將人工智能(AI)和機器學習(ML)集成到邊緣設(shè)備是物聯(lián)網(wǎng)領(lǐng)域最受期待的發(fā)展之一?？捎柧?、可操作、能夠從環(huán)境中提取信息和學習的智能設(shè)備正在變得更加具有情境意識，最終變得更加有用。在邊緣位置執(zhí)行人工智能具有顯著的優(yōu)勢，包括低延遲、減少帶寬、更低的功耗和成本，以及隱私和安全。人工智能可以通過小型微控制器來達成功能，從而在邊緣節(jié)點實現(xiàn)更好的決策。
將嵌入式智能添加到物聯(lián)網(wǎng)設(shè)備將為制造商創(chuàng)造新的機會—這是Silicon Labs (亦稱“芯科科技”)與人工智能和機器學習應(yīng)用領(lǐng)先供應(yīng)商SensiML合作的核心所在。Silicon Labs提供完整的無線和MCU產(chǎn)品系列，并可搭配Thunderboard Sense 2 高級物聯(lián)網(wǎng)開發(fā)套件快速評估產(chǎn)品項目以建立原型設(shè)計。
人工智能和機器學習可為物聯(lián)網(wǎng)邊緣節(jié)點的開發(fā)人員帶來諸多益處：
● 顯著節(jié)約成本
● 減少帶寬使用
● 設(shè)計時間更快
● 設(shè)計尺寸更小，并能低功耗運行
● 數(shù)據(jù)隱私和安全性更高
加快發(fā)展人工智能物聯(lián)網(wǎng)
SensiML提供尖端軟件，實現(xiàn)超低功耗物聯(lián)網(wǎng)端點，實現(xiàn)人工智能，并將原始傳感器數(shù)據(jù)轉(zhuǎn)化為對設(shè)備本身有意義的見解。SensiML的Analytics Studio還提供了一個全面的開發(fā)平臺，使具備最少數(shù)據(jù)科學專業(yè)知識的開發(fā)人員能夠以比手工編碼解決方案快5倍的速度構(gòu)建智能端點。這意味著客戶可以快速跟蹤他們的開發(fā)項目，并在數(shù)周內(nèi)將AI/ML嵌入到他們的設(shè)計中，而數(shù)據(jù)科學項目通常需要數(shù)年時間。
SensiML Analytics Studio和Silicon Labs的無線SoC和MCU的結(jié)合，將使開發(fā)人員有可能增加功能，降低復(fù)雜性，并利用低功耗、低成本、占地面積小的設(shè)計。SensiML分析工具包套件自動創(chuàng)建優(yōu)化的人工智能物聯(lián)網(wǎng)傳感器識別代碼的每一步過程。
人工智能和機器學習有什么區(qū)別?
人工智能和機器學習都與同一種計算機科學有關(guān)。但是，盡管許多人傾向于交替使用它們，它們確實有不同的含義。
自動化機器學習的好處及其工作原理
當涉及到需要專門背景的任務(wù)時，自動構(gòu)建機器學習模型的過程為開發(fā)人員帶來了許多好處。例如，在沒有自動機器學習或AutoML的情況下，以下任務(wù)留給建模者根據(jù)自己對問題的理解、所需的模型性能以及最關(guān)鍵的是他們在正確應(yīng)用信號處理和機器學習分類器方面的專業(yè)知識來確定：
● 輸入數(shù)據(jù)中感興趣區(qū)域的分割
● 確定需要哪些預(yù)處理和特征變換來將原始輸入數(shù)據(jù)轉(zhuǎn)換為分類器的合適輸入向量
● 選擇使用哪種類型的機器學習分類器來提供最佳結(jié)果
● 模型參數(shù)優(yōu)化與超參數(shù)整定
● 評估進一步提高模型性能的后處理需求
AutoML通過使用高性能計算和搜索優(yōu)化算法來增強用戶在執(zhí)行構(gòu)造任務(wù)時的知識。AutoML的優(yōu)點包括能夠在相同的時間內(nèi)評估數(shù)十萬甚至數(shù)百萬個模型排列，而人類數(shù)據(jù)科學專家只需評估幾個。有了定向搜索約束，熟練用戶手中的AutoML組合可以將搜索集中在最有前途的排列上，而不僅僅是執(zhí)行暴力網(wǎng)格搜索。這使得AutoML成為算法開發(fā)的強大工具，無論是人工智能新手還是經(jīng)驗豐富的數(shù)據(jù)科學專家。
有了這一伙伴關(guān)系，我們離生活在一個更智能、更互聯(lián)的世界越來越近，Silicon Labs為在這一旅程中成為SensiML的合作伙伴而感到自豪。
（轉(zhuǎn)載）
