NXP verdubbelt machine learning at the Edge

Er zijn verschillende dingen waar internetpionier Robert Metcalfe om bekend staat:Mede-uitvinder van Ethernet in 1970, mede-oprichter van de nu elektronicafabrikant 3Com in 1979 en voor het bedenken van een veelgeciteerd model om de waarde van een telecommunicatienetwerk uit te drukken. Bekend als de wet van Metcalfe, houdt het principe in dat de waarde van een telecommunicatienetwerk kan worden berekend als het kwadraat van het aantal netwerkapparaten. Ondanks kritiek dat het principe eind jaren negentig de dotcom-zeepbel heeft gedreven, wordt het nog steeds gebruikt om de waarde van alles te beschrijven, van het internet der dingen tot sociale-medianetwerken en cryptocurrencies. In 2006 erkende Metcalfe zelf dat het principe niet "numeriek" was geëvalueerd, in tegenstelling tot de wet van Moore, die tientallen jaren aan algemeen ondersteunende gegevens had. "De wet van Metcalfe is een visie-ding", schreef hij. "Het is vooral van toepassing op kleinere netwerken die 'kritische massa' benaderen. En het wordt numeriek ongedaan gemaakt door de moeilijkheid om concepten als 'verbonden' en 'waarde' te kwantificeren."

Metcalfe erkende ook dat het mogelijk is dat de waarde van een netwerk kan dalen nadat het een bepaalde drempel heeft bereikt. "Wie heeft er niet veel te veel e-mail of veel te veel hits ontvangen van een Google-zoekopdracht?" hij heeft gevraagd. "Er kunnen nadelen zijn van de netwerkschaal die uiteindelijk de waarden naar beneden halen bij toenemende omvang."

Naarmate de Internet of Things-markt groeit, wijst het commentaar van Metcalfe op de noodzaak om waarde te ontsluiten door middel van optimale gegevensuitwisseling en tegelijkertijd te voorkomen dat u verdrinkt in "digitale uitputting".

[ IoT World is het evenement dat IIoT van inspiratie naar implementatie brengt, waardoor het bedrijfsleven en de bedrijfsvoering een boost krijgen. Koop nu je ticket. ]

"We komen dit obstakel tegen:hoe meer verbonden apparaten er zijn, hoe meer ongefilterde gegevens het netwerk binnenkomen", zegt Geoff Lees, senior vice president en algemeen manager van de microcontrollers-divisie van NXP. "We kwamen dit fundamentele idee tegen dat de kracht - de economische waarde van het netwerk evenredig is met het kwadraat van het aantal apparaten dat zich op het netwerk bevindt - de wet van Metcalfe", vervolgde Lees. Maar tenzij alle apparaten in een netwerk gegevens veilig kunnen delen, "krijgen we echt niet de volledige waarde van het netwerk." En hoewel de cloud vaak een handige locatie is voor gegevensverwerking, is het niet altijd haalbaar of mogelijk om IoT naar een externe locatie te beamen. "We ontdekken dat er veel meer toepassingen zijn in de industrie en de automobielsector die eigenlijk nooit bedoeld waren om gegevens naar de cloud te uploaden", zegt NXP-hoofd van AI Markus Levy.

De oplossing van NXP voor het probleem, dat het edge intelligence-omgeving (eIQ) noemt, is een toolkit voor machine learning die sensorprikkels van IoT-netwerken kan opvangen. eIQ biedt ondersteuning voor TensorFlow Lite en Caffe2, evenals andere neurale netwerkframeworks en machine learning-algoritmen. eIQ neemt het concept van machine learning aan de rand en past het toe op use cases die gericht zijn op stem, zicht, detectie van afwijkingen, enzovoort. "Door een inferentiemodel aan de rand te installeren, voegen we in wezen de kennis van het netwerk en de verworven gegevenswaarde van het netwerk samen", zei Lees. Om dat doel te ondersteunen, belooft NXP de verwerkingsprestaties aan de edge geleidelijk te verbeteren met elke volgende generatie halfgeleidertechnologie, en tegelijkertijd te helpen tegemoet te komen aan de groeiende vraag van klanten naar beveiliging, gegevensverwerking en lokale opslag. "In de afgelopen paar jaar zijn we echt geëvolueerd van het verbonden verhaal naar het vergroten van de verwerkingscapaciteit van de edge", zegt Lees. “Wij noemen het:‘veilig, bewust en verbonden.’”

Voorbeelden van eIQ-toepassingen zijn het gebruik van computervisie om te detecteren of industriële arbeiders een helm dragen, een machine verkeerd bedienen of anderszins iets ongewensts doen. Vooral voor veiligheidsgerelateerde toepassingen is de latentie die het gevolg is van het verzenden van gegevens naar de cloud en terug niet houdbaar.

Het plan van NXP om machine learning aan de edge mogelijk te maken, zou de klanten van NXP kunnen helpen om aanzienlijke efficiëntiewinsten te behalen, zei Levy. "Ik denk dat het onze taak is als leverancier van halfgeleiders om deze edge-computing/machine learning-mogelijkheden aan onze klanten te bieden en het voor hen gemakkelijk te maken om ze te implementeren."

Dat doel geldt ook voor cybersecurity. NXP levert zowel hardware- als software-elementen die zijn ontworpen om de beveiliging min of meer plug-and-play te maken. "Aan de kant van machine learning doen we hetzelfde", zei Levy. “Misschien bieden we een kookboek aan dat mensen door de stappen leidt van hoe je TensorFlow implementeert. [Onze klanten] verwachten dat we dit probleem voor hen oplossen, en in feite het hele machine learning-concept omzetten in een vorm van middleware.”

Een andere belemmering voor de acceptatie van machine learning zijn de kosten, zegt Gowri Chindalore, hoofdstrateeg voor embedded oplossingen bij NXP. "Veel van onze klanten hebben eigenlijk moeite om erachter te komen wat de systeemkosten zijn die ze moeten maken om een ​​bepaalde gebruikerservaring te bieden," zei Chindalore. Sommige leveranciers kunnen geavanceerde grafische verwerkingseenheden aanbevelen om machine learning-toepassingen te ondersteunen. Hun hoge kosten kunnen sommige uitvoerders er echter van overtuigen dat machine learning onbereikbaar is.

eIQ biedt NXP-klanten de mogelijkheid om de specificaties in te voeren waaraan ze willen voldoen, zoals inferentietijd, om te berekenen welk type processor geschikt is voor de toepassing. "We bouwen die optie met de laagste kosten voor uw bedrijf om te leveren wat ze nodig hebben", zei Chindalore.

Het bedrijf werkt ook samen met data-analysebedrijven om niet alleen modules te ontwikkelen die achteraf in bestaande industriële omgevingen kunnen worden ingebouwd. "Een booreiland is daar absoluut een klassiek voorbeeld van", zei Chindalore. Mijnen zijn een ander voorbeeld. "Veel van de mijnen moeten van binnen worden gecontroleerd om giftige gassen te detecteren en voor de veiligheid van mijnwerkers", voegde hij eraan toe. Dergelijke toepassingen vereisen edge-verwerking.

Cybersecurity is een andere overweging die de verwerking tot het uiterste drijft, zei Lees. "Hoe groter de waarde van gegevens die je centraal in de cloud bewaart, hoe groter het aanvalsoppervlak, hoe groter de aanvalswaarde voor al die kwaadwillende hackers of organisaties", legt hij uit. Daarom pleit NXP voor gedistribueerde datastores met diverse toegangs- en autorisatietechnieken en attributen. "Als je dat tot de logische conclusie trekt, begin je je te realiseren dat de ultieme distributie is om zoveel mogelijk gegevens aan de rand te behouden", zei Lees.