یادگیری ماشینی در ماژول اینترنت اشیا جدید که به صورت بی سیم محدود به منابع قابل دسترسی است ، برنامه ها را قادر می سازد تا محیط عملیاتی خود را مدلسازی و درک کنند و تصمیمات هوشمندانه بگیرند. Nordic Semiconductor ، اسلو نروژ ، با Edge Impulse ، ارائه دهنده اصلی ابزارهای “یادگیری ماشین کوچک” یا “TinyML” که برای کار با دستگاه های نیمه هادی محدود به منابع طراحی شده اند ، همکاری کرده است.
این همکاری باعث می شود تراشه های Nordic Semi’s nRF52 و nRF53 Bluetooth Low Energy (LE) از مزایای استفاده آسان از هوش مصنوعی و یادگیری ماشین به صورت استاندارد بهره مند شوند. این فناوری برای اولین بار در صنعت نیمه هادی بلوتوث ، استفاده شده است.
IoT شبکه اشیا فیزیکی را توصیف می کند – “اشیا” – که به منظور اتصال و تبادل داده با سایر دستگاه ها و سیستم ها از طریق ماژول اینترنت ، با حسگرها ، نرم افزار و سایر فناوری ها تعبیه شده است. تعریف Iot به دلیل همگرایی فناوری های متعدد ، تجزیه و تحلیل های بی درنگ ، یادگیری ماشین ، حسگرهای کالا و سیستم های جاسازی شده تکامل یافته است. زمینه سنتی سیستم های جاسازی شده ، شبکه های حسگر بی سیم ، سیستم های کنترل ، اتوماسیون (از جمله اتوماسیون خانگی و ساختمان) و سایر موارد همگی به امکان دسترسی در اینترنت کمک می کنند.
در بازار مصرف ، فناوری IoT مترادف با محصولات مربوط به مفهوم “خانه هوشمند” است ، از جمله دستگاه ها و لوازم خانگی (مانند وسایل روشنایی ، ترموستات ، سیستم های امنیتی خانه و دوربین ها و سایر لوازم خانگی) که از یک یا اکوسیستم های رایج تر ، و از طریق دستگاه های مرتبط با آن اکوسیستم مانند تلفن های هوشمند و بلندگوهای هوشمند قابل کنترل است. هوش مصنوعی به انداره کهکشان راه شیری گسترده است. هوش مصنوعی (AI) یک زمینه گسترده با بسیاری از زیر مجموعه ها مانند پردازش زبان طبیعی (NLP) ، شبکه های عصبی مصنوعی ، بینایی کامپیوتر ، یادگیری ماشین ، یادگیری عمیق ،( ماژول اینترنت اشیاء )رباتیک و غیره است.
“آنچه هوش مصنوعی و یادگیری ماشین بر روی تراشه های محدود کننده منابع انجام می دهد – که Nordic اکنون به طور کلی از آن به عنوان TinyML یاد می کند – این است که از نظر آگاهی از محیط زیست و تصمیم گیری مستقل ، پتانسیل کاربرد فن آوری های ماژول اینترنت اشیا wireless بی سیم مانند بلوتوث را به سطح جدیدی می رساند ، Kjetil Holstad ، مدیر مدیریت محصول Nordic ، اظهار نظر می کند.
“اگرچه ما در گذشته مشتری هایی را داشتیم که ماژول اینترنت اشیا بلوتوث Nordic را روی تراشه های بلوتوث ساخت و اجرا می کردند ، اما قبل از این به سطح بالایی از مهارت برنامه نویسی ریاضی و کامپیوتری با استفاده از صنعت علوم حرفه ای و نرم افزار دانشگاهی مانند MATLAB نیاز داشت.”
یک مثال از موارد فوق ، دو پروژه موفق در Hackster.io و Smart Parks با پشتیبانی از چالش ردیاب حیات وحش “ElephantEdge” است که از ماژول اینترنت اشیا Nordic’s nRF52840 System-on-Chip (SoC) در آن استفاده شده است. این شامل یک طرح برنده جایزه توسط Dhruv Sheth به نام “EleTect” ، یک ردیاب هوشمند حیات وحش TinyML و IoT با استفاده از nRF52840 SoC و همچنین یک شتاب سنج ، دوربین و میکروفون بود.
مدلهای مختلف TinyML Sheth شامل: مدلهای دید دوربین برای کنترل خطر شکار غیرقانونی و شکارچیان یا نظارت بر حرکات فیلها. مدل های داده شتاب سنج برای پیش بینی و طبقه بندی رفتارهای معمول فیل ها ؛ و مدل های داده های صوتی برای شناسایی و طبقه بندی داده های فیل و تغییرات خلقی فیل (یک بیماری دوره ای در فیل های نر با رفتار بسیار تهاجمی مشخص می شود که می تواند آنها را در تضاد با انسان قرار دهد).
این مدل ها به سه شکل شامل کتابخانه ++ C ، کتابخانه آردوینو و کتابخانه OpenMV که در GitHub موجود است ، برای استقرار آماده شدند. هولستاد در ادامه گفت: “کاری که همکاری ما با Edge Impulse انجام خواهد داد این است که کلیه مشکلات و موانع ورود به سیستم قبلی را برای مشتریانی که می خواهند ویژگی های TinyML را به برنامه های بلوتوث خود اضافه کنند ، از بین می برد.
“در واقع با استفاده از ابزار Edge Impulse ، مشتریان نوردیک می توانند TinyML را در برنامه های خود بعد از ظهر فعال و اجرا کنند( ماژول اینترنت ). و در سطح بسیار کم مصرف برق که حتی از باتری های طولانی حتی از باتری های کوچک نیز پشتیبانی می کند. “
طراحی ها جدید این راهکار های جدید می تواند کیفیت و نوع زندگی مدرن را تحت تاثیر قرار می دهند.
