د ایمبیډډ سیسټمونو لپاره AI: ولې دا هرڅه بدلوي

مصنوعي ذهانت پخوا په لویو سرورونو او کلاوډ GPUs کې ژوند کاوه. اوس دا د سینسرونو تر څنګ کمېږي او ښویېږي. د ایمبیډ شوي سیسټمونو لپاره مصنوعي ذهانت کومه لرې ژمنه نه ده - دا دمخه په یخچالونو، ډرونونو، اغوستلو وړ توکو کې غږیږي ... حتی هغه وسایل چې هیڅ "سمارټ" نه ښکاري.

دلته دا ده چې ولې دا بدلون مهم دی، څه شی یې ستونزمن کوي، او کوم انتخابونه ستاسو د وخت ارزښت لري.

هغه مقالې چې تاسو یې له دې وروسته لوستل خوښولی شئ:

🔗 د مصنوعي ذهانت د حکومتدارۍ غوره وسایل چې اخلاقي مطابقت لرونکي او شفاف مصنوعي ذهانت سیسټمونه ډاډمن کوي
د هغو وسایلو لارښود چې د اخلاقي، مطابقت لرونکي، او شفاف مصنوعي ذهانت ساتلو کې مرسته کوي.

🔗 د مصنوعي ذخیرې لپاره د شیانو ذخیره کول: انتخابونه، انتخابونه، انتخابونه
د AI کاري بارونو لپاره جوړ شوي د شیانو ذخیره کولو اختیارونو پرتله کول.

🔗 د مصنوعي ذخیرې لپاره د معلوماتو ذخیره کولو اړتیاوې: هغه څه چې تاسو واقعیا ورته اړتیا لرئ پوه شئ
د مصنوعي ذخیرې د پلان جوړولو پر مهال مهم عوامل چې باید په پام کې ونیول شي.

د ایمبیډډ سیسټمونو لپاره مصنوعي ذهانت 🌱

ایمبیډ شوي وسایل کوچني دي، ډیری وختونه د بیټرۍ لخوا چلول کیږي، او سرچینې محدودې دي. بیا هم AI لویې بریاوې خلاصوي:

• د کلاوډ ګردي سفرونو پرته په ریښتیني وخت کې پریکړې

• د ډیزاین له مخې محرمیت - خام معلومات کولی شي په وسیله کې پاتې شي.

• ځنډ کم کړئ .

• د محتاط ماډل + هارډویر انتخابونو له لارې د انرژۍ په اړه پوهاوی لرونکی استنباط

دا د لاس په واسطه کارول کېدونکي ګټې نه دي: د کمپیوټر څنډې ته اړول د شبکې انحصار کموي او د ډیری کارولو قضیو لپاره محرمیت پیاوړی کوي [1].

چل د وحشي ځواک کارول نه دي - دا د محدودو سرچینو سره هوښیارتیا ده. فکر وکړئ چې د بیک پیک سره د میراتھن منډې وهل ... او انجینران خښتې لرې کوي.

د ایمبیډډ سیسټمونو لپاره د مصنوعي ذهانت چټک پرتله کولو جدول 📝

(هو، نا مساوي. حقیقت هم همداسې دی.)

ولې په ایمبیډډ وسیلو کې مصنوعي ذهانت د صنعت لپاره مهم دی 🏭

یوازې هایپ نه: په فابریکو لینونو کې، کمپیکټ ماډلونه نیمګړتیاوې نیسي؛ په کرنه کې، د ټیټ بریښنا نوډونه په ځمکه کې خاوره تحلیل کوي؛ په موټرو کې، د خوندیتوب ځانګړتیاوې نشي کولی د بریک کولو دمخه "کور ته تلیفون وکړي". کله چې ځنډ او محرمیت د خبرو اترو وړ نه وي ، د کمپیوټر څنډې ته لیږدول یو ستراتیژیک لیور دی [1].

ټینی ایم ایل: د ایمبیډډ مصنوعي ذهانت خاموش اتل 🐜

ټینی ایم ایل په مایکرو کنټرولرونو کې ماډلونه چلوي چې د کیلوبایټ څخه تر څو میګابایټ رام پورې وي - مګر بیا هم د کلیدي کلمو ځای په ځای کول، د اشارې پیژندنه، د بې نظمۍ کشف، او نور ډیر څه ترسره کوي. دا د موږک د خښتې پورته کولو لیدلو په څیر دی. په عجیب ډول د قناعت وړ.

یو چټک ذهني ماډل:

• د معلوماتو نښې : کوچني، سټریمینګ سینسر ان پټونه.

• ماډلونه : کمپیکټ CNNs/RNNs، کلاسیک ML، یا سپیرسیفایډ/کوانټائزډ جالونه.

• بودیجه : ملی واټ، نه واټ؛ KB–MB، نه GB.

د هارډویر انتخابونه: لګښت د فعالیت په مقابل کې ⚔️

د هارډویر غوره کول هغه ځای دی چې ډیری پروژې په ټپه دریږي:

• د راسبیري پای ټولګی : دوستانه، عمومي هدف لرونکی CPU؛ د پروټوټایپونو لپاره جامد.

• NVIDIA جیټسن : د هدف لپاره جوړ شوي څنډې AI ماډلونه (د مثال په توګه، اورین) د قوي لید یا څو ماډل سټیکونو لپاره لسګونه څخه تر سلګونو TOPS پورې

• ګوګل کورل (ایج TPU) : یو ASIC اکسیلیټر چې شاوخوا 2W (~2 TOPS/W) کې ~4 TOPS - عالي فعالیت/W کله چې ستاسو ماډل محدودیتونه پوره کوي [3].

• د سمارټ فون SoCs (سنیپډریګن) : د NPUs او SDKs سره لیږدول کیږي ترڅو ماډلونه په وسیله کې په مؤثره توګه پرمخ بوځي.

د ګوتو اصول: د توازن لګښت، حرارتي، او محاسبه. "کافي ښه، هرچیرې" ډیری وختونه "جدي، هیڅ ځای نه" څخه غوره وي.

د ایمبیډډ سیسټمونو لپاره په مصنوعي ذهانت کې عامې ننګونې 🤯

انجنیران په منظم ډول سره مبارزه کوي:

• کمزورې حافظه : کوچني وسایل نشي کولی لوی ماډلونه ولري.

• د بیټرۍ بودیجه : هر ملی امپ مهم دی.

• د ماډل اصلاح کول:

  • کوانټائزیشن → کوچنی، ګړندی int8/float16 وزنونه/فعالیتونه.

  • شاخه بري → د کموالي لپاره مهم وزنونه لرې کړئ.

  • کلستر کول/د وزن شریکول → نور هم فشار ورکړئ.
    دا د وسیلې د موثریت لپاره معیاري تخنیکونه دي [2].

• اندازه کول : د ټولګي Arduino ډیمو ≠ د خوندیتوب، امنیت، او د ژوند دورې محدودیتونو سره د موټرو تولید سیسټم.

د ډیبګ کولو؟ د کیلي له سوري څخه د کتاب لوستلو انځور واخلئ ... د دستکشو سره.

عملي غوښتنلیکونه چې تاسو به یې ډیر ژر وګورئ 🚀

• سمارټ اغوستلو وړ وسایل په وسیله کې د روغتیا بصیرت ترسره کوي.

• د IoT کیمرې د خامو فوٹیجونو خپرولو پرته پیښې په نښه کوي.

• د لاسونو څخه پاک کنټرول لپاره آفلاین غږیز معاونین

• د تفتیش، تحویلۍ او دقت لپاره خود مختار ډرونونه

په لنډه توګه: مصنوعي ذهانت په لفظي ډول نږدې کیږي - زموږ په مړوندونو، زموږ پخلنځیو او زموږ په زیربناوو کې.

څنګه پراختیا ورکوونکي پیل کولی شي 🛠️

1. د پراخو وسایلو او MCU→ موبایل پوښښ لپاره د ټینسر فلو لایټ سره پیل وکړئ

2. که تاسو په پای ټورچ ځمکه کې ژوند کوئ او په موبایل او ایمبیډ شوي [5] کې د وسیلې چلولو وخت ته اړتیا لرئ، نو ExecuTorch وپلټئ

3. د ګړندي او خوندور پروټوټایپینګ لپاره Arduino + TinyML کټونه هڅه وکړئ

4. ایا بصري پایپ لاینونه غوره ګڼئ؟ ایج امپلس د معلوماتو نیولو، روزنې او ځای پرځای کولو سره خنډ کموي.

5. د هارډویر سره د لومړي درجې اتباع په توګه چلند وکړئ - په CPUs کې پروټوټایپ، بیا په خپل هدف سرعت کونکي (ایج TPU، جیټسن، NPU) کې تایید کړئ ترڅو د ځنډ، تودوخې او دقت ډیلټا تایید کړئ.

کوچنی ویګنیټ: یوه ډله د سکې حجرو سینسر باندې د وایبریشن انومالي کشف کونکی لیږي. د فلوټ 32 ماډل د بریښنا بودیجه له لاسه ورکوي؛ د int8 کوانټائزیشن په هر انفرنس کې انرژي کموي، حافظه پرې کوي، او د MCU د دندې سایکل چلول کار بشپړوي - هیڅ شبکې ته اړتیا نشته [2,3].

د ایمبیډډ سیسټمونو لپاره د مصنوعي ذهانت خاموش انقلاب 🌍

کوچني، ارزانه پروسسرونه زده کوي چې احساس → فکر → عمل وکړي - په محلي توګه. د بیټرۍ ژوند به تل موږ ځوروي، مګر لاره روښانه ده: سخت ماډلونه، غوره کمپیلرونه، هوښیار سرعت کونکي. پایله؟ هغه ټیکنالوژي چې ډیر شخصي او ځواب ویونکی احساسوي ځکه چې دا یوازې وصل نه دی - دا پاملرنه ده.

ماخذونه

[1] ETSI (د څو لاسرسي ایج کمپیوټري) - د ځنډ/محرمیت ګټې او د صنعت شرایط.
ETSI MEC: د سپینې پاڼې نوې کتنه

[2] د ګوګل ټینسر فلو ماډل اصلاح کولو وسیله - د وسیلې د موثریت لپاره اندازه کول، شاخه بري کول، کلستر کول.
د ټینسر فلو ماډل اصلاح کولو لارښود

[3] د ګوګل کورل ایج TPU - د ایج سرعت لپاره د پرف/W معیارونه.
ایج TPU معیارونه

[4] NVIDIA جیټسن اورین (رسمي) - د ایج AI ماډلونه او د فعالیت پوښښونه.
د جیټسن اورین ماډلونو عمومي کتنه

[5] پای ټورچ ایګزیکټورچ (رسمي اسناد) - د موبایل او ایج لپاره په وسیله کې د پای ټورچ چلولو وخت.
د ایګزیکټورچ عمومي کتنه

په رسمي AI اسسټنټ پلورنځي کې وروستي AI ومومئ

زموږ په اړه