時系列データのトレンドを識別できる組み込みAIシステム
ジョージ・ディッキーによる
テクノロジーの革新はしばしば波として現れ、数十年以内に人々の生活を変えます: 電気、コンピューター、インターネット。最新の波は人工知能 (AI) です。その創始以来、AIは主に大規模な計算プラットフォームに限定されていました。しかし、高度なプロセッサ技術と高効率のAIネットワークの融合により、画期的な革新がもたらされ、AIが組込みシステム内で動作することを可能にしました。これらのシステムはしばしば、AI専用のプロセッサと機械学習対応センサーを装備しており、『エッジ』でこれまでにない能力を実現します。
これらの機能は、新しいレベルの予測保守を可能にします。組み込みAIアクセラレーションによって、人間の関与なしに問題を事前に特定することができます。この記事では、エッジでAIアルゴリズムを可能にするいくつかの新しいプロセッサ技術について検討します。
埋め込みAIシステム
AI対応のマイクロコントローラーとMEMSセンサーは、予測保全AI革命の最前線にいます。これらのデバイスは、そのコンパクトなサイズ、低消費電力、そしてAIに関連する特定の数学関数を高速化する能力によって特徴付けられます。従来の組み込みプロセッサーは、AIコアやセンサーモジュールと組み合わせて、デバイスがリアルタイムでの実世界の時系列データを分析し、反応することを可能にします。組み込みAIが時系列データアプリケーションに導入される方法は複数あります。しかし、まず…
時系列データのためのAIとは？
時系列データとは、一定の時間間隔で収集、記録、または測定されたデータポイントの連続を指します。時系列データポイントを使用することで、分析者はデータが時間と共にどのように進化または変化するかを理解できます。
時系列データ分析は、データ内のパターン、トレンド、異常、行動を理解することを含みます。AIは未来の値についての観察や予測を行い、データから洞察を引き出して意思決定を支援することができます。この種類の分析はAIネットワークを使用して行われることがあり、処理ハードウェアの理解と選択が必要となります。
予測保守、環境異常検出、IoTデバイス、多軸運動などのアプリケーションでは、時系列データを使用してデータ内のパターン、トレンド、行動を理解することができます。畳み込みニューラルネットワーク、リカレントニューラルネットワーク、長期と短期記憶ネットワーク、ゲート付きリカレントユニットなどのAIアルゴリズムを使用して、時系列データは望ましい結果や異常な結果を検出することができます。これらの機械学習アルゴリズムの実行は一般的なハードウェアでも可能ですが、AIコアを持つプロセッサやセンサーを使用することで、レイテンシーが低下し、効率が向上します。
Cortex-Mコア、NPUs、GPUs、組み込みAIセンサーアセンブリなど、いくつかの一般的なプロセッサコア技術は、AI時系列データ分析に使用することができます。これらの新しいプロセッサ技術との専用AIアルゴリズムの融合は、組み込みシステムやエッジコンピューティングにおける革新を促進しています。医療、自動車、製造業、農業などのアプリケーションから、組み込みAIプロセッサは、現実世界のデータをこれまでにない速度、正確さ、効率で分析する賢明でより自律的なデバイスへの道を開いています。
Nanoedge AI Studioがモーター制御アプリケーションからの時系列データを表示しています。
機械学習対応マイクロコントローラー
Cortex-Mシリーズのマイクロコントローラ (MCU) は、M0からM85までの範囲で、AIが実行されるかどうかに関わらず、様々なアプリケーションで組み込みシステム処理の基盤として機能することが多いです。しかし、これらのコアは低消費電力でリアルタイムのデータ処理を目的に設計されているため、組み込みAIハードウェアソリューションに理想的です。
たとえば、STMicroelectronics STM32L5 およびNXPの MCX-A は、どちらも32ビットArm Cortex-M33を使用しており、簡単なAIネットワークを利用する組み込みシステムに適したMCUです。これらの従来型Cortex-Mコアはセンサーデータの処理や簡単なAI処理に優れていますが、より複雑な機械学習タスクには、追加のコアを統合して機械学習をさらに可能にするマイクロコントローラを見てみましょう。
グラフィックス処理ユニット (GPU)
主に2D（時には3D）グラフィックスの性能向上を目的としていますが、GPUはますますCortex-M MCUと組み合わせて組み込みAIアプリケーションに利用されています。これらの並列処理ユニットは、画像認識や物体検出のようなタスクのために畳み込みニューラルネットワーク（CNN）などのディープラーニングアルゴリズムに利用できます。例えば、STM32U5はCortex-M33とNeoChrome GPUを備えており、産業、スマートシティ、スマートホーム、IoTアプリケーションにおけるHMIアプリケーションや組み込みAIソリューションに適しています。
ニューラルプロセッシングユニット (NPUs)
ニューラルプロセッシングユニット (NPU) は、ニューラルネットワークの計算を加速するために最適化された高度な専門コアであり、プログラムが機能的に学習し自己再編成することを可能にします。これらのコアは、しばしば Cortex-M プロセッサと共に実装され、標準の Cortex-M コアが単独では実行できないより複雑なニューラルネットワークアルゴリズムを実行することができます。
例えば、NXP の MCX-N は、Arm Cortex-M33 とカスタム eIQ ニューラルプロセッシングユニットを組み合わせています。Alif Semiconductor の Ensemble ファミリーは、Arm Cortex-M55 CPU と ARM Ethos-U55 ニューラルプロセッシングユニットによって可能となったエッジ AI 加速を組み合わせた産業用アプリケーション対応のマイコンです。このファミリーは、単一 Cortex-M55 またはデュアル Cortex-M55、単一またはデュアル Ethos-U55、そしてオプションで1つまたは2つのCortex-A32 MPUコアを備えています。
AIタスクをNPUにオフロードすることで、組み込みシステムは電力、サイズ、リソースを節約しながらリアルタイムのニューラルネットワーク推論を実現できます。
AIコアを組み込んだセンサー
既に述べたように、組み込みAIアプリケーションは、データ処理の計算側に標準MCUを使用することが多いです。しかし、新しいセンサー技術により、AI処理がMCU外部に移行し、センサー自体に組み込まれたAI処理コア、機械学習コア（MLC）およびインテリジェントセンサー処理ユニット（ISPUs）が導入されています。
組み込み機械学習コア（MLC）を備えたセンサーは、特定のイベントが検出されるとアクションをトリガーするように訓練でき、正確な変化シナリオを検出することが可能です。これにより、MCUの計算負荷を軽減でき、省電力アーキテクチャを実現し、システム効率が向上します。例えば、LSM6DSV16BXTRは、AI機能を可能にするMLCを備えた3軸加速度計と3軸ジャイロスコープを搭載したIMUです。
あるいは、センサーはインテリジェントセンサー処理ユニット（ISPU）を備えることができ、高い処理能力を持つ統合デジタル信号プロセッサで、ISPU内で機械学習やニューラルネットワーク処理をサポートします。このコアアーキテクチャにより、内部および外部センサーのAIによる処理が可能となり、外部MCUを必要とせずに重い計算を行うことができます。これは、外部MCUを必要とせずに、自動キャリブレーション、センサーフュージョン、および異常検出に利用されます。代わりに、より小型のMCUを一般的な用途のマイクロコントローラの負荷に使用することができます。
結論
AIの時系列データへの応用は、産業、医療、消費者向けアプリケーションにインテリジェンスを加える可能性を秘めた刺激的な開発領域です。AIソリューションの開発には考慮すべき多くの要素があり、プロセッサ選定はその一つにすぎません。
詳細情報とガイダンスについては、Arrow AIの専門家との相談を予約し、AIウェビナーシリーズをフォローしてください。
追加のAIエンジニアリングリソース:
記事タグ
