人工智慧應(yīng)用的市佔(zhàn)率穩(wěn)步成長。為此，意法半導(dǎo)體提供廣泛的產(chǎn)品組合，輕鬆實(shí)現(xiàn)多級(jí)別的人工智慧應(yīng)用。
在本文中，將主要關(guān)注新型感測器中內(nèi)嵌的MLC（機(jī)器學(xué)習(xí)核心），並闡述如何利用此AI核心開發(fā)極低功耗的「邊緣到邊緣」AI應(yīng)用。
先從以下問題開始：什麼是邊緣人工智慧？在過去，AI應(yīng)用需要許多計(jì)算資源，因此，來自感測器的資料必須傳輸?shù)诫?yún)端處理，然後再將結(jié)果傳送回本地。整個(gè)過程既耗時(shí)又耗電，並且不適用於缺乏網(wǎng)路連線的情境。因此，邊緣人工智慧應(yīng)運(yùn)而生。有了微控制器（MCU）上的專用硬體，AI處理能力越來越強(qiáng)，將AI核心自雲(yún)端移到了本地MCU，使延遲和功耗方面的表現(xiàn)更加出色。
意法半導(dǎo)體近期推出之全新感測器系列（以字母X為結(jié)尾的命名）使感測器能夠完全在感測器核心中運(yùn)行AI演算法（決策樹分類器），而無需本地MCU承擔(dān)任何運(yùn)算。進(jìn)一步推動(dòng)了「邊緣人工智慧」技術(shù)的發(fā)展。為此，我們稱之為「邊緣到邊緣」人工智慧。
假設(shè)設(shè)計(jì)人員有興趣開發(fā)一款應(yīng)用，該應(yīng)用使用感測器資料（來自加速度計(jì)、陀螺儀等）並利用AI偵測人類活動(dòng)（如步行、跑步、靜止等）或進(jìn)行手勢辨識(shí)。在基於雲(yún)端的AI解決方案中，需要將資料發(fā)送到雲(yún)端進(jìn)行推理，等待一段時(shí)間後獲得回應(yīng)。這意味著不得不在資料傳輸方面耗費(fèi)大量能量（如果網(wǎng)路連接可用，最高50mA），而且在接收輸出結(jié)果時(shí)會(huì)經(jīng)歷相當(dāng)長的延遲。一種創(chuàng)新型解決方案可以利用MCU來處理資料（“邊緣人工智慧”），但利用感測器資料傳輸仍是必須的。如果您的目標(biāo)是最低功耗型解決方案，在感測器內(nèi)部嵌入MLC是最佳選擇。從感測器到MCU的資料傳輸沒有功率消耗，優(yōu)化後的ASIC使MLC核心的電流消耗限制在~10uA左右，而延遲更可以忽略不計(jì)。
回到應(yīng)用本身，這意味著感測器可以自己運(yùn)行行為辨識(shí)或手勢辨識(shí)應(yīng)用：您只需對(duì)MLC感測器進(jìn)行程式設(shè)計(jì)，打開感測元件，將基於AI的場景分類結(jié)果作為簡單的register value輸出，以供應(yīng)用MCU進(jìn)行決策（例如，改變應(yīng)用的行為，開啟或關(guān)閉低功耗模式，等等）。
如前所述，感測器的AI基於決策樹分類器。不同的裝置具有類似的MLC可用資源，每個(gè)感測器都能並行運(yùn)行最多8個(gè)不同的決策樹（共256或512個(gè)節(jié)點(diǎn)）。
| 圖三 : UNICO-GUI上的五個(gè)開發(fā)步驟 |
|
決策樹基於訓(xùn)練過的AI模型（監(jiān)督學(xué)習(xí)），需要資料集來訓(xùn)練模型。最後再將決策樹程式部署到感測器MLC中。針對(duì)這5個(gè)關(guān)鍵步驟，意法半導(dǎo)體提供UNICO-GUI工具，引導(dǎo)開發(fā)人員進(jìn)行資料蒐集、程式產(chǎn)生，並在感測器中上傳程式實(shí)現(xiàn)MLC。
第一步是數(shù)據(jù)蒐集。設(shè)計(jì)人員可以選擇意法半導(dǎo)體的開發(fā)板蒐集數(shù)據(jù)，我們建議使用FP-SNS-DATALOG1硬體蒐集資料，確保所蒐集資料的格式與一致性。一旦資料準(zhǔn)備完成，就可以啟動(dòng)UNICO-GUI。
| 圖四 : 利用UNICO-GUI蒐集數(shù)據(jù) |
|
在UNICO-GUI中執(zhí)行的第二步是標(biāo)註數(shù)據(jù)和特徵配置，為所蒐集的資料集分配一個(gè)名稱或標(biāo)籤。決策樹模型會(huì)基於設(shè)計(jì)人員資料集和所選之特徵進(jìn)行訓(xùn)練，以區(qū)分所選的類別。UNICO-GUI工具可以導(dǎo)入許多類型的資料集。此外，使用者還可以在數(shù)據(jù)蒐集階段定義感測器的工作模式，其中最重要的是選擇為決策樹分類所用的特徵值。特徵值基本上是對(duì)感測器資料進(jìn)行的一種「分析」，決策樹將使用特徵來選擇類別。舉如，使用XL訊號(hào)的「標(biāo)準(zhǔn)差」或「峰對(duì)峰值」特徵來判斷使用者是靜止?fàn)顟B(tài)還是運(yùn)動(dòng)狀態(tài)。顯然，有許多特徵可以組合在一起，以實(shí)現(xiàn)符合應(yīng)用的最佳決策樹。如需更多關(guān)於特徵選擇和理解決策樹創(chuàng)建過程的詳細(xì)資訊，請(qǐng)參見ST Design Tip 0139。
在UNICO-GUI中執(zhí)行的第三步是構(gòu)立決策樹，該步驟生成初始設(shè)定並分析訓(xùn)練集的限制，以構(gòu)建一個(gè)能夠辨識(shí)動(dòng)作行為的決策樹。
在UNICO-GUI中執(zhí)行的第四步是感測器程式生成。一旦建立了決策樹，需要用感測器MLC語言「翻譯」決策樹。使用者將得到一個(gè)檔案，其中包含在內(nèi)建MLC的ST MEMS感測器執(zhí)行應(yīng)用的所有內(nèi)容。
最後（第五步），當(dāng)裝置完成程式設(shè)計(jì)後，可以在應(yīng)用中利用經(jīng)訓(xùn)練的決策樹來執(zhí)行MLC的結(jié)果。
更多關(guān)於MLC在MEMS感測器中的應(yīng)用，可以參考ST MLC網(wǎng)頁或ST MLC GitHub，這些網(wǎng)頁提供大量應(yīng)用和配置範(fàn)例，可以引導(dǎo)設(shè)計(jì)人員一步一步地完成從資料蒐集到MLC即時(shí)功能檢查的整個(gè)過程。
