L'internet des objets est passé de la simple connexion et du transfert de données entre des appareils tels que des capteurs, des caméras et des thermostats à des appareils plus intelligents dotés de capacités de prise de décision. Grâce aux technologies d'apprentissage automatique (ML) et d'intelligence artificielle (IA), ces appareils connectés fonctionnent plus rapidement et de manière plus intelligente.

L'intelligence artificielle joue un rôle important en aidant les utilisateurs à analyser une myriade de données générées par des capteurs et à les exploiter d'une manière qui soit bénéfique pour les utilisateurs à différents égards, comme la surveillance de l'environnement, l'analyse météorologique, la prédiction des pannes d'équipement dans les industries, la prédiction des maladies, etc. L'apprentissage automatique et les réseaux neuronaux, qui font partie de la technologie de l'IA, aident à détecter les anomalies et les schémas des données générées par les capteurs et les appareils, ce qui permet d'extraire de meilleures informations pour une prise de décision intelligente. Les dispositifs de périphérie IoT dotés d'IA aident également les entreprises à accroître l'efficacité opérationnelle et à réduire les temps d'arrêt, ce qui donne un avantage concurrentiel à la performance de l'entreprise.

Voyons comment l'IA permet d'utiliser des appareils intelligents et puissants à la périphérie du réseau.

Comment l'IA fonctionne-t-elle en périphérie ?

L'inférence et la formation sont les deux tâches principales de l'IA basée sur les réseaux neuronaux (ANN). L'apprentissage profond ou le réseau neuronal dans l'IA apprend les caractéristiques et les modèles des données générées par les capteurs et les systèmes avec un modèle informatique. Ce processus est appelé formation. Une fois le système/modèle formé et déployé, l'inférence compare les données entrantes des appareils au modèle formé afin de prendre des décisions intelligentes.

Grâce aux progrès réalisés dans l'optimisation des algorithmes et à l'amélioration des ressources informatiques du matériel, l'inférence peut désormais avoir lieu sur des appareils situés à la périphérie du réseau, sans qu'il soit nécessaire de recourir à un nuage.

L'inférence à la périphérie permet d'alléger les contraintes de bande passante du réseau, d'obtenir une réponse plus rapide et de réduire le coût de la bande passante et du stockage par rapport aux solutions basées sur l'informatique en nuage. Par exemple, une solution de suivi d'objets peut réagir plus efficacement lorsqu'elle analyse localement un flux vidéo provenant de la caméra, au lieu d'envoyer le flux de la périphérie du réseau vers le nuage pour traitement et d'attendre les résultats. L'inférence à la périphérie offre également une sécurité et une confidentialité accrues, puisque les données restent confinées à l'appareil IoT au lieu d'être transférées sur le réseau.

Cependant, l'activation de l'IA sur les périphériques nécessite un matériel puissant, peu gourmand en énergie et offrant des performances optimales en matière d'inférence. Qualcomm Technologies et ses clients sont parmi les premiers à adopter ce concept. Cette adoption et ce déploiement précoces ont été possibles grâce aux caractéristiques clés des plates-formes Snapdragon et aux SDK et frameworks fournis par Qualcomm.

Rôle de la plate-forme Qualcomm Snapdragon dans la mise en œuvre de l'IA en périphérie

La dernière plateforme Qualcomm Snapdragon 845 a été optimisée pour améliorer la vitesse de traitement, en tirant parti de l'informatique hétérogène grâce à la nouvelle architecture Qualcomm Hexagon 685 Vector DSP. Les optimisations du GPU et du CPU permettent un traitement jusqu'à trois fois plus rapide des réseaux neuronaux exécutés sur l'appareil par rapport aux SoC de la génération précédente.

Outre le matériel, la plateforme Snapdragon 845 prend également en charge le SDK Snapdragon Neural Processing Engine (SNPE). Le Snapdragon NPE fournit aux développeurs des outils logiciels pour accélérer les charges de travail des réseaux neuronaux profonds sur les périphériques équipés de processeurs Snapdragon. Les développeurs peuvent opter pour le cœur Snapdragon optimal de l'expérience utilisateur souhaitée - CPU Qualcomm® Kryo™, GPU Qualcomm® Adreno™ ou DSP Qualcomm® Hexagon™.

L'association du SoC Snapdragon de Qualcomm et du SNPE, qui exploite l'informatique hétérogène optimisée pour des performances élevées, permet une IA économe en énergie sur les périphériques IoT pour diverses applications, notamment la robotique, les villes intelligentes, la domotique ou l'automatisation industrielle.

Les produits Eragon d'eInfochip, basés sur les processeurs Snapdragon de Qualcomm, tirent parti des caractéristiques matérielles et logicielles susmentionnées pour donner un coup de fouet au développement de votre solution IoT intelligente de nouvelle génération. Découvrez comment l 'Eragon 845 exploite la plateforme mobile Qualcomm Snapdragon 845.