Nasazení umělé inteligence a strojového učení do produktů má několik fází. Vývoj samotného Edge zařízení může trvat jen několik týdnů – výběr senzoriky a embedded platformy je dnes poměrně jednoduchý. Použití standardního development kitu nebo sestavení vlastního funkčního vzorku nabízí rychlý start celého projektu. Složitější je to po softwarové stránce, kde se musí sejít zkušenost vývojáře a provozní testování. To je v případě strojového učení záležitost na řadu měsíců, kdy se neustále roztáčí kolo úprav software a sběru vzorků dat, jejich křížových analýz a potvrzování, že Machine Learning se učí to, co bylo v zadání. S tím pochopitelně rostou náklady, potřebný čas i nervozita zadavatele.

 Klíčovou otázkou je, kde brát dostatek dat, vhodných k analýzám. Již před několika lety se v českém prostředí objevil startup 4dot, který zvládl vývoj detekce vibrací strojů a algoritmů pro analýzu jejich průběhu při startu, chodu nebo zastavování stroje. V době vývoje (od roku 2015) využil 4dot pro analýzu dat cloudovou technologii a svůj byznys ve strojírenství postavil na tom, že na základě rozsáhlých dat, která vlastní, je schopen rychle nasadit své zařízení do provozu, vyfiltrovat zvuky stroje od okolního šumu a tyto zvuky analyzovat.
Na příkladu je vidět, že získání dostatku dat a jejich využití při vývoji strojového učení je klíčem k úspěchu celého projektu. Pro mnoho společností, které se snaží upgradovat produkty s chytrými funkcemi umělé inteligence, jsou tyto překážky těžko překonatelné. Typický vývojový proces pro vlastní model strojového učení vyžaduje nejen správné odborné znalosti v oblasti softwarového inženýrství a umělé inteligence, ale také velkou investici času a zdrojů do rozsáhlého vývojového procesu, který zahrnuje shromažďování, ověřování a označování dat až po trénování modelů založených na těchto datech, jejich nasazení na zařízení a jejich následné testování v různých prostředích, aby se dosáhlo očekávaného výkonu.
Když se odkloníme od průmyslu do spotřebního segmentu, nabízí se příklad inteligentní dětské chůvičky. Otázka zní: Který vývojář dokáže sehnat 150 batolat, nechat je dvě hodiny brečet nebo řvát a potom to několik měsíců poslouchat?

Tato myšlenka stála u zrodu švédského startupu Imagimob. Jeho prostředím pro analýzu ale není cloud, ale Edge AI zařízení, postavená na mikrokontrolérech Arm. Modely Imagimob Ready umožňují vývojářům přidávat funkce AI do svých chytrých zařízení s minimem zdrojů.
Připravené modely lze rychle nasadit na stávající hardware mikrokontroléru (MCU), bez nákladů, času nebo odborných znalostí potřebných pro zakázkový vývoj.
"Pokud se právě teď podíváte na prostor Edge AI, pravděpodobně byste mohli spočítat na prstech jedné ruky, kolik společností poskytuje standardní modely pro jedno řešení," říká Sam Al-Attiyah, Head of Customer Success ve společnosti Imagimob. "Naše připravené modely jsou postaveny na osmi letech zkušeností a důkladně testovány v terénu v různých prostředích, Jsou tedy ověřeny z hlediska výkonu. A skutečnost, že je provozujeme na malých edge zařízeních, je opravdu jedinečná."

Za modely stojí pečlivý a systematický vývoj. Odehrává se na základě komplexního seznamu různých situací, se kterými se lze setkat. Modely firma testuje v různých scénářích po celém světě, pro garanci toho, že fungují bez zkreslení na základě konkrétních geografických oblastí nebo etnických skupin. To je důležité u nositelých a zdravotnických zařízení, pro která jsou určeny hned čtyři modely firmy založené na zvuku, včetně Baby Cry pro dětské chůvičky, detekce sirén pro chodce a detekce kašle nebo chrápání.
Stejná důkladnost bude na místě také u průmyslových systémů. Jedním z hlavních rozdílů kontinentální Evropy a zbytku světa je využívání pohonů, integrujících motor i převodovku. Mimo Evropu jsou stále preferovány samostatné motory a převodovky, a toto uspořádání má samozřejmě odlišnou charakteristiku vibrací i hluku soustrojí, umístěného na společném rámu.  

Další modely jsou v současné době ve vývoji v oblasti zvuku, radaru, IMU a kapacitního snímání. I v těchto případech testování v terénu na zařízení umožňuje vyhodnotit a dokumentovat realistický výkon modelu v očekávaném hardwarovém nastavení. Výsledkem toho všeho je model, který dělá přesně to, co má dělat na daném hardware. Díky tomu modely Imagimob Ready vyžadují k implementaci omezenou technickou erudici a kompetence v oblasti umělé inteligence. A se všemi vývojovými a testovacími pracemi, které již byly provedeny na modelu, v podstatě nabízí zkratku na trh.

"Pro společnosti je to mnohem jednodušší způsob, jak začít svou cestu k ML – nemusí vynakládat tak velké investice, aby jej mohly začít používat na svých edge zařízeních," říká Anders Hardebring, generální ředitel společnosti Imagimob. "V závislosti na dovednostech a odborných znalostech společnosti trvá vývoj vlastního modelu pro výrobu obvykle šest měsíců až rok. S našimi připravenými modely mohou mít nové funkce Edge AI v podstatě přes noc."

Proč je Imagimob tak zajímavá?

 Společnost se sídlem ve švédském Stockholmu slouží globálním zákazníkům v automobilovém, výrobním, zdravotnickém a lifestylovém průmyslu od roku 2013. V roce 2020 společnost Imagimob spustila platformu Imagimob Studio pro rychlý a snadný end-to-end vývoj aplikací Edge AI pro zařízení s omezenými zdroji. Imagimob Studio vede a podporuje uživatele během všech fází vývoje, což vede k produktivitě, která mění pravidla hry, a rychlejšímu uvedení na trh. Také s nově uvedenými modely Ready lze Edge AI implementovat rychle a snadno.
Se světem embedded vývoje má Imagimob úzké vazby od začátku. Patří mezi partnery Armu a v květnu 2023 firmu koupil Infineon. Nepřekvapí proto, že příkladem hardware pro nasazení je řada mikrokontrolérů PSOC 6, původem od Cypress, který se pod křídla Infineonu dostal již vo roce 2020.

https://www.Imagimob.com/
https://www.imagimob.com/studio
https://www.arm.com/partners/catalog/imagimob