AIfES演示器，用于手寫識別。手寫在PS / 2觸摸板上的數(shù)字由微控制器識別并輸出。圖片來源：Fraunhofe

如今，從洗衣機到血壓計和可穿戴設(shè)備，幾乎所有技術(shù)設(shè)備中都可以找到微控制器。弗勞恩霍夫大學微電子電路與系統(tǒng)研究所的研究人員開發(fā)了AIfES，這是一種用于微控制器和傳感器的人工智能（AI）概念，其中包含一個完全可配置的人工神經(jīng)網(wǎng)絡(luò)。AIfES是一個獨立于平臺的機器學習庫，可用于實現(xiàn)無需連接到云或高性能計算機的自學習微電子學。與傳感器相關(guān)的AI系統(tǒng)可以識別手寫和手勢，例如，當庫在可穿戴設(shè)備上運行時，可以控制輸入的手勢。

當前存在多種用于機器學習的軟件解決方案，但通常它們僅適用于PC，并且基于Python編程語言。仍然沒有解決方案可以執(zhí)行和訓練神經(jīng)網(wǎng)絡(luò)在諸如微控制器的嵌入式系統(tǒng)上。盡管如此，直接在嵌入式系統(tǒng)中進行訓練還是很有用的，例如當植入的傳感器要自我校準時。視覺是與傳感器相關(guān)的AI，可以直接集成到傳感器系統(tǒng)中。Fraunhofer IMS的一組研究人員以AIfES（嵌入式系統(tǒng)人工智能）的形式實現(xiàn)了這一愿景，AIfES是一種用C編程的機器學習庫，可以在微控制器上運行，也可以在其他平臺（例如PC，Raspberry PI）上運行和Android。該庫當前包含一個完全可配置的人工神經(jīng)網(wǎng)絡(luò)（ANN），必要時它還可以生成用于深度學習的深度網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是一種嘗試使用算法在數(shù)學上模擬人腦，以使算法可以學習的功能上下文。AIfES已針對嵌入式系統(tǒng)進行了優(yōu)化。

“我們將源代碼降至最低，這意味著可以在微控制器或傳感器（即嵌入式系統(tǒng)）上直接訓練ANN。此外，源代碼是通用的，并且可以在幾乎任何平臺上進行編譯。因為始終使用相同的算法，例如在PC上生成的ANN可以輕松地移植到微控制器。到目前為止，使用市售軟件解決方案無法以這種形式實現(xiàn)，” Fraunhofer IMS研究助理Pierre Gembaczka博士說。 

保護隱私

Fraunhofer IMS的與傳感器相關(guān)的AI的另一個獨特的合格功能：到目前為止，人工智能和神經(jīng)網(wǎng)絡(luò)已主要用于圖像處理和語音識別，有時數(shù)據(jù)會離開本地系統(tǒng)。例如，語音配置文件是在外部服務(wù)器上的云中處理的，因為本地系統(tǒng)的計算能力并不總是足夠的�！霸诖诉^程中很難保護隱私，并且會傳輸大量數(shù)據(jù)。這就是為什么我們選擇了不同的方法，而放棄了云中的機器學習過程，而直接在嵌入式系統(tǒng)中使用機器學習的原因。

由于沒有敏感數(shù)據(jù)離開系統(tǒng)，因此可以保證數(shù)據(jù)保護并顯著減少要傳輸?shù)臄?shù)據(jù)量，” Fraunhofer IMS的“嵌入式系統(tǒng)”部門經(jīng)理Burkhard Heidemann說，“當然，不可能實現(xiàn)深層的在嵌入式系統(tǒng)上學習模型，因此我們正在加大努力以進行優(yōu)雅的特征提取以減少輸入信號�！蓖ㄟ^將AI直接嵌入微控制器中，研究人員可以為設(shè)備提供附加功能，而無需用于昂貴的硬件修改。

AIfES演示器，用于手寫識別。所有功能都已集成在Arduino UNO上，它可以讀取觸摸板的傳感器值，執(zhí)行數(shù)字識別并將結(jié)果輸出到顯示屏。圖片來源：Fraunhofer-Gesellschaft

減少數(shù)據(jù)

AIfES并不專注于處理大量數(shù)據(jù)，而是僅傳輸構(gòu)建非常小的神經(jīng)網(wǎng)絡(luò)所需的數(shù)據(jù)�！拔覀儾蛔裱�處理大數(shù)據(jù)的趨勢；我們堅持絕對必要的數(shù)據(jù)，并在嵌入式系統(tǒng)中創(chuàng)建一種微智能，可以解決有問題的任務(wù)。我們開發(fā)了新的特征提取和新功能。針對每個問題的數(shù)據(jù)預處理策略，以便我們可以實現(xiàn)最小的人工神經(jīng)網(wǎng)絡(luò)。這使對控制器本身的后續(xù)學習成為可能�！� Gembaczka解釋說。

該方法已經(jīng)以若干示威者的形式付諸實踐。例如，如果研究團隊在便宜的8位微控制器（Arduino Uno）上實現(xiàn)了手寫數(shù)字的識別。通過開發(fā)創(chuàng)新的特征提取方法，這在技術(shù)上成為可能。另一個演示者能夠識別空中復雜的手勢。IMS科學家在這里開發(fā)出了一個系統(tǒng)，該系統(tǒng)由一個微控制器和一個絕對方位傳感器組成，該傳感器可以識別空中寫的數(shù)字。研究人員指出：“一種可能的應(yīng)用是可穿戴設(shè)備的操作�！� “為了使這種通信有效，各個人多次將數(shù)字寫成1到9。神經(jīng)網(wǎng)絡(luò)接收到這些訓練數(shù)據(jù)，從中學習并在下一步中獨立識別數(shù)字。而且?guī)缀跛�有�?shù)字都可以訓練，而不僅僅是數(shù)字�！边@消除了使用以下方法控制設(shè)備的需求語音識別：可穿戴設(shè)備可以通過手勢進行控制，并且用戶的隱私得到保護。

AIfES的潛在應(yīng)用實際上沒有任何限制：例如，具有集成手勢識別功能的腕帶可用于控制室內(nèi)照明。而且，AIfES不僅可以識別手勢，還可以監(jiān)視手勢的完成程度。無需教練或治療師即可評估物理療法和健身中的運動和動作。由于不使用相機或云，因此可以保持隱私。AIfES可用于各種領(lǐng)域，例如汽車，醫(yī)藥，智能家居和工業(yè)4.0。

分散式人工智能

AIfES還有更多優(yōu)勢：該庫可以分散計算能力，例如，允許小型嵌入式系統(tǒng)在處理之前接收數(shù)據(jù)并將結(jié)果傳遞給上級系統(tǒng)。這大大減少了要傳輸?shù)臄?shù)據(jù)量。另外，有可能實現(xiàn)一個小型的具有學習能力的系統(tǒng)網(wǎng)絡(luò)，這些系統(tǒng)在自己之間分配任務(wù)。

深度學習

AIfES當前包含具有前饋結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，該結(jié)構(gòu)也支持深度神經(jīng)網(wǎng)絡(luò)。Gembaczka說：“我們對解決方案進行了編程，以便我們可以描述具有一個功能的完整網(wǎng)絡(luò)�！� 整合附加網(wǎng)絡(luò)形式和結(jié)構(gòu)目前正在開發(fā)中。此外，除其他學習算法和演示器外，研究人員及其同事還開發(fā)了神經(jīng)網(wǎng)絡(luò)的硬件組件。Fraunhofer IMS當前正在研究RISC-V微處理器，該處理器將具有專門用于神經(jīng)網(wǎng)絡(luò)的硬件加速器。正在為此硬件優(yōu)化AIfES的特殊版本，以便最佳利用資源。