世界正處于變革時(shí)代，這一時(shí)期的重要性可比肩文藝復(fù)興和工業(yè)革命。人們相信，AI和IoT就是具有前景的兩個(gè)領(lǐng)域，它們將使世界現(xiàn)代化，這兩大支柱在未來有著巨大的發(fā)展空間。

本文將通過分析AI和IoT這兩個(gè)概念來了解我們可以對(duì)其抱有什么期待;還會(huì)討論如何利用這些集成技術(shù)來開發(fā)創(chuàng)新性和創(chuàng)造性的項(xiàng)目;最后，本文將分析一種使代碼更緊湊、更有效地部署在嵌入式設(shè)備中的方法。

什么是物聯(lián)網(wǎng)（IoT）？

物聯(lián)網(wǎng)是描述嵌入傳感器、軟件和其他技術(shù)的物理實(shí)體網(wǎng)絡(luò)，目的是通過互聯(lián)網(wǎng)和其他設(shè)備與系統(tǒng)連接并交換數(shù)據(jù)。物聯(lián)網(wǎng)的定義因多種技術(shù)、實(shí)時(shí)分析、機(jī)器學(xué)習(xí)、商品傳感器和嵌入式系統(tǒng)的融合不斷發(fā)展。嵌入式系統(tǒng)、無線傳感器網(wǎng)絡(luò)、控制系統(tǒng)、自動(dòng)化等傳統(tǒng)領(lǐng)域都有助于實(shí)現(xiàn)物聯(lián)網(wǎng)。

在消費(fèi)市場，物聯(lián)網(wǎng)技術(shù)與“智能家居”產(chǎn)品同義，包括支持一個(gè)或多個(gè)公共生態(tài)系統(tǒng)的設(shè)備和電器，并且可以通過與該生態(tài)系統(tǒng)相關(guān)的其他設(shè)備進(jìn)行控制。

什么是人工智能和AIOT？

人工智能是一個(gè)廣泛的領(lǐng)域，包含許多子類，如自然語言處理（NLP）、人工神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、機(jī)器人學(xué)等。人工智能的官方定義是：能夠執(zhí)行通常需要人類智能才能執(zhí)行的任務(wù)的計(jì)算機(jī)系統(tǒng)的理論和發(fā)展，例如視覺感知、語音識(shí)別、決策和語言間翻譯。

麥肯錫全球研究所的一項(xiàng)研究表明，到2030年，人工智能預(yù)計(jì)每年將額外創(chuàng)收13萬億美元。即使在今天，人工智能技術(shù)也創(chuàng)造了巨額收入，但主要是在軟件領(lǐng)域。等到2030年，人工智能創(chuàng)收領(lǐng)域?qū)⒉恢痪窒拊谲浖袠I(yè)，還有零售、旅游、運(yùn)輸、汽車、材料、制造等行業(yè)。

人工智能與物聯(lián)網(wǎng)結(jié)合形成了一個(gè)全新、有趣且獨(dú)特的研究分支，人工物聯(lián)網(wǎng)或AIOT。搭載人工智能的物聯(lián)網(wǎng)能夠創(chuàng)建智能機(jī)器，這些機(jī)器可以模擬智能行為，同時(shí)提高決策能力，幾乎很少甚至沒有人為干擾。

通過將人工智能集成到raspberry pi和Nvidia Jetson Nano等嵌入式物聯(lián)網(wǎng)設(shè)備中，我們可以開發(fā)出一些杰作，利潤高且有益于整個(gè)社會(huì)。像Alexa、Siri或Google AI這樣的虛擬助手的一些示例展示了高級(jí)智能和未來的可能性。

如何入門？

1. Arduino

Arduino是一個(gè)由ATmega微控制器組成的開發(fā)板。這是開始機(jī)器人和物聯(lián)網(wǎng)項(xiàng)目的最佳方式之一。

Arduino是一家開源軟硬件公司，業(yè)余愛好者、修補(bǔ)者和專業(yè)人士都可以用它來構(gòu)建令人驚嘆的創(chuàng)新項(xiàng)目。根據(jù)我的經(jīng)驗(yàn)，Arduino絕對(duì)是你實(shí)現(xiàn)機(jī)器人夢想的最佳方法之一，因?yàn)樗绕渌⒖刂破鞲菀撞僮鳌?/p>

Arduino有多種規(guī)格和尺寸，分別是Arduino Nano、Arduino Uno和Arduino mega。Nano是一種尺寸較小的板，可用于更簡單、更獨(dú)特的項(xiàng)目;Uno中等大小，非常適合試用以及業(yè)余愛好者級(jí)別的項(xiàng)目;Mega更大一點(diǎn)，可用于稍微復(fù)雜一點(diǎn)的項(xiàng)目和場景。

筆者認(rèn)為，Arduino是開始任何類型的物聯(lián)網(wǎng)項(xiàng)目的最佳方法。使用Arduino進(jìn)行傳感器控制和學(xué)習(xí)設(shè)備等一些基礎(chǔ)項(xiàng)目的管理，對(duì)于在該領(lǐng)域追求更具創(chuàng)意的想法非常有利。

剛開始學(xué)習(xí)很簡單，因?yàn)樗饕荂和C++等編程語言的混合。作為初學(xué)者，主要需要擔(dān)心兩個(gè)代碼塊，即設(shè)置和循環(huán)功能塊。因此，初步建議先試用Arduino Uno開發(fā)板，然后再使用更復(fù)雜的嵌入式設(shè)備。

2. Raspberry Pi

Raspberry Pi是單板計(jì)算機(jī)，這是開始計(jì)算和編程的絕佳方式。Raspberry Pi提供了許多在分支機(jī)構(gòu)中創(chuàng)建極酷項(xiàng)目的機(jī)會(huì)，例如計(jì)算機(jī)視覺、游戲、物聯(lián)網(wǎng)項(xiàng)目等等。

借助攝像機(jī)，Raspberry Pi甚至可以用于物體檢測、面部識(shí)別和監(jiān)視之類的任務(wù)。如果你想開始學(xué)習(xí)編程、編碼，那么Raspberry Pi是最便宜、最好的方法。中級(jí)業(yè)余愛好者或?qū)＜乙部梢杂盟瓿筛呒?jí)的項(xiàng)目。

使用Raspberry Pi和Raspbian OS之類的操作系統(tǒng)進(jìn)行編程的最大好處在于你可以使用多種編程語言，包括python。Thony編輯器是OS操作系統(tǒng)中的預(yù)裝程序，你可以在這里編寫python代碼。

Raspberry Pi中編碼的所有程序，包括機(jī)器學(xué)習(xí)和深度學(xué)習(xí)程序，都可以輕松部署。外部附件，如照相機(jī)、音頻設(shè)備等也可以添加到Raspberry Pi和控制執(zhí)行實(shí)時(shí)計(jì)算機(jī)視覺任務(wù)，如視頻監(jiān)控，人臉識(shí)別等。

3. Nvidia Jetson Nano

NVIDIA Jetson Nano是機(jī)器人學(xué)中人工智能相關(guān)操作的最佳工具之一，比Raspberry Pi稍貴，但計(jì)算能力更強(qiáng)。NVIDIA稱：NVIDIA Jetson Nano支持開發(fā)數(shù)百萬個(gè)新型小型低功耗人工智能系統(tǒng)，開啟了嵌入式物聯(lián)網(wǎng)應(yīng)用程序的新世界，包括入門級(jí)網(wǎng)絡(luò)錄像機(jī)、家用機(jī)器人和具有完整分析能力的智能網(wǎng)關(guān)。

NVIDIA開發(fā)套件允許用戶運(yùn)行許多神經(jīng)網(wǎng)絡(luò)操作，包括圖像分類、分段、對(duì)象檢測、語音處理等。

雖然Nvidia Jetson Nano比Raspberry Pi貴一點(diǎn)，但它有相對(duì)更好的功能，也是開發(fā)中高級(jí)項(xiàng)目的一個(gè)很好的起點(diǎn)。如前所述，它功能強(qiáng)大，可以執(zhí)行多種任務(wù)。

在我看來，這些是使用AIOT的最好的設(shè)備。當(dāng)然，還有許多其他非常棒的選項(xiàng)和嵌入式設(shè)備選擇來開發(fā)有效的模型。

本文談到的最后一個(gè)話題至關(guān)重要，將介紹機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型的訓(xùn)練后量化，以在嵌入式設(shè)備上運(yùn)行GPU容量較小的復(fù)雜程序。

訓(xùn)練后量化

在你的系統(tǒng)上有效運(yùn)行的模型可能無法在低端設(shè)備上有效運(yùn)行同一程序/模型。這可能是因?yàn)槟繕?biāo)設(shè)備有硬件限制。對(duì)此，訓(xùn)練后量化可以幫助改善目標(biāo)設(shè)備的算法和模型的優(yōu)化。

訓(xùn)練后量化是一種轉(zhuǎn)換技術(shù)，可以減少模型大小，同時(shí)還可以改善CPU和硬件加速器的延遲，而模型精度幾乎不會(huì)下降。使用TensorFlow Lite轉(zhuǎn)換器將已訓(xùn)練的float TensorFlow模型轉(zhuǎn)換為TensorFlow Lite格式時(shí)，你可以對(duì)其進(jìn)行量化。

TensorFlow Lite轉(zhuǎn)換器在Raspberry Pi之類的設(shè)備上非常有用，可優(yōu)化對(duì)象檢測模型、人臉識(shí)別模型等。使用TensorFlow Lite可以優(yōu)化對(duì)象檢測項(xiàng)目，同時(shí)在安卓或蘋果系統(tǒng)設(shè)備上也有很好的效果。

在探索這些模型時(shí)，如果你確實(shí)希望將其轉(zhuǎn)換為可以惠及眾人的實(shí)際使用案例，那么模型的訓(xùn)練后分析和訓(xùn)練后量化對(duì)于提高效率、質(zhì)量和緊湊性以將項(xiàng)目部署到更廣泛的受眾就變得極其重要。訓(xùn)練后量化還使我們能夠在量化模型上實(shí)現(xiàn)幾乎與原始模型相同的精度，讓我們的生活變得輕松多了！

AIoT在未來幾年的影響將是令人震驚的，未來將出現(xiàn)的新發(fā)明讓我興奮不已。你打算建立什么樣的項(xiàng)目來迎接這樣的未來呢？
責(zé)編AJX