Samoadaptacja poprzez analizę danych

    Paweł Stankiewicz, Senior Embedded Software Developer w firmie ALNEA
    Inteligentne maszyny wkraczają coraz śmielej do branży przemysłu. Ich inteligencja polega na samoadaptacji do warunków produkcyjnych poprzez analizę danych w czasie rzeczywistym z różnego rodzaju sensorów, przy wykorzystaniu metod głębokiego uczenia czy treningu sieci neuronowych.
    Do realizacji tak złożonych zadań niezbędna jest odpowiednia platforma obliczeniowa, wytworzona specjalnie na potrzeby konkretnego urządzenia. W tej chwili jedną z opcji jest wykorzystanie tzw. SoC (System on Chip) – platform z osadzonym systemem Linux, wielordzeniowych, wyposażonych w programowalne jednostki GPU oraz wielopinowe GPIO, umożliwiające podłączenie wszelkiego rodzaju czujników. Konwersja protokołów możliwa jest w układach FPGA, programowalnej logiki, dla których czas konwersji można zredukować nawet do pojedynczych cyklów maszynowych. Dzięki temu możliwe jest uzyskanie wydajności obliczeniowej na poziomie 1,5 TFLOPS na module wielkości karty kredytowej, co pozwala stworzyć dedykowane urządzenie all in one.
    Istnieją biblioteki pozwalające w łatwy sposób uniezależnić się od platformy (np. QT Framework), tworzące warstwę abstrakcji nad różnego rodzaju kanałami komunikacji (np. z-wave, zigbee), umożliwiając łatwe zarządzanie wątkami, co pozwala zrównoleglić obliczenia i analizę danych. Istnieją również organizacje takie jak Khronos Group, standaryzujące rozwiązania (np. OpenCL, OpenVX), które potrafią wykorzystać moc obliczeniową GPU sprzętu różnych producentów.
    Inteligencja maszynowa będzie się rozwijać w bardzo szybkim tempie ze względu na gwałtowny wzrost mocy obliczeniowej urządzeń oferowanych na rynku.