L'IA, l'apprentissage automatique et l'informatique de périphérie sont de plus en plus importants en tant que composants clés d'une solution IoT complète et intégrée. Dans ce billet de blog, nous donnerons une définition de base de l'IA/ML et nous discuterons des principales utilisations et des avantages de l'edge computing dans les réseaux modernes. Enfin, nous verrons comment l'intégration de ces technologies prend en charge des cas d'utilisation sophistiqués, notamment des applications de vision par ordinateur. Et bien sûr, nous partagerons la façon dont Digi soutient aujourd'hui ces technologies de la prochaine génération.
Notre dossier
En savoir plus sur la technologie de l'informatique de pointe
Télécharger le PDF
Qu'est-ce que l'IA/ML ?
L'intelligence artificielle (IA) fait référence à la simulation de l'intelligence humaine dans les machines, leur permettant d'effectuer des tâches telles que l'apprentissage, le raisonnement et la résolution de problèmes. L'apprentissage automatique est un sous-ensemble de l'IA qui se concentre sur les algorithmes et les modèles statistiques permettant aux ordinateurs d'apprendre et de faire des prédictions à partir de données. L'apprentissage automatique implique la formation de modèles utilisant des données pour reconnaître des modèles, améliorer les performances et prendre des décisions sans être explicitement programmé. En résumé, l'IA englobe un large éventail de capacités, y compris le ML, le traitement du langage naturel et la robotique, dans le but de créer des systèmes capables d'effectuer des tâches complexes de manière autonome - et l'apprentissage automatique en est un élément clé.
Pourquoi l'informatique en périphérie est-elle essentielle pour les réseaux modernes ?
L'informatique en périphérie traite les données au plus près de l'endroit où elles sont générées, ce qui offre plusieurs avantages par rapport à l'informatique en nuage. Il s'agit notamment de la réduction du temps de latence, puisque les données n'ont pas besoin de voyager vers un serveur distant ; de l'amélioration de la vitesse et de la performance, cruciale pour les applications en temps réel ; de l'amélioration de la sécurité et de la confidentialité, puisque les données peuvent être traitées localement ; de la réduction de l'utilisation de la bande passante et des coûts, puisque moins de données sont transmises au nuage ; et de l'augmentation de la fiabilité et de la disponibilité, puisque le traitement local peut se poursuivre même si la connexion réseau au nuage est interrompue. Ces avantages font de l'informatique périphérique une solution idéale pour IoT, l'automatisation de la fabrication, les véhicules autonomes, les applications de vision par ordinateur et d'autres applications sensibles aux temps de latence.
Qu'est-ce que cela signifie ? Dans le cas de l'automatisation de la fabrication, par exemple, il faut tenir compte du fait que les humains ne peuvent gérer qu'une seule tâche à la fois. Nos yeux et nos sens peuvent détecter certaines vues et certaines anomalies, mais nous pourrions facilement négliger une petite idiosyncrasie sur une chaîne de production en mouvement rapide. Comparés aux ordinateurs, nous sommes très lents et faillibles. Dans les applications de vision par ordinateur, où de multiples actions doivent se produire rapidement (parfois en quelques fractions de seconde) et avec une précision extrême, l'intervention humaine est impossible. L'automatisation exige une précision extrême, un traitement rapide et robotisé des données et des actions qui peuvent être exécutées avec précision en quelques nanosecondes.
Un autre concept clé est que ces événements critiques de traitement de données et d'automatisation de précision n'ont pas de place pour la latence. Cela signifie que les données ne peuvent pas être envoyées d'un appareil - qu'il se trouve dans une usine de fabrication, un entrepôt ou un véhicule en mouvement rapide - à une application en nuage pour y être traitées, puis être renvoyées à l'appareil sur le terrain, ce qui prend beaucoup de temps.
Transformation à la périphérie : l'impact de l'IA à la périphérie et de la vision par ordinateur dans tous les secteurs
Nous venons d'expliquer brièvement pourquoi il est important que les appareils connectés intelligents de l'internet des objets effectuent des traitements et prennent des décisions eux-mêmes, même avec la disponibilité de puissants centres de données ou de services en nuage.
Examinons maintenant de plus près les principaux avantages potentiels de ces deux technologies émergentes et en vogue : l'intelligence artificielle à la périphérie et la vision par ordinateur.
Bande passante
Les appareils intelligents collectent une énorme quantité de données par rapport à leur bande passante ou à leur capacité de transmission. En fait, la grande majorité de ces données collectées par les capteurs est dans de nombreux cas rejetée. Par exemple, les applications de surveillance simples se concentrent sur la détection du dépassement d'un seuil, mais n'identifient pas de modèles dans les données pour en déduire des situations possibles à court et à moyen terme.
Une solution possible et tentante serait d'utiliser l'informatique en nuage. Cependant, il n'y a pas toujours assez de connectivité, de bande passante ou de puissance pour envoyer de manière fiable des flux de données personnalisées à des fermes de serveurs. IoT Les appareils déployés sur le terrain fonctionnent souvent sur batteries et ne sont pas toujours connectés. C'est là que l'intelligence artificielle joue un rôle crucial. Bien que certains modèles d'apprentissage automatique puissent être assez exigeants en termes de ressources informatiques, ils sont encore loin d'atteindre les niveaux requis pour la transmission de données, qui est l'une des tâches qui consomment le plus d'énergie dans un système embarqué.
Certaines analyses de données peuvent être effectuées sur l'appareil lui-même sans qu'il soit nécessaire de transmettre toutes les données au nuage, en exploitant uniquement la communication de machine à machine (M2M) dans le cas d'alarmes et d'alertes, ce qui permet d'optimiser la durée de vie de la batterie. Bien entendu, il est également assez courant de rencontrer des appareils sans aucun type de connexion qui, par le passé, étaient relégués à des tâches plus limitées, en raison de leur déconnexion de l'internet, et pour lesquels l'IA périphérique offre également un large éventail de possibilités.
Temps de latence
La transmission de données peut prendre des centaines de millisecondes pour un aller-retour entre la périphérie et le nuage. Ceci dans le cas de connexions disposant d'une bande passante suffisante et fiable, car, par exemple, les communications par satellite peuvent retarder cet échange de plusieurs minutes, voire de plusieurs heures.
Certains cas d'utilisation nécessitent des réponses plus rapides et avec le moins de gigue possible. Les véhicules autonomes, par exemple, ne peuvent pas s'appuyer sur des communications avec des serveurs distants. L'Edge AI résout ce problème en éliminant de l'équation la durée totale de l'aller-retour, puisque l'application d'intelligence artificielle fonctionne à bord du véhicule.
L'économie
Parlons d'argent. Les produits connectés supportent implicitement le coût dérivé de la connectivité. Plus la bande passante est importante et plus la portée est grande, plus la facture est élevée. L'intelligence artificielle en périphérie réduit et, dans certains cas, évite les coûts de transmission et de traitement des données dans le nuage, ce qui rend possible des solutions qui n'étaient pas rentables auparavant. Dans certains déploiements, le coût de la connectivité peut ne pas être une préoccupation, mais il est important de prendre en compte le coût de la maintenance de l'infrastructure côté serveur ou des ressources informatiques en nuage.
Il convient de mentionner que, bien que l'exploitation des applications d'IA périphérique n'élimine pas complètement ces coûts, en raison de la nécessité de surveiller les appareils et de mettre à jour les algorithmes, grâce à l'IA périphérique, la charge de maintenance peut être dans une large mesure diminuée, par exemple en réduisant le nombre de fois qu'un technicien doit être envoyé pour effectuer certaines tâches manuelles sur place.
Fiabilité
Selon le Glossaire NISTLa définition est la suivante : "L'aptitude d'un système ou d'un composant à fonctionner dans des conditions données pendant une période déterminée" : "La capacité d'un système ou d'un composant à fonctionner dans des conditions données pendant une période de temps donnée. Il semble évident que les produits ou systèmes contrôlés par l'IA périphérique sont a priori plus fiables que les solutions qui s'appuient sur une connectivité et un traitement externes ou dans le nuage. L'ajout de technologies de connectivité sans fil (même câblées) aux technologies en nuage signifie l'ajout d'un ensemble complexe et écrasant de dépendances.
Tout cela se traduit par un risque de fiabilité substantiel, même en prenant les bonnes décisions, car tout n'est pas sous contrôle. Il est vrai que pour certains cas d'utilisation, ce scénario peut encore être géré au détriment de l'expérience de l'utilisateur final. Cependant, dans d'autres cas, la sécurité est une exigence obligatoire. Imaginons un système basé sur l'IA qui surveille un patient en cours d'opération et qui est chargé d'analyser et de détecter d'éventuels écarts par rapport aux paramètres de fonctionnement sûrs. Une panne d'Internet ne peut en aucun cas mettre la vie du patient en danger. L'appareil doit pouvoir fonctionner de manière autonome en cas de problème de connectivité, car l'IA est intégrée et fonctionne dans le système embarqué lui-même, sans dépendre de connexions externes. Par nature, l'IA périphérique est complexe, avec une courbe d'apprentissage abrupte et ses propres risques. Cependant, elle peut être un outil essentiel pour améliorer la fiabilité des solutions qui, jusqu'à présent, dépendent d'une connectivité globale complexe.
Vie privée
La protection de la vie privée est un concept très galvaudé de nos jours. Ces dernières années, la plupart d'entre nous, utilisateurs finaux, avons accepté sans trop de résistance l'équilibre entre la protection de la vie privée et la facilité d'utilisation. Nos produits électroniques deviennent plus intelligents au détriment de nos données et des décisions prises sur des serveurs hébergés dans des centres de données situés à des centaines ou des milliers de kilomètres. Même dans les applications qui semblent inoffensives, la protection de la vie privée reste une préoccupation majeure, car il est toujours possible que nos données soient exposées en raison de failles de sécurité ou de vulnérabilités.
Ici, l'edge AI permet également un grand nombre de cas d'utilisation, en particulier dans des secteurs tels que l'industrie et les soins de santé. Si les données sont traitées au sein de systèmes embarqués, rarement transmises au cloud, la probabilité de compromettre la vie privée des utilisateurs est marginale. En outre, compte tenu des réglementations strictes en matière de sécurité dans ces secteurs, les produits qui ont le plus de chances d'être approuvés pour la mise sur le marché sont ceux qui ne collectent pas de données et qui n'envoient pas de flux sans discernement vers le nuage.
Exemples d'implémentations de l'intelligence artificielle et de la vision par ordinateur
Voyons comment l'IA de pointe et la vision par ordinateur sont aujourd'hui intégrées dans différents secteurs. Cette tendance passionnante n'en est qu'à ses débuts, l'industrie explorant les possibilités qui s'offrent à elle.
Imagerie médicale sur appareil et rééducation intelligente
L'IA de pointe est également applicable aux soins de santé et apporte avec elle plusieurs avantages dérivés de ce jeune paradigme technologique. Les techniques d'imagerie médicale transfèrent traditionnellement de grandes quantités de données vers des serveurs en vue de leur traitement. La transmission d'énormes quantités de données sensibles sur le réseau met en péril la vie privée des patients et retarde la délivrance des diagnostics.
L'analyse en temps réel des images médicales peut être effectuée sur l'appareil lui-même grâce à l'intelligence artificielle. Pensez aux échographes, par exemple. Cela permet d'améliorer la précision et la rapidité du diagnostic tout en préservant la protection des données des patients. Les algorithmes d'Edge AI peuvent détecter des anomalies dans les scanners et fournir un retour d'information immédiat aux spécialistes médicaux.
Ce n'est qu'un début, car on s'attend à une augmentation significative du nombre d'applications d'imagerie médicale embarquées grâce à des tendances technologiques telles que TinyML (Tiny Machine Learning), axées sur le déploiement de modèles dans des appareils de bord à faible consommation d'énergie.
Nous pouvons également parler de ce qui est à venir en termes de rééducation intelligente qui bénéficie d'un retour d'information en temps réel pour ajuster les thérapies médicales et améliorer les progrès des patients. L'utilisation de l'inférence sur site permet aux dispositifs médicaux d'IA de pointe d'analyser les données des capteurs, de s'adapter aux besoins individuels et aux caractéristiques de chaque patient en temps réel, d'améliorer leur confort ainsi que l'efficacité de la thérapie, et de tirer le meilleur parti des séances de rééducation sans avoir besoin d'une supervision continue.
Amélioration des applications logistiques en évolution rapide
Grâce aux scanners de codes QR intégrant l'IA et la vision par ordinateur, l'industrie de la chaîne d'approvisionnement profite des avantages de l'IA/ML et de la vision par ordinateur.
Pensez au nombre de colis qui circulent à travers le monde entre le moment où nous confirmons notre panier d'achat et celui où la société de transport les livre à notre porte quelques jours plus tard. Ajoutez à cela les retours des produits qui n'ont pas répondu à nos attentes. Le volume des colis est énorme et leur gestion logistique est incroyablement complexe.
L'un des outils les plus utilisés dans les entrepôts est le lecteur de code-barres ou de code QR portatif. Ici, la combinaison de l'IA de pointe et de la vision artificielle sur l'appareil lui-même permet de relever le défi de la lecture de codes endommagés ou fortement déformés, voire sous blister, qu'il est impossible de décoder avec l'approche traditionnelle des algorithmes basés sur des règles. Ce dernier est un type d'IA très précoce/primitif qui utilise un ensemble de règles préécrites, impliquant des connaissances humaines codées sous forme de règles telles que des énoncés "si-alors", pour prendre des décisions et résoudre des problèmes.
Grâce à une meilleure performance de décodage, il est possible de déchiffrer des codes avec des taches, des rayures et des arrière-plans rugueux. Nous savons tous que nos colis ne sont pas reçus ou expédiés dans les règles de l'art. Le décodage local permet de réduire la latence et la consommation d'énergie, entre autres avantages inhérents à l'IA périphérique.
Contrôle de qualité en temps réel dans le secteur industriel
Dans le secteur industriel exigeant, les attentes des clients et les réglementations et normes industrielles strictes exigent le maintien d'une qualité élevée des produits. L'Edge AI permet un contrôle de la qualité en temps réel en utilisant l'inférence sur l'appareil pour la détection automatique des anomalies et des défauts.
Nous pouvons y parvenir grâce au déploiement de modèles d'IA1 directement dans les systèmes embarqués qui effectuent les tâches ardues d'analyse des données provenant de capteurs ou d'objets en temps réel grâce à la vision par ordinateur et avec une grande précision pour déclencher des actions correctives immédiatement dès que des défauts sont détectés et ainsi traiter les problèmes potentiels sans délai.
Cette nouvelle approche présente de nombreux avantages, tels que la réduction drastique du temps de latence dans les processus de contrôle de la qualité. Ces avantages sont les suivants
- Amélioration de la sécurité des données
- Réduction des coûts grâce à l'élimination des infrastructures complexes de stockage et de communication des données
- Réduction des déchets
- Maintenir la durabilité
- Éviter les rappels coûteux de produits classés à tort comme conformes
- Assurer le lancement de produits qui répondent aux exigences du marché, dans les délais et avant les concurrents.
En fait, un autre avantage sous-jacent des solutions intégrées d'intelligence artificielle est leur grande flexibilité dans les processus de fabrication dynamiques, car elles sont capables de s'adapter aux changements rapides déjà courants des clients.
Amélioration de la mobilité urbaine et de la sécurité routière
Un autre domaine d'intérêt particulier est la gestion du trafic et sa relation avec la qualité de vie des citadins. L'Edge AI permet d'améliorer la mobilité urbaine grâce à des modèles de prévision du trafic qui analysent les données provenant de caméras et de capteurs disséminés dans les villes. Imaginez, par exemple, un service de bus doté d'IA et équipé de capteurs qui ajustent les itinéraires et les horaires en temps réel en fonction des conditions de circulation, des conditions météorologiques ou des accidents de la circulation, améliorant ainsi l'expérience des passagers et réduisant les retards.
Au-delà de l'optimisation des itinéraires des transports publics, l'intelligence artificielle permet de rationaliser les séquences des feux de circulation. Pensons aux feux de circulation adaptatifs qui utilisent des données en temps réel provenant de caméras et de capteurs de circulation pour améliorer la synchronisation des feux, par exemple en ajustant la durée du feu vert, ce qui permet de réduire les embouteillages, ce qui se traduit à son tour par une diminution des émissions, se rapprochant ainsi des objectifs de durabilité environnementale.
Présentation de Digi ConnectCore® MP25 : notre dernière solution SOM innovante avec NPU et ISP
Il est temps de libérer tout le potentiel de l'IA et de la vision par ordinateur en utilisant une technologie de nouvelle génération et des systèmes embarqués de pointe avec le dernier membre de l'écosystème de solutions OEM Digi ConnectCore - le Digi ConnectCore MP25 Système sur module (SOM) STM32MP25.
Digi ConnectCore Le MP25 est un SOM sans fil polyvalent, sécurisé et économique conçu pour les applications industrielles et les appareils connectés intelligents. Le STM32MP25 de STMicroelectronics ajoute un réseau sensible au temps (TSN), une unité de traitement neuronal (NPU) et un traitement du signal d'image (ISP) pour les applications d'intelligence artificielle et de vision par ordinateur. Le format compact SMTplus® (30 x 30 mm) est idéal pour les petits appareils portables où une faible consommation d'énergie est essentielle.
Doté de capacités d'IA et d'apprentissage automatique et d'une connectivité sans fil extrêmement fiable, il constitue la solution idéale pour les applications de vision par ordinateur sécurisées. Très robuste pour les cas d'utilisation exigeants dans les domaines de l'industrie, de la médecine, des services publics et des transports, elle est conçue pour durer, être évolutive et fonctionner à 100 % pendant un cycle de vie de plus de 10 ans. Conçue pour réduire les coûts, accélérer le développement et garantir la qualité des produits basés sur l'IA.
Avec des fonctions puissantes pour les applications où la reconnaissance d'objets est essentielle :
- Caméras de sécurité et de vision industrielle
- Systèmes de surveillance et de gestion du trafic
- Appareils portables intelligents
- Industrie 4.0 - automatisation de la fabrication
Digi ConnectCore Points forts du MP25 :
Plate-forme SOM embarquée, évolutive et de qualité industrielle- NPU et ISP offrant des capacités de pointe en matière d'IA et de vision par ordinateur
- Wi-Fi 6 bi-bande précertifié (compatible tri-bande 6E) 802.11ax et Bluetooth® 5.4
- Gestion de l'alimentation avec support matériel et logiciel
- Facteur de forme Digi SMTplus (30 x 30 mm) pour une fiabilité maximale
- Intégration transparente des modems cellulaires et des Digi XBee®.
- Digi ConnectCore Services en nuage pour l'accès à distance, la gestion des appareils, les mises à jour sécurisées du micrologiciel (OTA) et l'activation de l'application IoT
- Digi ConnectCore Services de sécurité pour garantir la sécurité tout au long du cycle de vie du produit
- Prise en charge de la sécurité Digi Embedded Yocto Linux et Digi TrustFence®.
- Services de développement clés en main disponibles auprès de Digi WDS
Prochaines étapes
1. Un exemple de modèle d'IA est une connaissance qui a été générée normalement dans le nuage en s'entraînant avec d'énormes quantités de données. Ces modèles sont déployés sur des appareils périphériques in situ ou par l'intermédiaire de services en nuage tels que Digi ConnectCore Cloud Services. Les modèles sont générés en dehors des appareils périphériques parce qu'ils nécessitent une puissance de calcul importante. C'est l'une des activités potentielles de l'IA périphérique (l'IA en général).