人工智慧（AI）起源於達(dá)特茅斯學(xué)院於1956年舉辦的夏季研討會(huì)。在該會(huì)議上，「人工智慧」一詞首次被正式提出。運(yùn)算能力的技術(shù)突破推動(dòng)了AI一輪又一輪的發(fā)展。近年來(lái)，隨著大數(shù)據(jù)的可用性提升，第三輪AI發(fā)展浪潮已經(jīng)來(lái)臨。

2015年，基於深度學(xué)習(xí)的AI演算法在ImageNet競(jìng)賽的影像辨識(shí)準(zhǔn)確度首次超過(guò)人類，代表著AI發(fā)展突飛猛進(jìn)。隨著電腦視覺(jué)研究的突破，深度學(xué)習(xí)已經(jīng)在語(yǔ)音辨識(shí)、自然語(yǔ)言處理等不同研究領(lǐng)域都取得了巨大的成功。現(xiàn)在，AI已經(jīng)在生活中的各面向展現(xiàn)出巨大潛力。

人工智慧的發(fā)展演進(jìn)與主要概念，大致解釋如下：

? AI：任何能讓電腦類比人類行為的技術(shù)。

?機(jī)器學(xué)習(xí)：人工智慧（AI）的子集。透過(guò)從資料中學(xué)習(xí)而不斷改進(jìn)的演算法或方法論。

?深度學(xué)習(xí)：機(jī)器學(xué)習(xí)（ML）的子集。透過(guò)使用類比人類大腦神經(jīng)網(wǎng)路的多層結(jié)構(gòu)，從大量資料中獲得有價(jià)值資訊的學(xué)習(xí)演算法。

圖一 : 人工智慧的演進(jìn) (source：ST)

AI生力軍，Deep Edge AI應(yīng)運(yùn)而生

由於運(yùn)算能力的需求，目前AI技術(shù)主要應(yīng)用於雲(yún)端場(chǎng)景。由於資料傳輸延遲等因素的限制，基於雲(yún)端的解決方案可能無(wú)法滿足部分使用者對(duì)資料安全性、系統(tǒng)回應(yīng)能力、私密性、以及本地節(jié)點(diǎn)功耗的限制。在集中式AI解決方案中，嵌入式設(shè)備（智慧音箱、穿戴式裝置等）通常依賴雲(yún)端伺服器藉以實(shí)現(xiàn)AI功能，而在Deep Edge AI解決方案中，嵌入式設(shè)備本身即可在本地執(zhí)行AI演算法，實(shí)現(xiàn)即時(shí)環(huán)境感測(cè)、人機(jī)互動(dòng)、決策控制等功能。

圖二 : 雲(yún)端智慧的優(yōu)缺點(diǎn)(source：ST)

將AI推理運(yùn)算遷移到深度邊緣運(yùn)算將帶來(lái)一些優(yōu)勢(shì)，例如更好的系統(tǒng)回應(yīng)能力、更周全的使用者資訊隱私保護(hù)（並非所有資料都需要傳輸?shù)诫?yún)端）、以及降低連接成本和功耗。

圖三 : 邊緣運(yùn)算的優(yōu)缺點(diǎn)(source：ST)

根據(jù)ABI的研究結(jié)果，到2030年，Deep Edge AI裝置的全球出貨量將達(dá)到25億臺(tái)。意法半導(dǎo)體（ST）注意到，日益成長(zhǎng)的Deep Edge AI技術(shù)社群和生態(tài)系統(tǒng)專注於獨(dú)立、低功耗且經(jīng)濟(jì)的嵌入式解決方案。ST在AI方面投入大量資源，協(xié)助開(kāi)發(fā)人員在微控制器/微處理器（STM32系列）和感測(cè)器（動(dòng)作MEMS、ToF等）嵌入式系統(tǒng)上快速部署AI應(yīng)用。

為了加速開(kāi)發(fā)週期，ST提供一系列的AI工具，針對(duì)STM32家族，及具備機(jī)器學(xué)習(xí)核心（機(jī)器學(xué)習(xí)核心；MLC）的動(dòng)作MEMS感測(cè)器上所訓(xùn)練的AI模型（STM32Cube.AI），能更方便地進(jìn)行最佳化。AI已經(jīng)在許多領(lǐng)域取得了令人矚目的成就。我們相信，愈來(lái)愈多的智慧終端裝置將會(huì)對(duì)人類生活產(chǎn)生更深遠(yuǎn)且正面的影響。

透過(guò)生態(tài)系統(tǒng)快速部署AI應(yīng)用

ST提供一個(gè)完整的硬體和軟體的生態(tài)系統(tǒng)，能快速、輕鬆地開(kāi)發(fā)多種執(zhí)行於感測(cè)器和微控制器上的Deep Edge AI演算法。

在MEMS感測(cè)器生態(tài)系統(tǒng)中，感測(cè)器上的MLC嵌入式引擎，能協(xié)助開(kāi)發(fā)人員在邊緣裝置上實(shí)現(xiàn)如手勢(shì)辨識(shí)、動(dòng)作辨識(shí)、異常檢測(cè)等等AI演算法。。

圖四 : 加速度計(jì)和陀螺儀中的機(jī)器學(xué)習(xí)解決方案(source：ST)

因此，物聯(lián)網(wǎng)解決方案開(kāi)發(fā)人員可以使用UNICO-GUI工具開(kāi)發(fā)超低功耗應(yīng)用，進(jìn)行快速prototyping並且部署ST任一內(nèi)嵌 MLC 的感測(cè)器。

基於原生低功耗感測(cè)器設(shè)計(jì)、進(jìn)階AI事件偵測(cè)、喚醒邏輯和即時(shí)邊緣運(yùn)算功能，感測(cè)器中的MLC極大地減少了系統(tǒng)資料傳輸量，降低了網(wǎng)路處理負(fù)擔(dān)。

如果開(kāi)發(fā)人員決定在感測(cè)器上開(kāi)發(fā)一個(gè)機(jī)器學(xué)習(xí)解決方案，則需要一套全新的方法來(lái)實(shí)現(xiàn)自己的應(yīng)用。

開(kāi)發(fā)機(jī)器學(xué)習(xí)演算法，起點(diǎn)是資料及分類的定義。遵循以下五個(gè)步驟，能夠在感測(cè)器中創(chuàng)建並執(zhí)行AI應(yīng)用。UNICO-GUI是一種圖形化使用者介面，支援包括決策樹(shù)產(chǎn)生等五個(gè)步驟。

圖五 : 感測(cè)器中的機(jī)器學(xué)習(xí)解決方案：開(kāi)發(fā)流程(source：ST)

為了方便開(kāi)發(fā)人員快速在STM32上部署已訓(xùn)練的AI模型，ST開(kāi)發(fā)了一款簡(jiǎn)單易用且高效的工具：STM32Cube.AI（亦稱X-CUBE-AI）。X-CUBE-AI可以分析並將已訓(xùn)練的神經(jīng)網(wǎng)路轉(zhuǎn)換為優(yōu)化的C語(yǔ)言程式，並針對(duì)STM32系列自動(dòng)進(jìn)行測(cè)試。

為了展示不同AI應(yīng)用如何在STM32上直接執(zhí)行，並加速STM32嵌入式開(kāi)發(fā)人員的研發(fā)、驗(yàn)證和部署時(shí)程，ST提供許多AI應(yīng)用以供參考。開(kāi)發(fā)人員可以利用這些嵌入式AI應(yīng)用套

裝軟體進(jìn)行二次開(kāi)發(fā)，快速實(shí)現(xiàn)自訂模型的部署。下列表格為ST製造的開(kāi)發(fā)工具和嵌入式應(yīng)用套裝軟體。

AI開(kāi)發(fā)工具和嵌入式應(yīng)用軟體

有STM32的地方就有Deep Edge AI。

STM32的所有MCU都支援AI模型的部署。對(duì)於運(yùn)算能力較低的MCU，支援機(jī)器學(xué)習(xí)演算法。對(duì)於運(yùn)算能力較高的MCU，更支援深度學(xué)習(xí)模型。

圖六 : 讓AI觸手可及

可執(zhí)行應(yīng)用範(fàn)例的開(kāi)發(fā)板列表如下：