Il panorama tecnologico sta assistendo a un significativo cambiamento di paradigma verso l’intelligenza artificiale (AI) incorporata, specialmente nei dispositivi periferici. L’attenzione è ora focalizzata sull’‘AI incorporata’ che utilizza unità microcontroller (MCU) per l’esecuzione a basso consumo energetico di compiti di AI direttamente sui dispositivi periferici, evitando il cloud. Questo approccio ha guadagnato popolarità grazie ai vantaggi come la riduzione della latenza, il minore consumo energetico e una maggiore sicurezza.
STMicroelectronics (ST), un attore consolidato in questo settore, sta intensificando gli sforzi per implementare soluzioni di AI incorporata basate sul suo solido ecosistema e sui suoi MCU Arm a 32 bit di uso generale. Queste soluzioni sono progettate per soddisfare le crescenti esigenze degli sviluppatori che si stanno incamminando nel processo di integrazione dell’AI nelle proprie applicazioni ai margini.
Dal 2018 circa, l’industria elettronica ha visto una pratica integrazione dell’AI ai margini. L’ingresso di ST in questo settore è iniziato con la presentazione dell’hardware AI prototipale al ‘CES 2017’, seguito dal lancio del loro primo strumento software ‘STM32Cube.AI’ nel 2019 – un ambiente di sviluppo che traduce i programmi di AI in linguaggio C per la loro linea di prodotti MCU Arm a 32 bit STM32.
Takashi Kimura, manager nel Gruppo di prodotti Microcontroller e Digitali di ST, ha notato che sebbene l’ondata di AI ai margini fosse inizialmente molto popolare, non si è spinta molto avanti in progetti concreti. Tuttavia, dal 2022 al 2023 si è verificato un punto di svolta poiché gli utenti hanno continuato a esplorare il potenziale dell’AI ai margini basata su MCU, portando a idee innovative. Questo impulso, insieme ai progressi tecnologici negli strumenti di sviluppo, ha portato all’emergere di prodotti dotati di AI incorporata.
Inoltre, ST ha recentemente annunciato l’adozione delle proprie soluzioni di AI ai margini nelle biciclette elettriche di Panasonic Cycle Tech nell’aprile 2024, segnando un significativo progresso nell’applicazione della loro tecnologia.
La ricerca di mercato promette un futuro brillante per l’AI ai margini. Secondo Research and Markets, il mercato del calcolo ai margini dovrebbe raggiungere i 156 miliardi di dollari entro il 2030. Future Market Insights prevede che la dimensione del mercato dell’AI ai margini si espanderà da 25 miliardi di dollari nel 2022 a 86 miliardi di dollari entro il 2032. I sondaggi di ST indicano un’impennata nell’adozione dell’AI ai margini nella propria clientela globale – dal 5% nel 2020 a un previsto 40% nel 2023, con l’80% di coloro che non hanno ancora implementato l’AI ai margini che prevedono di avviare progetti entro il 2024.
Domande e Risposte Importanti:
– Quali sono gli utilizzi potenziali dell’AI incorporata nei dispositivi ai margini?
L’AI incorporata può essere utilizzata in una varietà di dispositivi ai margini per scopi come manutenzione predittiva, riconoscimento vocale e di immagini, veicoli autonomi, automazione domestica intelligente, monitoraggio della salute e IoT industriale. Consente il processamento del dato localizzato in tempo reale senza dover fare affidamento sui servizi cloud.
– Quali sono le sfide principali nel dispiegare l’AI incorporata?
Le sfide principali includono risorse computazionali limitate sui dispositivi ai margini, vincoli del consumo energetico, preoccupazioni riguardo la privacy e la sicurezza dei dati, garantire prestazioni robuste del modello di IA in ambienti variabili e la complessità nello sviluppare e dispiegare sistemi di IA.
– Ci sono controversie associate all’AI incorporata?
Una controversia riguarda l’equilibrio tra AI ai margini e AI nel cloud riguardo la privacy e il controllo dei dati. L’AI ai margini consente il processamento dei dati localmente, il che può mitigare i rischi di violazioni dei dati rispetto alla memorizzazione nel cloud. Tuttavia, ciò potrebbe comportare sfide frammentate nella conformità regolamentare. Inoltre, c’è il rischio di parzialità ed errori nei modelli di AI che potrebbero portare a decisioni errate.
Vantaggi e Svantaggi:
Vantaggi:
1. Riduzione della Latenza: Elaborando i dati localmente, l’AI incorporata può portare a decisioni più rapide, essenziali per applicazioni che richiedono operazioni in tempo reale, come la guida autonoma e l’automazione industriale.
2. Minore Utilizzo della Banda: Elaborando i dati in modo localizzato si riduce la necessità di trasmettere continuamente i dati al cloud, risparmiando banda e riducendo potenzialmente i costi.
3. Migliorata Privacy e Sicurezza: Poiché i dati possono essere elaborati localmente, la dipendenza dai servizi cloud è ridotta, portando a un miglior controllo sui dati sensibili.
Svantaggi:
1. Limitate Risorse di Calcolo: I dispositivi ai margini spesso hanno limitazioni in termini di potenza di elaborazione e memoria, che possono limitare la complessità degli algoritmi di AI che possono essere eseguiti efficacemente.
2. Consumo Energetico: Anche se l’AI incorporata punta a essere a basso consumo energetico, contribuisce comunque al consumo energetico complessivo del dispositivo, il che può essere una preoccupazione significativa per i dispositivi alimentati a batteria.
3. Complessità dello Sviluppo: Creare modelli di AI che possono operare efficientemente sui dispositivi ai margini richiede competenze specializzate sia in AI sia in sistemi embedded.
Link Correlati:
Per ulteriori informazioni sugli argomenti trattati in questo articolo, è possibile visitare i seguenti link:
– STMicroelectronics
– Research and Markets
– Future Market Insights
Assicurare che l’AI incorporata raggiunga il suo potenziale nei dispositivi ai margini richiede continui progressi nella tecnologia dei semiconduttori, negli algoritmi di AI e negli strumenti degli sviluppatori. I partenariati tra i produttori hardware e gli sviluppatori di AI saranno cruciali per superare le sfide tecniche e garantire che questa tecnologia promettente raggiunga un’ampia adozione e abbia un impatto concreto nel mondo reale.
The source of the article is from the blog cheap-sound.com