人工智能已經(jīng)從高高在上的技術(shù)走向多場景應(yīng)用，在這個進程中，嵌入式技術(shù)將成為AI落地的重要承載平臺。 不久前，2020世界人工智能大會云端峰會(WAIC)在上海剛剛落幕，人工智能概念又一次被行業(yè)點燃。大會上，業(yè)界大佬云聚一堂，共話AI創(chuàng)新，探討人工智能治理方案。 李彥宏表示，AI的發(fā)展將經(jīng)歷三個大的歷史階段。第一個階段是技術(shù)的智能化，第二階段叫做經(jīng)濟的智能化，第三個階段叫做社會的智能化。目前，我們正處于從經(jīng)濟智能化的前半段向后半段過渡的時期。 馬斯克表示，如果一定要把AI分成三個類別，感知、認知和行動，那么目前已經(jīng)做到了感知，認知是目前最薄弱的環(huán)節(jié)。 而丁磊表示，人工智能不是技術(shù)問題，是應(yīng)用場景問題，選對了應(yīng)用場景，發(fā)揮的效率就非常高。 可以看出，科技大佬們的觀點不謀而合，目前人工智能已經(jīng)從技術(shù)走向應(yīng)用，如何將AI技術(shù)真正落地，解決每個應(yīng)用場景中人們的實際需求，才最關(guān)鍵。而在這個過程中，嵌入式技術(shù)將成為AI落地的重要承載平臺。

AI與機器學(xué)習(xí)和深度學(xué)習(xí)是何關(guān)系?

AI是所有研究的機器模仿人類等認知能力的超集。例如：與環(huán)境的交互，知識表示，感知，學(xué)習(xí)，計算機視覺，語音識別，解決問題等等。

▲AI與機器學(xué)習(xí)和深度學(xué)習(xí)的關(guān)系圖

機器學(xué)習(xí)是AI的分支，在計算機科學(xué)領(lǐng)域的應(yīng)用使計算機無需顯式編程就能學(xué)習(xí)。機器學(xué)習(xí)由能夠基于數(shù)據(jù)進行學(xué)習(xí)和預(yù)測的算法組成：這類算法在前面樣本基礎(chǔ)上進行訓(xùn)練，以構(gòu)建和估計模型；在傳統(tǒng)編程不可行的情況下，通常采用機器學(xué)習(xí)；如果經(jīng)過適當(dāng)?shù)挠?xùn)練，可以適應(yīng)新的案例應(yīng)用。

機器學(xué)習(xí)有不同的實現(xiàn)方法，其中包括常見的：決策樹，聚類，基于規(guī)則的學(xué)習(xí)，歸納邏輯編程，深度學(xué)習(xí)。

深度學(xué)習(xí)（DL）是機器學(xué)習(xí)的子集，它是機器學(xué)習(xí)中一種基于對數(shù)據(jù)進行表征學(xué)習(xí)的方法，是一種能夠模擬出人腦的神經(jīng)結(jié)構(gòu)的機器學(xué)習(xí)方法。主要包含4種典型的深度學(xué)習(xí)算法：卷積神經(jīng)網(wǎng)絡(luò)CNN，循環(huán)神經(jīng)網(wǎng)絡(luò)RNN，生成對抗網(wǎng)絡(luò)GANs，深度強化學(xué)習(xí)RL。

▲神經(jīng)元網(wǎng)絡(luò)分層

深度學(xué)習(xí)有什么優(yōu)缺點?

深度學(xué)習(xí)的”深度“是指從”輸入層“到”輸出層“所經(jīng)歷層次的數(shù)目，即”隱藏層“的層數(shù)，層數(shù)越多，深度也越深。所以越是復(fù)雜的選擇問題，越需要深度的層次多。例如，AlphaGo的策略網(wǎng)絡(luò)是13層，每一層的神經(jīng)元數(shù)量為192個。深度學(xué)習(xí)需要大量的數(shù)據(jù)。

深度學(xué)習(xí)與機器學(xué)習(xí)一個很重要的區(qū)別在于數(shù)據(jù)量的大小。就目前大量的實驗和工作證明，數(shù)據(jù)量的大小直接影響深度學(xué)習(xí)的性能。我們都希望利用小的數(shù)據(jù)集、簡單的算法就能取得不錯的效果，但目前的事實是小數(shù)據(jù)集上使用深度學(xué)習(xí)往往容易過擬合。

▲數(shù)據(jù)量大小與算法表現(xiàn)的關(guān)系

自大數(shù)據(jù)和超級強大的GPU出現(xiàn)以來，深度學(xué)習(xí)的潛力正在被不斷挖掘。其優(yōu)點表現(xiàn)在：

學(xué)習(xí)能力強（數(shù)據(jù)模式和關(guān)系的自主學(xué)習(xí)）。從結(jié)果來看，深度學(xué)習(xí)的表現(xiàn)非常好，學(xué)習(xí)能力非常強。

數(shù)據(jù)驅(qū)動，準(zhǔn)確度高。深度學(xué)習(xí)高度依賴數(shù)據(jù)，數(shù)據(jù)量越大，其表現(xiàn)就越好。在圖像識別、面部識別、NLP 等部分任務(wù)甚至已經(jīng)超過了人類的表現(xiàn)。同時還可以通過調(diào)參進一步提高上限。

容易改進和微調(diào)。利用原有模型參數(shù)初始化現(xiàn)有模型，根據(jù)自己的數(shù)據(jù)集微調(diào)參數(shù),可節(jié)省很多時間。

可移植性好，適應(yīng)性強。由于深度學(xué)習(xí)的優(yōu)異表現(xiàn)，有很多框架可以使用，例如 TensorFlow、Pytorch。這些框架可以兼容很多平臺。

▲深度學(xué)習(xí)優(yōu)劣勢

其缺點表現(xiàn)在：

需要大量數(shù)據(jù)集，計算量大。深度學(xué)習(xí)需要大量的數(shù)據(jù)，所以成本很高。并且現(xiàn)在很多應(yīng)用還不適合在移動設(shè)備上使用。

模型設(shè)計復(fù)雜，需要高算力。深度學(xué)習(xí)對算力要求很高，模型設(shè)計非常復(fù)雜，需要投入大量的人力物力和時間來開發(fā)新的算法和模型。大部分人只能使用現(xiàn)成的模型。

沒有”人性”，容易存在偏見。由于深度學(xué)習(xí)依賴數(shù)據(jù)，并且可解釋性不高。在訓(xùn)練數(shù)據(jù)不平衡的情況下會出現(xiàn)性別歧視、種族歧視等問題。

STM32讓AI觸手可及

作為半導(dǎo)體行業(yè)的專家，ST在嵌入式AI應(yīng)用的探索道路上也一直走在前列，為AI應(yīng)用提供了豐富的基于Arm Cortex-M的STM32 MCU產(chǎn)品和解決方案。

STM32在AI應(yīng)用的優(yōu)勢在于：

低功耗

通用性（用1顆芯片既滿足AI又滿足通用需求）

豐富的產(chǎn)品系列

工業(yè)級品質(zhì)及10年供貨保障

▲ M4以上內(nèi)核的STM32產(chǎn)品均可實現(xiàn)AI應(yīng)用

以機器視覺的處理需求為例，從靜止的低分辨率圖片和良好光照的低處理需求，到低幀率、開放環(huán)境、中等光照條件的中等處理需求，直至高速視頻、高分辨率和可適應(yīng)光照條件的高處理能力需求，從普通MCU到帶神經(jīng)網(wǎng)絡(luò)處理單元的MCU，直至專用SoC，STM32都提供相應(yīng)的解決方案滿足特定的應(yīng)用需求。

▲機器視覺的處理需求

從市場應(yīng)用角度來看，STM32主要定位于低端機器視覺市場、基于聲音的應(yīng)用以及狀態(tài)監(jiān)測和預(yù)測性維護應(yīng)用。

▲STM32的市場定位

為幫助用戶更快速地進行嵌入式AI開發(fā)，ST還提供了豐富的深度學(xué)習(xí)資源，覆蓋了神經(jīng)網(wǎng)絡(luò)開發(fā)的整個流程。

▲神經(jīng)網(wǎng)絡(luò)開發(fā)流程

第一步：獲取數(shù)據(jù)

在該階段，ST提供硬件開發(fā)板和軟件采集數(shù)據(jù)，如運動、聲音類數(shù)據(jù)等。硬件開發(fā)板包括：SensorTile、SensorTile.Box、IOT Node(B-L475E-IOT01A)。

▲可以上下滾動查看圖片

用戶可通過以下渠道購買開發(fā)板和獲取軟件：

STM32天貓旗艦店購買開發(fā)板：淘口令?NCmB1zyeeWZ?

軟件：FP-AI-SENSING1，下載鏈接：http://navo.top/zayQfi

第二步：數(shù)據(jù)清洗、打標(biāo)

ST同時提供手機端APP直連硬件開發(fā)板，作為數(shù)據(jù)初篩和收集的平臺。

ST BLE SensorAPP （支持Android、IOS，源碼開放）下載鏈接：http://navo.top/uayaye

第三步：訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)訓(xùn)練在服務(wù)器或者PC端完成，ST不提供方案。但是在例程中提供相應(yīng)的參考訓(xùn)練腳本。

第四步：將模型轉(zhuǎn)換為MCU上執(zhí)行的優(yōu)化代碼

STM32Cube.AI，是ST推出的一個先進的工具包，能夠與流行的深度學(xué)習(xí)庫進行互操作，將任何人工神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換并應(yīng)用于STM32微控制器（MCU）。Cube.AI工具是CubeMX的AI擴展包，可以在CubeMX內(nèi)下載或者單獨下載，下載地址：http://navo.top/rq2uqm。

STM32Cube.AI支持的神經(jīng)網(wǎng)絡(luò)模型框架有Lasagne、Keras、Caffe、ConvNetJs、Tensorflow Lite、可以導(dǎo)出為ONNX標(biāo)準(zhǔn)的框架（PyTorch,Microsoft Cognitive Toolkit, MATLAB 以及更多），最新支持請參考Cube.AI的release note。

Cube.AI 工具的功能包括：

轉(zhuǎn)換模型文件到運行在STM32上的C代碼

對模型文件做CPU、RAM、Flash資源分析，顯示適配MCU型號

對模型做整型量化或者深度壓縮

更多功能更新中…

Cube.AI 工具使用教程請參考以下培訓(xùn)課程：《基于STM32開發(fā)人工智能應(yīng)用》 （復(fù)制網(wǎng)址到外部瀏覽器）

https://c.51diantang.com/columndetail?id=046ea06e6d1d476ab49a2cbbf84e43ab

第五步：使用訓(xùn)練好的模型分析數(shù)據(jù)

對于運動、聲音類數(shù)據(jù)，ST可提供硬件開發(fā)板包括：SensorTile、SensorTile.Box、IOT Node (B-L475E-IOT01A)；ST提供的軟件包括：FP-AI-SENSING1，下載鏈接：http://navo.top/zayQfi

對于圖像類數(shù)據(jù)，ST可提供硬件開發(fā)板包括：STM32H747I-DISCO + STM32F4DIS-CAM或者OpenMV

用戶可通過以下渠道購買開發(fā)板和獲取軟件：

STM32天貓旗艦店購買開發(fā)板：淘口令?wMEr1zyloyE?

OpenMV 中國區(qū)官方代理：淘口令?m1xH1zyrco2?

軟件：FP-AI-VISION1，下載鏈接：http://navo.top/rMJbY3

ST通過大學(xué)計劃推動AI教育普及

ST一直與世界知名大學(xué)緊密合作，共同致力于推動AI知識和應(yīng)用在教育領(lǐng)域的培訓(xùn)和推廣。ST與加州大學(xué)洛杉磯分校的教授共同推出了物聯(lián)網(wǎng)和嵌入式機器學(xué)習(xí)課程。該課程基于ST的SensorTile開發(fā)套件，為年輕的工程師和技術(shù)人員提供了構(gòu)建物聯(lián)網(wǎng)系統(tǒng)（如可穿戴消費設(shè)備，可穿戴醫(yī)療設(shè)備，住宅物聯(lián)網(wǎng)系統(tǒng)和車輛物聯(lián)網(wǎng)系統(tǒng)）所需的基礎(chǔ)。

自2007年在上海交通大學(xué)開設(shè)第一個聯(lián)合實驗室以來，ST已經(jīng)在中國教育領(lǐng)域建立了重要的合作伙伴關(guān)系。ST中國大學(xué)計劃和多所中國高校合作，共同開發(fā)嵌入式、物聯(lián)網(wǎng)以及人工智能相關(guān)的教材和課程體系，并且通過師資培訓(xùn)推廣到更多中國高校；同時建立了ST教育聯(lián)盟，促進與高等院校的密切合作。

在AI應(yīng)用方面，ST已經(jīng)與許多編寫核心培訓(xùn)材料的教授進行了長時間的合作。蘇州大學(xué)的王宜懷教授正在開發(fā)一本用STM32微控制器和STM32Cube.AI講解復(fù)雜的嵌入式系統(tǒng)人工智能概念的教科書。通過使用ST的人工智能工具，將神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換成可在STM32上運行的代碼，教師可以為學(xué)生帶來先進、巧妙的AI解決方案。