人工智能已經(jīng)從高高在上的技術(shù)走向多場景應用，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，是應用場景問題，選對了應用場景，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)走向應用，如何將AI技術(shù)真正落地，解決每個應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與機器學習和深度學習是何關(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，學習，計算機視覺，語音識別，解決問題等等。

▲AI與機器學習和深度學習的關(guān)系圖

機器學習是AI的分支，在計算機科學領(lǐng)域的應用使計算機無需顯式編程就能學習。機器學習由能夠基于數(shù)據(jù)進行學習和預測的算法組成：這類算法在前面樣本基礎(chǔ)上進行訓練，以構(gòu)建和估計模型；在傳統(tǒng)編程不可行的情況下，通常采用機器學習；如果經(jīng)過適當?shù)挠柧殻梢赃m應新的案例應用。

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

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

▲神經(jīng)元網(wǎng)絡分層

深度學習有什么優(yōu)缺點?

深度學習的”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。所以越是復雜的選擇問題，越需要深度的層次多。例如，AlphaGo的策略網(wǎng)絡是13層，每一層的神經(jīng)元數(shù)量為192個。深度學習需要大量的數(shù)據(jù)。

深度學習與機器學習一個很重要的區(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習的性能。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)集上使用深度學習往往容易過擬合。

▲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，深度學習的潛力正在被不斷挖掘。其優(yōu)點表現(xiàn)在：

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

數(shù)據(jù)驅(qū)動，準確度高。深度學習高度依賴數(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，適應性強。由于深度學習的優(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。

▲深度學習優(yōu)劣勢

其缺點表現(xiàn)在：

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

模型設(shè)計復雜，需要高算力。深度學習對算力要求很高，模型設(shè)計非常復雜，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。由于深度學習依賴數(shù)據(jù)，并且可解釋性不高。在訓練數(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

作為半導體行業(yè)的專家，ST在嵌入式AI應用的探索道路上也一直走在前列，為AI應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、高分辨率和可適應光照條件的高處理能力需求，從普通MCU到帶神經(jīng)網(wǎng)絡處理單元的MCU，直至專用SoC，STM32都提供相應的解決方案滿足特定的應用需求。

▲機器視覺的處理需求

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

▲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習資源，覆蓋了神經(jīng)網(wǎng)絡開發(fā)的整個流程。

▲神經(jīng)網(wǎng)絡開發(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

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：訓練神經(jīng)網(wǎng)絡模型

神經(jīng)網(wǎng)絡訓練在服務器或者PC端完成，ST不提供方案。但是在例程中提供相應的參考訓練腳本。

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習庫進行互操作，將任何人工神經(jīng)網(wǎng)絡轉(zhuǎn)換并應用于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)絡模型框架有Lasagne、Keras、Caffe、ConvNetJs、Tensorflow Lite、可以導出為ONNX標準的框架（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課程：《基于STM32開發(fā)人工智能應用》 （復制網(wǎng)址到外部瀏覽器）

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

第五步：使用訓練好的模型分析數(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通過大學計劃推動AI教育普及

ST一直與世界知名大學緊密合作，共同致力于推動AI知識和應用在教育領(lǐng)域的培訓和推廣。ST與加州大學洛杉磯分校的教授共同推出了物聯(lián)網(wǎng)和嵌入式機器學習課程。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應用方面，ST已經(jīng)與許多編寫核心培訓材料的教授進行了長時間的合作。蘇州大學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)絡轉(zhuǎn)換成可在STM32上運行的代碼，教師可以為學生帶來先進、巧妙的AI解決方案。