พิมพ์เขียวของ IBM สําหรับการเปลี่ยนแปลงอุตสาหกรรมใช้ประโยชน์จาก AI, 5G และการทํางานร่วมกันอย่างไร

55.000 โครงการ นักพัฒนา 30.000 ราย เงินทุน 54 ล้านดอลลาร์ และลูกค้า รวมถึง NASA ในเวลาเพียง 2 ปีกว่าเล็กน้อย Edge Impulse กําลังขี่คลื่นของแมชชีนเลิร์นนิงที่ขอบ

ความฝันของ Jan Jongboom ในคําพูดของเขาเองคือการมีอุปกรณ์ที่เข้าใจสิ่งที่เกิดขึ้นรอบตัวพวกเขาอย่างแท้จริง นั่นคือสิบปีที่แล้ว แต่จนกระทั่งปี 2019 เขาก็เริ่มลงมือทําจริงๆ นั่นคือตอนที่ Jongboom และ Zach Shelby ก่อตั้ง Edge Impulse โดยมีภารกิจเพื่อให้นักพัฒนาสามารถสร้างอุปกรณ์อัจฉริยะรุ่นต่อไปได้

วันนี้ Edge Impulse ประกาศการระดมทุน Series B มูลค่า 34 ล้านดอลลาร์ที่นําโดย Couue ซึ่งเพิ่มมูลค่าตลาดและการคาดการณ์การเติบโตในปี 2022 เป็นสามเท่า Coatue เข้าร่วมกับนักลงทุนที่มีอยู่ Canaan Partners, Acrew Capital, Fika Ventures, Momenta Ventures และ Knollwood Investment Advisory เพื่อปิดฉากสิ่งที่ทีมงานขนานนามว่า "ปีที่น่าทึ่ง"

นับตั้งแต่เปิดตัวในปี 2019 นักพัฒนาเกือบ 30,000 คนจากองค์กรหลายพันแห่งได้สร้างโครงการแมชชีนเลิร์นนิงแบบกําหนดเองเกือบ 55,000 โครงการโดยใช้ Edge Impulse สร้างโซลูชันอุตสาหกรรมโลจิสติกส์ผู้บริโภคและสุขภาพที่ชาญฉลาดยิ่งขึ้นกับลูกค้ารวมถึง Oura, Polycom, Advantech และ NASA ฐานนักพัฒนาเพิ่มขึ้น 4 เท่า โดยมีรายได้ประจําประจําปีเพิ่มขึ้น 3 เท่าในปีที่แล้ว

ทั้งหมดนี้ฟังดูค่อนข้างน่าประทับใจและเป็นข้อพิสูจน์ถึงการคาดการณ์ของ Gartner ที่ว่า "ภายในปี 2027 แมชชีนเลิร์นนิงในรูปแบบของการเรียนรู้เชิงลึกจะรวมอยู่ในกรณีการใช้งาน Edge มากกว่า 65% เพิ่มขึ้นจากน้อยกว่า 10% ในปี 2021" เราได้พูดคุยกับ Jongboom เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับ Edge Impulse

ทําให้อุปกรณ์ IoT ใบ้มีประโยชน์

จุดเริ่มต้นของ Jongboom และ Shelby คืออุปกรณ์ IoT นั้นยอดเยี่ยม แต่ก็โง่เช่นกัน พวกเขาสามารถบันทึกอนุกรมเวลาจากเซ็นเซอร์ประเภทต่างๆ เช่น อุณหภูมิหรือเสียง เป็นต้น แต่พวกเขาไม่รู้ว่านั่นหมายความว่าอย่างไร หรือจะสร้างสิ่งที่เป็นประโยชน์ได้อย่างไร

เมื่อ Jongboom ได้พบกับ Shelby ที่ Arm ซึ่งทั้งคู่ทํางานเมื่อประมาณสามปีที่แล้ว พวกเขาเริ่มพูดคุยกันว่าพวกเขาสามารถทําอะไรได้บ้างเพื่อทําให้อุปกรณ์เหล่านี้เข้าใจโลกอย่างแท้จริง พวกเขาได้ข้อสรุปอย่างรวดเร็วว่าแมชชีนเลิร์นนิงคือคําตอบ

Jongboom ใช้การยึดการลักลอบล่าสัตว์เป็นตัวอย่างการใช้งาน หากคุณต้องการใช้อุปกรณ์ IoT เพื่อตรวจจับเมื่อมีช้างอยู่รอบ ๆ เขากล่าวว่าคุณมีสองทางเลือก ประการแรกคือการลองสร้างโปรแกรมที่อธิบายว่าการได้ยินของช้างเป็นอย่างไร ประการที่สองคือการใช้ตัวอย่างเสียงช้างและให้โมเดลแมชชีนเลิร์นนิงคิดออก

Edge Impulse เชี่ยวชาญด้านแมชชีนเลิร์นนิงสําหรับอุปกรณ์ IoT ซึ่งหมายความว่าพวกเขาจําเป็นต้องใช้วงจรชีวิตแมชชีนเลิร์นนิงมาตรฐาน: รวบรวมข้อมูล -- ฝึกโมเดล -- ปรับใช้โมเดล -- ตรวจสอบโมเดล -- ทําซ้ํา มาดูกันว่าพวกเขารองรับแต่ละขั้นตอนในกระบวนการนี้อย่างไร

เราสงสัยว่าอุปกรณ์หรือเซ็นเซอร์ประเภทใดที่ Edge Impulse รองรับส่วนการรวบรวมข้อมูล Jongboom กล่าวว่าระบบนิเวศของพันธมิตรของพวกเขา ตั้งแต่นักพัฒนาไมโครคอนโทรลเลอร์ไปจนถึงซิลิคอนเฉพาะทางสําหรับการเรียนรู้ของเครื่อง

มีปัจจัยบางประการที่ต้องพิจารณาเมื่อไตร่ตรองว่าบริษัทที่ก่อตั้งขึ้นในปี 2019 สามารถสร้างระบบนิเวศดังกล่าวได้ภายในปี 2021 ได้อย่างไร ความจริงที่ว่าผู้ก่อตั้ง Edge Impulse เริ่มต้นจากการเป็นนักพัฒนาแบบฝังตัว โดยก่อนหน้านี้ Shelby ได้ขายสตาร์ทอัพ IoT ให้กับ Arm ทําให้พวกเขาเริ่มต้นได้ก่อน ตามที่ Jongboom กล่าว พวกเขารู้ว่านักพัฒนาต้องการอะไร และรู้วิธีติดต่อผู้จําหน่ายฮาร์ดแวร์ นอกจากนี้ พวกเขายังทําให้การนําเข้าข้อมูลเป็นโอเพ่นซอร์สและใช้งานง่าย:

"นั่นเป็นเรื่องราวที่ดีจริงๆ ที่เราสามารถช่วยผู้ขายซิลิกอนออกสู่ตลาด และหลังจากที่เรามีซิลิกอนให้ใช้งาน นั่นหมายความว่าเราสามารถร่วมกันไปหาลูกค้าและมีเรื่องราวที่ดีขึ้นมาก มันไม่ใช่ -- โอ้ เรามีแพลตฟอร์มแมชชีนเลิร์นนิงที่น่าทึ่งนี้ เรามีแพลตฟอร์มแมชชีนเลิร์นนิงที่น่าทึ่งนี้ และเราได้รับการสนับสนุนจากผู้จําหน่ายซิลิกอนที่จะทํางานบนอุปกรณ์บราวน์ฟิลด์ของคุณอยู่แล้ว มันน่าทึ่งจริงๆ" Jongboom กล่าว

รวบรวมข้อมูล ฝึกโมเดล ปรับใช้โมเดล ตรวจสอบโมเดล ทําซ้ํา

เท่าที่โมเดลแมชชีนเลิร์นนิงการฝึกอบรมเป็นส่วนหนึ่งของกระบวนการดําเนินไป Edge Impulse ใช้เฟรมเวิร์กนอกชั้นวางเป็นหลัก เช่น TensorFlow แนวคิดคือการเป็นนามธรรมให้มากที่สุด โดยมีเป้าหมายเพื่อทําให้การสร้างโมเดลเป็นมิตรกับผู้ใช้มากที่สุดสําหรับผู้ที่เป็นผู้เชี่ยวชาญด้านโดเมน

Jongboom กล่าวว่าเป้าหมายคือการให้ผู้เชี่ยวชาญด้านโดเมนมีเครื่องมือในการรวบรวมข้อมูล จากนั้นวิเคราะห์ความผิดปกติหรือจําแนกสิ่งที่เกิดขึ้นหรือคาดการณ์อนาคต และไม่ใช่แค่การเรียนรู้ของเครื่อง แต่ยังรวมถึงการประมวลผลสัญญาณด้วย เพราะ "การประมวลผลสัญญาณนั้นดีและอธิบายได้จริงๆ"

ม้าทํางานของ Edge Impulse คือ TensorFlow ซึ่งใช้ผ่าน Keras หากคุณมีนักวิทยาศาสตร์ข้อมูลอยู่บนเครื่อง เยี่ยมมาก คุณสามารถแก้ไขโมเดลได้ตามต้องการ ถ้าไม่คุณก็ไม่จําเป็นต้องทํา ดังนั้นจึงสามารถเป็นอะไรก็ได้ตั้งแต่โค้ดต่ําไปจนถึงอิสระอย่างเต็มที่ และใช่ การอ้างอิงแบบ low code หมายความว่ามี IDE ในภาพที่นี่ - สตูดิโอ

Edge Impulse Studio เป็น IDE ออนไลน์ และยังเป็นที่ที่ส่วนการตรวจสอบความถูกต้องของกระบวนการเกิดขึ้น Jongboom ตั้งข้อสังเกตว่าสิ่งนี้มีความสําคัญมากในการเรียนรู้ของเครื่องโดยทั่วไปและยิ่งกว่านั้นในแอปพลิเคชันเอดจ์ นั่นเป็นเพราะหากคุณปรับใช้บางสิ่งบางอย่างกับอุปกรณ์หรือเครื่องจักร อาจเป็นเรื่องยากมากที่จะแก้ไขข้อผิดพลาดในการตั้งค่าการทํางาน

Edge Impulse ช่วยให้ผู้ใช้อัปโหลดข้อมูลจริงเพื่อใช้ในการตรวจสอบความถูกต้อง และยังสามารถสร้างข้อมูลสังเคราะห์ได้อีกด้วย และยังช่วยให้พวกเขาเข้าไปแทรกแซงและแก้ไขผลบวกปลอมหรือผลลบปลอมด้วยตนเอง ขึ้นอยู่กับประเภทของแอปพลิเคชัน บางครั้งสิ่งสําคัญคือต้องระบุเหตุการณ์บางอย่าง แม้ว่าจะต้องแลกกับสัญญาณเตือนที่ผิดพลาด และบางครั้งก็ไม่เป็นไรที่จะพลาดบางสิ่งบางอย่าง

Jongboom ตั้งข้อสังเกตว่าประเด็นคือการสร้างแอปพลิเคชันที่ชาญฉลาดและสร้างแรงบันดาลใจให้เกิดความมั่นใจ การมีใครบางคนตรวจสอบข้อมูลที่ได้รับความช่วยเหลือจากโมเดลแมชชีนเลิร์นนิงทําให้มองเห็นจุดอ่อนได้ง่ายขึ้น

ขั้นตอนสุดท้ายในกระบวนการ - การปรับใช้ - ขณะนี้ค่อนข้างอยู่นอกขอบเขตสําหรับ Edge Impulse Edge Impulse ส่งออกซอร์สโค้ด ซึ่งรวมถึงแบบจําลองทางคณิตศาสตร์ รหัสการทําให้เป็นมาตรฐาน รหัสการประมวลผลสัญญาณ รหัสแมชชีนเลิร์นนิง และการปรับแต่งหลังการประมวลผลทั้งหมดของแบบจําลอง

ไม่มีไบนารีที่รวบรวมไว้ ไม่มีค่าลิขสิทธิ์เช่นกัน Jongboom กล่าว วิธีที่ผู้ใช้รวมเข้ากับอุปกรณ์ของตนนั้นขึ้นอยู่กับพวกเขา อย่างไรก็ตาม Jongboom ตั้งข้อสังเกตว่าระบบนิเวศก็มีบทบาทในเรื่องนี้เช่นกัน และสามารถทําได้ง่ายๆ เพียงแค่โค้ดสองบรรทัด ส่วนนั้นยังเป็นโอเพ่นซอร์ส

Edge Impulse EON: ซอสลับสําหรับการเพิ่มประสิทธิภาพโมเดลแมชชีนเลิร์นนิงสําหรับ Edge

ส่วนที่เรายังไม่ได้พูดถึงจนถึงตอนนี้ และเป็นทั้งศูนย์กลางของ Edge Impulse และไม่ใช่โอเพ่นซอร์ส คือส่วน TinyML TensorFlow หรือเฟรมเวิร์กอื่น ๆ ในเรื่องนั้นอาจสร้างโมเดลที่ไม่เหมาะกับการปรับใช้บนอุปกรณ์ Edge เนื่องจากข้อจํากัดของอุปกรณ์เหล่านั้นในแง่ของพลังงานและความสามารถในการประมวลผล

นี่คือจุดที่ EON (Edge Optimized Neural) ของ Edge Impulse เข้ามามีบทบาท นี่คือเทคโนโลยีที่ Edge Impulse ใช้ในการผลิตโมเดลแมชชีนเลิร์นนิงที่เหมาะสมสําหรับการปรับใช้ในอุปกรณ์ที่มีข้อจํากัดบน Edge สิ่งแรกที่ทําคือคํานึงถึงพารามิเตอร์ทั้งหมดของเป้าหมายการปรับใช้และทําสองสิ่ง

ขั้นแรกจูนเนอร์ EON จะเริ่มทํางาน Jongboom อธิบายว่านี่เป็น "ฐานการค้นหาที่กว้างเป็นพิเศษของ 1,000 รุ่นที่แตกต่างกันที่เราสามารถลองได้" จูนเนอร์ EON จะพิจารณาสิ่งที่พอดีกับอุปกรณ์เป้าหมายการปรับใช้ จากนั้นเลือกอุปกรณ์ที่มีความแม่นยําสูงสุด

จากนั้นคอมไพเลอร์ EON จะคอมไพล์โครงข่ายประสาทเทียมไปยังอุปกรณ์บราวน์ฟิลด์อย่างมีประสิทธิภาพ วิธีการทํางาน Jongboom กล่าวว่าโมเดลแมชชีนเลิร์นนิงป้อนเข้าสู่ล่าม ซึ่งจะสร้างกราฟและเรียกใช้การอนุมาน แต่นั่นเป็นระบบฝังตัวที่สิ้นเปลืองเพราะคุณต้องมีล่ามบวกกับสถานะที่เป็นไปได้ทั้งหมดที่ล่ามสามารถสร้างได้

คอมไพเลอร์ EON เพียงแค่คอมไพล์กราฟไปยังซอร์สโค้ดแล้วคอมไพล์เข้าไป ซึ่งช่วยประหยัด RAM ได้ระหว่าง 30 ถึง 50% ซึ่งมากโดยเฉพาะในอุปกรณ์ Brownfield คอมไพเลอร์พร้อมใช้งานและโมเดลที่ผู้คนสร้างขึ้นก็เป็นโอเพ่นซอร์สเช่นกันซึ่งได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 ดังนั้นจึงไม่มีค่าลิขสิทธิ์ที่นั่น บางคนเลือกที่จะแบ่งปันโมเดลของตนกับชุมชน

Edge Impulse เป็นซอฟต์แวร์เป็นแพลตฟอร์มบริการ ลูกค้าจ่ายต่อโครงการต่อเดือนหรือต่อไปป์ไลน์ข้อมูลต่อเดือน พวกเขายังจ่ายค่าบริการเพิ่มเติม คุณสมบัติการทํางานร่วมกัน การแปลงข้อมูลขนาดใหญ่ และการผสานรวมกับระบบคลาวด์ของคุณเพื่อดึงข้อมูลเข้ามาและนําเข้าข้อมูลนั้น

ปัจจุบัน Edge Impulse มีทีมงาน 40 คน เป้าหมายคือการใช้เงินทุน Series B นี้เพื่อเพิ่มเป็น 80 ในปีหน้า โดยเน้นที่ทีมวิศวกรรมโซลูชั่น Jongboom กล่าวว่าพวกเขายังตั้งเป้าที่จะขยายชุมชนและการสนับสนุนต่อไปในลักษณะเดียวกัน และเพื่อรักษาการเติบโตแบบออร์แกนิกของพวกเขา