新產品。當團隊已經優(yōu)化了底層代碼時，長期改進模型性能就會比較容易。

ST和MathWorks生態(tài)系統(tǒng)

MathWorks和ST的合作會給業(yè)界帶來哪些影響？

MathWorks 為開發(fā)人員提供了許多跨硬件平臺移植應用的功能，因為開發(fā)者可能與多家 MCU 廠商合作。此外，MathWorks 還提供一個完整開發(fā)流程，涵蓋從數據學分析、神經網絡創(chuàng)建，到優(yōu)化、仿真和部署這些神經網絡的整個開發(fā)過程。另一方面，STM32Cube.AI等ST軟件支持為STM32 MCU生成C代碼，STM32Cube.AI Developer Cloud新增了網絡基準測試和模型庫。

STM32Cube.AI 和 MathWorks工具是如何相互配合的？

MathWorks的Simulink軟件支持STM32硬件

STM32Cube.AI 和 MathWorks 工具配合使用，為開發(fā)者提供了一個完整的開發(fā)流程。例如，工程師可以從 ST Model Zoo模型庫、TensorFlow、PyTorch 或 MATLAB 開始創(chuàng)建神經網絡，然后用 STM32Cube.AI Developer Cloud進行初步基準測試。因此，可以幫助開發(fā)人員選擇成本、性能和推理時間全面均衡的目標模型。然后，團隊可以將模型集成到 Simulink 中，進行系統(tǒng)級的模型測試。STM32硬件支持包和嵌入式編碼器可以執(zhí)行處理器在環(huán)(PIL)測試和快速原型設計，使工程師能夠評估AI模型和配套的控制邏輯，以及整體性能，看看它是否符合預期。

開發(fā)者需要注意些什么？

除了 STM32Cube.AI 提供的代碼生成外，還需要考慮原型設計問題。例如，借助STM32Cube.AI Developer Cloud，在多個 Nucleo 開發(fā)板上做同一個基準測試，可以幫助團隊為每個項目快速選定最佳器件。

STM32開發(fā)者現在應做些什么？

我們建議他們查看在MCU上部署AI所需的MathWorks工具，并詳細了解STM32 NUCLEO技術支持 。在開始開發(fā)的時候，他們可以在這里觀看視頻，研究示例，閱讀文檔。

我還是加上“思考”。以下觀點更多是筆者的認知陳述以及探索性思考。特別是未來展望， 保持以思考的措辭和低姿態(tài)，可能也是為觀點保持一定討論空間。 ^[JH1]

^[VC2]這個我的英文理解不知道對不對