1. AI簡介

　　AI（人工智能）起源于達(dá)特茅斯學(xué)院于1956年舉辦的夏季研討會。在該會議上，“人工智能”一詞首次被正式提出。計算能力的技術(shù)突破推動了人工智能一輪又一輪的發(fā)展。近年來，隨著大數(shù)據(jù)的可用性提高，第三輪人工智能發(fā)展浪潮已經(jīng)來臨。2015年，基于深度學(xué)習(xí)的人工智能算法在ImageNet競賽的圖像識別精度方面首次超過人類，人工智能在發(fā)展道路上高歌猛進(jìn)。隨著計算機(jī)視覺技術(shù)研究取得突破，深度學(xué)習(xí)已經(jīng)在語音識別、自然語言處理等不同研究領(lǐng)域都獲得了巨大的成功。現(xiàn)在，人工智能已經(jīng)在生活中的方方面面顯示出巨大潛力。

　　結(jié)合人工智能技術(shù)的發(fā)展階段，現(xiàn)將一些主要概念大致解釋如下。

　　AI：能讓計算機(jī)腦模擬人類行為的一切技術(shù)。

　　機(jī)器學(xué)習(xí)：人工智能（AI）的子集。通過從數(shù)據(jù)中學(xué)習(xí)而不斷改進(jìn)的算法和方法。

　　深度學(xué)習(xí)：機(jī)器學(xué)習(xí)（ML）的子集。通過使用模擬人類大腦神經(jīng)網(wǎng)絡(luò)的多層結(jié)構(gòu)，從大量數(shù)據(jù)中獲得有價值信息的學(xué)習(xí)算法。

　　2. 人工智能的新生力量，意法半導(dǎo)體Deep Edge AI應(yīng)運而生

　　目前，因為算力的需求，人工智能技術(shù)主要應(yīng)用于云端場景。由于數(shù)據(jù)傳輸延遲等因素的限制，基于云的解決方案可能無法滿足部分用戶對數(shù)據(jù)安全性、系統(tǒng)響應(yīng)能力、私密性、以及本地節(jié)點功耗的需求。在集中式人工智能解決方案中，嵌入式設(shè)備（智能音箱、可穿戴設(shè)備等）通常依賴云服務(wù)器實現(xiàn)人工智能能力，而在Deep Edge AI解決方案中，嵌入式設(shè)備本身即可在本地運行人工智能算法，實現(xiàn)實時環(huán)境感知、人機(jī)交互、決策控制等功能。

　　將推理過程移到深度邊緣計算會帶來一些優(yōu)勢，比如系統(tǒng)響應(yīng)能力、更好的用戶信息隱私保護(hù)（并非所有數(shù)據(jù)都需要通過多個系統(tǒng)傳輸?shù)皆贫耍⒔档瓦B接成本和功耗。

　　根據(jù)ABI的研究結(jié)果，到2030年，Deep Edge AI器件的全球出貨量將達(dá)到25億臺。意法半導(dǎo)體注意到，圍繞Deep Edge AI技術(shù)的社區(qū)和生態(tài)系統(tǒng)越來越多，專注于獨立、低功耗且經(jīng)濟(jì)劃算的嵌入式解決方案。作為該趨勢的主要推動者，意法半導(dǎo)體已經(jīng)在AI方面投入大量資源，旨在幫助開發(fā)人員在基于微控制器/微處理器（STM32系列）和傳感器（MEMS、ToF…）的嵌入式系統(tǒng)上快速部署AI應(yīng)用。意法半導(dǎo)體為STM32系列和集成了機(jī)器學(xué)習(xí)核心（MLC）的MEMS傳感器提供了一套AI工具，可以加快開發(fā)周期，并且可以優(yōu)化訓(xùn)練好的AI模型（STM32Cube.AI）。

　　作為通用技術(shù)，人工智能已經(jīng)在多個領(lǐng)域取得了令人矚目的成就。我們相信，越來越多的智能終端設(shè)備將會對人類生活產(chǎn)生更為直接的積極影響。

　　3. 通過意法半導(dǎo)體的生態(tài)系統(tǒng)快速部署AI應(yīng)用

　　意法半導(dǎo)體提供一個包含硬件和軟件的生態(tài)系統(tǒng)，幫助快速、輕松地開發(fā)用于傳感器和微控制器的多種Deep Edge AI算法。

　　MEMS傳感器生態(tài)系統(tǒng)中的機(jī)器學(xué)習(xí)通過運行在名為機(jī)器學(xué)習(xí)核心（MLC）的傳感器嵌入式引擎上的決策樹分類器，幫助設(shè)計人員利用AI at the Edge實現(xiàn)手勢、活動識別、異常檢測等。

　　因此，物聯(lián)網(wǎng)解決方案開發(fā)人員可以在快速原型制作環(huán)境中部署我們的任意（內(nèi)嵌機(jī)器學(xué)習(xí)核心的）傳感器，以便使用UNICO-GUI工具快速開發(fā)超低功耗應(yīng)用。

　　借助內(nèi)置的低功耗傳感器設(shè)計、高級AI事件檢測、喚醒邏輯和實時邊緣計算功能，傳感器中的MLC極大地減少了系統(tǒng)數(shù)據(jù)傳輸量，降低了網(wǎng)絡(luò)處理負(fù)擔(dān)。

　　如果開發(fā)人員決定開發(fā)一個基于傳感器內(nèi)機(jī)器學(xué)習(xí)核心的解決方案，則需要一套全新的方法來發(fā)布自己的應(yīng)用。

　　如要創(chuàng)建任何機(jī)器學(xué)習(xí)算法，起點都是數(shù)據(jù)及其對類（用于描述待解決的復(fù)雜問題）的定義。您可以遵循五個步驟，在傳感器中創(chuàng)建并運行AI應(yīng)用。UNICO-GUI是一種圖形用戶界面，能夠支持包括決策樹生成在內(nèi)的所有五個步驟。

　　為了便于開發(fā)人員快速向STM32部署已訓(xùn)練的AI模型，我們開發(fā)了一款使用簡單易用且高效的工具 - STM32Cube.AI（也稱X-CUBE-AI）。X-CUBE-AI可以分析并將已訓(xùn)練的神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換為優(yōu)化的C語言代碼，并針對STM32目標(biāo)進(jìn)行自動測試。當(dāng)然，X-CUBE-AI是一款非常強(qiáng)大的工具，后續(xù)文章中將介紹其更多功能。

　　為了展示幾種不同的AI應(yīng)用如何可以在STM32上直接運行，并加快STM32嵌入式開發(fā)人員的開發(fā)、驗證和部署進(jìn)程，意法半導(dǎo)體提供許多AI應(yīng)用作為參考。

　　開發(fā)人員可以基于這些嵌入式AI應(yīng)用軟件包進(jìn)行二次開發(fā)，快速實現(xiàn)自定義模型的部署。

　　更多細(xì)節(jié)將在后續(xù)文章中介紹。

　　AI開發(fā)工具和嵌入式應(yīng)用軟件包總結(jié)如下

　　STM32的所有MCU都支持AI模型的部署。對于計算能力較低的MCU，支持機(jī)器學(xué)習(xí)算法（ML）。對于計算能力較高的MCU，還支持神經(jīng)網(wǎng)絡(luò)模型（DL）。

　　可以運行應(yīng)用示例的評估板列表總結(jié)如下。

　　產(chǎn)品評估工具