엣지 인공지능의 꿈과 도전

이 기사에서는 주로 두 가지 주요 질문, 즉 "소형 기계"에 인공 지능을 구현하는 이론적 근거와 인공 지능을 갖춘 소형 기계를 개발할 때 어떤 과제에 직면하게 될까요? 인공지능이 오면 하늘을 나는 자동차도 있고 로봇 집사도 있어야 한다. 우리는 우리에게 반항하기로 결정한 지각 있는 로봇을 만날 수도 있습니다. 아직 이 지점까지 발전하지는 않았지만 인공지능(AI) 기술이 우리 세상에 들어왔다는 것은 분명합니다.

우리가 스마트 음성 비서에게 무언가를 요청할 때마다 기계 학습 기술은 먼저 사용자가 말한 내용을 파악하고 원하는 작업에 대해 최선의 결정을 내리려고 노력합니다. 예를 들어, 동영상 웹사이트나 전자상거래 플랫폼에서 "당신이 좋아할 만한 영화"나 "당신에게 필요할 수도 있는 제품"을 추천할 때마다 복잡한 기계 학습 알고리즘을 기반으로 최대한 설득력 있는 정보를 제안합니다. 확실히 지난 프로모션보다 더 매력적이네요.

우리 모두가 자율주행차를 보유하고 있는 것은 아니지만, 우리는 이 분야의 발전과 자율주행이 제공하는 잠재력을 예리하게 인식하고 있습니다.

인공 지능 기술은 큰 가능성을 가지고 있습니다. 기계는 주변 세계를 기반으로 결정을 내리고, 인간처럼 정보를 처리하거나 심지어 인간보다 나은 방식으로 정보를 처리할 수 있습니다. 그러나 위의 예를 생각해 보면 AI의 약속은 전력, 크기 또는 비용 제약이 없는 "대형 기계"에 의해서만 실현될 수 있음을 알 수 있습니다. 즉, 가열되고, 유선으로 구동되며, 크고, 가격이 비쌉니다. 예를 들어 Alexa, Netflix와 같은 세계 최고의 IT 거대 기업은 사용자의 의도를 추론하기 위해 클라우드의 전력 소모가 큰 대규모 서버(데이터 센터)에 의존합니다.

자율 주행 자동차는 대부분 배터리에 의존하지만 배터리가 바퀴를 돌리고 조종해야 한다는 점을 고려하면 에너지 용량은 엄청납니다. 가장 비용이 많이 드는 AI 결정에 비해 엄청난 에너지 소비입니다.

그래서 인공 지능의 약속에도 불구하고 "작은 기계"는 뒤쳐지고 있습니다. 더 작은 배터리로 구동되거나 비용 및 크기 제약이 있는 장치는 기계가 보고 들을 수 있다는 아이디어에 참여할 수 없습니다. 오늘날 이 작은 기계는 키워드를 듣거나 광용적맥파측정(PPG)과 같은 심박수의 저차원 신호를 분석하는 등 간단한 인공 지능 기술만 활용할 수 있습니다.

작은 기계가 보고 들을 수 있다면 어떨까요?

그런데 작은 기계가 보고 들을 수 있다는 게 과연 가치가 있을까요? 자율주행이나 자연어 처리 등의 기술을 활용하는 초인종 카메라 같은 작은 기기를 상상하는 것은 많은 사람들에게 어려울 수 있다. 그럼에도 불구하고 단어 인식, 음성 인식 및 이미지 분석과 같이 덜 복잡하고 덜 처리 집약적인 AI 계산에 대한 기회는 있습니다.

초인종 카메라 및 소비자 등급 보안 카메라는 종종 바람으로 인한 식물 움직임, 드라마틱한 이벤트와 같은 흥미롭지 않은 이벤트를 유발합니다. 구름으로 인한 빛의 변화, 카메라 앞에서 움직이는 개나 고양이 같은 것들. 이로 인해 잘못된 경보가 발생하고 주택 소유자가 중요한 이벤트를 놓치기 시작할 수 있습니다. 주택 소유자는 세계 각지를 여행하거나 잠을 자고 있을 수 있으며, 보안 카메라는 일출, 구름, 일몰로 인한 조명 변화를 자주 경고합니다. 더욱 스마트해진 카메라는 인체 윤곽과 같은 물체 변화를 더욱 정확하게 식별할 수 있으므로 잘못된 경보 간섭을 피할 수 있습니다.

• 도어 잠금 장치나 기타 액세스 포인트는 얼굴 인식이나 음성 인식을 사용하여 사람의 접근을 확인할 수 있으며 대부분의 경우 열쇠나 IC 카드가 필요하지 않습니다.
• 많은 카메라가 특정 이벤트에 대해 트리거하기를 원합니다. 예를 들어 트레일 카메라는 특정 동물이 프레임 안에 있을 때 트리거하기를 원할 수 있고, 보안 카메라는 사람이 프레임 안에 있거나 소음과 같은 소음이 있을 때 트리거하기를 원할 수 있습니다. 문 열림이나 발소리, 일부 카메라는 음성 명령 등에 의해 작동되기를 원할 수 있습니다.
• 큰 어휘 명령은 많은 응용 프로그램에서 유용합니다. 시중에는 "Hey Alexa", "Hey Siri" 솔루션이 많이 있지만 20개 이상의 단어로 구성된 어휘를 생각하기 시작하면 산업용 장비, 홈 오토메이션, 조리 기기 및 기타 여러 장치에서 이를 찾아 사람들의 작업을 단순화할 수 있습니다. 컴퓨터 상호 작용의 사용.
• 이러한 예는 피상적입니다. 이전에는 인간의 개입이 필요했던 문제를 작은 기계가 보고 듣고 해결하도록 한다는 아이디어는 강력한 아이디어이며, 우리는 매일 창의적이고 새로운 사용 사례를 계속해서 찾고 있습니다.

작은 기계를 보고 듣게 만드는 데에는 어떤 어려움이 있나요?

그렇다면 AI가 소형 기계에 그토록 가치가 있다면 왜 우리는 AI를 더 널리 사용하지 않는 걸까요? 답은 컴퓨팅 파워입니다. 인공지능 추론은 신경망 모델 계산의 결과입니다. 신경망 모델을 두뇌가 그림이나 소리를 처리하는 방식에 대한 대략적인 근사치로 생각하고, 이를 매우 작은 조각으로 나눈 다음, 작은 조각들이 합쳐질 때 패턴을 인식합니다.

현대 시력 문제의 주요 모델은 CNN(Convolutional Neural Network)입니다. 이 모델은 이미지 분석에 탁월하며 오디오 분석에도 매우 유용합니다. 문제는 그러한 모델에는 수백만 또는 수십억 개의 수학적 계산이 필요하다는 것입니다. 전통적으로 이러한 애플리케이션은 구현하기가 어려웠습니다.

• 저렴한 저전력 마이크로컨트롤러 솔루션을 사용하세요. 평균 전력 소비는 낮을 수 있지만 CNN은 계산하는 데 몇 초가 걸릴 수 있습니다. 즉, AI 추론이 실시간이 아니므로 많은 배터리 전력을 소비합니다.
• 필요한 대기 시간 내에 이러한 수학 연산을 수행할 수 있는 값비싼 고성능 프로세서를 구입하세요. 이러한 프로세서는 크기가 큰 경우가 많으며 방열판이나 유사한 냉각 구성 요소를 비롯한 많은 외부 구성 요소가 필요합니다. 그러나 AI 추론을 매우 빠르게 수행합니다.
• 구현할 수 없습니다. 저전력 마이크로컨트롤러 솔루션은 사용 속도가 너무 느린 반면, 고성능 프로세서 접근 방식은 비용, 크기, 전력 예산에 큰 타격을 줄 것입니다.

우리에게 필요한 것은 CNN 계산의 에너지 소비를 최소화하기 위해 처음부터 구축된 내장형 인공 지능 솔루션입니다. AI 추론은 기존 마이크로 컨트롤러나 프로세서 솔루션에 비해 훨씬 더 큰 규모로 수행되어야 하며 에너지, 용량 및 비용을 소비하는 메모리와 같은 외부 구성 요소의 도움이 필요하지 않습니다.

AI 추론 솔루션이 머신 비전의 에너지 손실을 제거할 수 있다면 가장 작은 장치라도 주변 세계에서 무슨 일이 일어나고 있는지 보고 식별할 수 있습니다.

다행히도 우리는 이 "작은 기계" 혁명의 시작점에 있습니다. 이제 AI 추론의 에너지 비용을 사실상 제거하고 배터리 구동식 머신 비전을 구현할 수 있는 제품을 사용할 수 있습니다. 예를 들어, 마이크로컨트롤러를 사용하면 마이크로줄의 에너지만 소비하면서 AI 추론을 수행할 수 있습니다.

위 내용은 엣지 인공지능의 꿈과 도전의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!