Edge Impulse는 엣지에서 머신러닝을 모든 사람에게 제공하고자 3,400만 달러 규모의 시리즈 B 자금 지원을 발표했습니다.

Jan Jongboom의 꿈은 주변에서 일어나는 일을 실제로 이해하는 장치를 갖는 것이었습니다. 그것은 10년 전의 일이지만, 그가 실제로 행동에 옮기기 시작한 것은 2019년이 되어서였습니다. 종붐과 잭 셸비(Zach Shelby)가 창립한 것이 바로 그때였습니다. 엣지 임펄스 개발자가 차세대 지능형 장치를 만들 수 있도록 하는 사명을 갖고 있습니다.

오늘 Edge Impulse는 Coatue가 주도하는 시리즈 B 자금 조달에서 3,400만 달러를 발표하여 2022년 시장 가치와 성장 예측을 3배로 늘렸습니다. Coatue는 기존 투자자인 Canaan Partners, Acrew Capital, Fika Ventures, Momenta Ventures 및 Knollwood Investment Advisory와 합류하여 팀이 "놀라운 한 해"라고 부르는 기간을 마무리했습니다.

2019년 출시 이후 수천 개의 기업에서 약 30,000명의 개발자가 약 55,000개의 맞춤형 기계 학습 프로젝트를 만들었습니다. Edge Impulse를 사용하여 Oura, Polycom, Advantech 및 NASA. 개발자 기반은 4배 증가했으며, 작년에는 연간 반복 수익이 3배 증가했습니다.

이 모든 것이 다소 인상적으로 들리며 "2027년까지 머신러닝이 딥 러닝 형태의 엣지 사용 사례는 65% 이상 포함될 것입니다. 2021". Edge Impulse에 대해 자세히 알아보기 위해 종붐 씨를 만나봤습니다.

멍청한 IoT 장치를 유용하게 만들기

종붐과 셸비의 출발점은 바로 IoT 장치 훌륭하지만 멍청하기도 해요. 예를 들어 온도나 소리와 같은 다양한 유형의 센서로부터 시계열을 기록할 수 있지만 그것이 무엇을 의미하는지, 어떻게 유용하게 만들 수 있는지 전혀 모릅니다.

종붐은 약 3년 전 두 사람이 함께 일했던 Arm에서 Shelby를 만났을 때 이러한 장치가 실제로 세상을 이해하도록 만들기 위해 무엇을 할 수 있는지에 대해 이야기하기 시작했습니다. 그들은 머신러닝이 답이라는 결론에 빠르게 도달했습니다.

종붐은 밀렵 단속을 예시로 활용했다. 주변에 코끼리가 있는지 감지하기 위해 IoT 장치를 사용하려면 두 가지 옵션이 있다고 그는 말했습니다. 첫 번째는 코끼리의 청각 입력이 어떤 것인지 설명하는 프로그램을 만들어 보는 것입니다. 두 번째는 코끼리 소리 샘플을 사용하고 기계 학습 모델이 이를 알아내도록 하는 것입니다.

Edge Impulse는 IoT 장치용 기계 학습을 전문으로 합니다. 이는 표준 기계 학습 수명 주기(데이터 수집 - 모델 훈련 - 모델 배포 - 모델 검증 - 반복)를 적용해야 함을 의미합니다. 이 프로세스의 각 단계를 어떻게 수용하는지 살펴보겠습니다.

데이터 수집 부분에서는 Edge Impulse가 어떤 장치나 센서를 지원하는지 궁금했습니다. 종붐은 마이크로 컨트롤러 개발자부터 기계 학습을 위한 초특수 실리콘에 이르기까지 파트너 생태계가 "태양 아래 모든 것"을 지원한다고 언급했습니다.

2019년에 설립된 회사가 어떻게 그러한 회사를 만들 수 있었는지 생각할 때 고려해야 할 몇 가지 요소가 있습니다. 생태계 2021년까지. 종붐에 따르면 Edge Impulse의 창립자들은 이전에 IoT 스타트업을 Arm에 매각한 Shelby와 함께 임베디드 개발자로 출발했다는 사실이 그들에게 유리한 출발을 제공했다고 합니다. 그들은 개발자가 무엇을 원하는지 알고 있었고 하드웨어 공급업체에 연락하는 방법도 알고 있었습니다. 또한 데이터 수집을 오픈 소스로 만들고 사용하기 쉽게 만들었습니다.

"실리콘 공급업체가 시장에 진출하도록 도울 수 있고, 실리콘을 확보한 후에는 정말 좋은 이야기였습니다. 이는 우리가 고객에게 공동으로 가서 훨씬 더 좋은 이야기를 할 수 있다는 것을 의미합니다. 그렇지 않습니다. 아, 우리에게는 놀라운 기계 학습 플랫폼이 있습니다. 그것은 -- 우리는 이 놀라운 기계 학습 플랫폼을 보유하고 있으며 실제로 이미 브라운필드 장치에서 실행될 실리콘 공급업체로부터 지원을 받고 있습니다. 정말 놀랍다"고 종붐은 말했다.

데이터 수집, 모델 학습, 모델 배포, 모델 검증, 반복

프로세스의 기계 학습 모델 교육 부분에 관한 한 Edge Impulse는 주로 TensorFlow와 같은 기성 프레임워크를 사용합니다. 가능한 한 많이 추상화하여 도메인 전문가인 사람들이 최대한 사용자 친화적으로 모델을 생성할 수 있도록 하는 것이 아이디어입니다.

종붐은 목표는 도메인 전문가에게 데이터를 수집한 다음 이상 현상을 분석하거나 현재 발생하고 있는 일을 분류하거나 미래를 예측할 수 있는 도구를 제공하는 것이라고 말했습니다. 그리고 이는 기계 학습뿐만 아니라 신호 처리도 포함합니다. "신호 처리는 정말 훌륭하고 설명 가능"하기 때문입니다.

Edge Impulse의 주요 도구는 Keras를 통해 사용되는 TensorFlow입니다. 데이터 과학자가 참여하고 있다면 원하는 대로 모델을 편집할 수 있습니다. 그렇지 않다면 그럴 필요가 없습니다. 그래서 그것은 무엇이든 될 수 있습니다 로우 코드 완전한 자유를 위하여. 그리고 예, 낮은 코드 참조는 여기 그림에 IDE, 즉 Studio가 있음을 의미합니다.

Edge Impulse Studio는 온라인입니다. IDE, 프로세스의 유효성 검사 부분이 발생하는 곳이기도 합니다. 종붐 씨는 이것이 일반적인 머신러닝에서 정말 중요하며 엣지 애플리케이션에서는 더욱 중요하다고 지적했습니다. 장치나 시스템에 무언가를 배포하는 경우 운영 설정의 실수를 수정하기가 정말 어려울 수 있기 때문입니다.

Edge Impulse를 사용하면 사용자가 검증에 사용할 실제 데이터를 업로드할 수 있으며 합성 데이터도 생성할 수 있습니다. 또한 사용자가 개입하여 수동으로 수정할 수도 있습니다. 거짓 긍정 또는 거짓 부정, 애플리케이션 유형에 따라 다릅니다. 때로는 잘못된 경보를 감수하더라도 특정 이벤트를 식별하는 것이 중요하며 때로는 뭔가를 놓쳐도 괜찮습니다.

종붐씨는 통찰력 있는 애플리케이션을 만들고 자신감을 고취시키는 것이 포인트라고 말했습니다. 누군가가 머신러닝 모델의 지원을 받아 데이터를 검토하게 되면 약점을 훨씬 쉽게 확인할 수 있습니다.

프로세스의 마지막 단계인 배포는 현재 Edge Impulse의 범위를 다소 벗어났습니다. Edge Impulse는 소스 코드를 출력합니다. 여기에는 수학적 모델, 정규화 코드, 신호 처리 코드, 기계 학습 코드 및 모델의 모든 사후 처리 조정이 포함됩니다.

컴파일된 바이너리도 없고 이에 대한 로열티도 없다고 종붐 씨는 말했습니다. 사용자가 이를 자신의 장치에 통합하는 방법은 사용자에게 달려 있다고 그는 덧붙였습니다. 그러나 종붐은 생태계도 여기에 영향을 미치며 두 줄의 코드만큼 간단할 수 있다고 지적했습니다. 그 부분도 오픈소스입니다.

Edge Impulse EON: 엣지에 대한 기계 학습 모델을 최적화하기 위한 비결

지금까지 이야기하지 않은 부분이자 오픈 소스가 아닌 Edge Impulse의 핵심 부분은 TinyML 부분. TensorFlow 또는 해당 문제에 대한 다른 프레임워크는 적합하지 않은 모델을 생성할 수 있습니다. 전력 및 처리 측면에서 해당 장치의 제약으로 인해 엣지 장치에 배포 능력.

이것이 Edge Impulse의 EON(Edge Optimized Neural)이 작동하는 곳입니다. 이는 Edge Impulse가 엣지의 제한된 장치에 배포하기에 적합한 기계 학습 모델을 생성하는 데 사용한 기술입니다. 가장 먼저 하는 일은 배포 대상의 모든 매개변수를 고려하고 두 가지 작업을 수행하는 것입니다.

먼저 EON 튜너가 시작됩니다. 종붐은 이를 "우리가 시험해 볼 수 있는 1000가지 모델의 매우 광범위한 검색 기반"이라고 설명했습니다. EON 튜너는 배포 대상 장치에 맞는 것을 살펴본 다음 정확도가 가장 높은 것을 선택합니다.

그런 다음 EON 컴파일러는 신경망을 브라운필드 장치로 효율적으로 컴파일합니다. 종붐은 그것이 작동하는 방식은 기계 학습 모델이 그래프를 작성하고 추론을 실행하는 해석기에 입력된다는 것이라고 말했습니다. 그러나 인터프리터와 인터프리터가 구성할 수 있는 모든 잠재적 상태가 필요하기 때문에 이는 낭비적인 임베디드 시스템입니다.

EON 컴파일러는 그래프를 소스 코드로 컴파일한 다음 이를 컴파일합니다. 이는 RAM을 30~50% 절약하는데, 특히 Brownfield 장치에서는 상당한 양입니다. 컴파일러는 사용할 수 있으며 사람들이 생성하는 모델도 오픈 소스이며 라이센스가 부여됩니다. 아파치 2.0 라이센스, 따라서 로열티가 없습니다. 어떤 사람들은 실제로 자신의 모델을 커뮤니티와 공유하기로 선택합니다.

Edge Impulse는 서비스 플랫폼으로서의 소프트웨어입니다. 고객은 매월 프로젝트당 또는 매월 데이터 파이프라인별로 비용을 지불합니다. 또한 더 많은 컴퓨팅, 협업 기능, 대규모 데이터 변환, 클라우드와의 통합에 대한 비용을 지불하여 데이터를 가져오고 해당 데이터를 수집합니다.

Edge Impulse에는 현재 40명으로 구성된 팀이 있습니다. 목표는 이 시리즈 B 자금을 사용하여 솔루션 엔지니어링 팀에 중점을 두고 내년에 80개로 성장하는 것입니다. 종붐은 또한 ​​커뮤니티를 계속 성장시키고 같은 방식으로 지원하며 유기적인 성장을 유지하는 것을 목표로 한다고 말했습니다.