„Edge Impulse“ nori, kad mašininis mokymasis būtų prieinamas visiems, skelbia 34 mln. USD finansavimą B serijai

Jano Jongboomo svajonė, jo paties žodžiais, buvo turėti prietaisus, kurie tikrai suprastų, kas vyksta aplinkui. Tai buvo prieš dešimt metų, bet tik 2019 m. jis pradėjo iš tikrųjų tai daryti. Tai buvo tada, kai Jongboom ir Zach Shelby įkūrė Edge Impulse kurios misija yra suteikti kūrėjams galimybę sukurti naujos kartos išmaniuosius įrenginius.

Šiandien „Edge Impulse“ skelbia apie 34 mln. USD B serijos finansavimą, kuriam vadovauja Coatue, o tai patrigubina 2022 m. rinkos vertinimą ir augimo prognozę. Coatue prisijungia prie esamų investuotojų, „Canaan Partners“, „Acrew Capital“, „Fika Ventures“, „Momenta Ventures“ ir „Knollwood Investment Advisory“, kad užbaigtų tai, ką komanda vadina „neįtikėtinais metais“.

Nuo jo pristatymo 2019 m. beveik 30 000 kūrėjų iš tūkstančių įmonių sukūrė beveik 55 000 tinkintų mašininio mokymosi projektų naudojant Edge Impulse, kuriant išmanesnius pramonės, logistikos, vartotojų ir sveikatos sprendimus su klientais, įskaitant Oura, Polycom, Advantech ir NASA. Jo kūrėjų skaičius išaugo 4 kartus, o metinės periodinės pajamos per pastaruosius metus išaugo 3 kartus.

Visa tai skamba gana įspūdingai ir liudija Gartnerio prognozę, kad „iki 2027 m. mašininis mokymasis giluminio mokymosi forma bus įtraukta į daugiau nei 65 % krašto naudojimo atvejų, o mažiau nei 10 % 2021". Susisiekėme su Jongboom, kad sužinotume daugiau apie „Edge Impulse“.

Padaryti kvailus IoT įrenginius naudingais

Jongboomo ir Shelby išeities taškas yra toks IoT įrenginiai yra puikūs, bet ir kvaili. Jie gali įrašyti laiko eilutes iš įvairių tipų jutiklių, pvz., temperatūros ar garso, tačiau jie neturi supratimo, ką tai reiškia arba kaip iš to padaryti ką nors naudingo.

Kai Jongboom susipažino su Shelby Armyje, kur jie abu dirbo maždaug prieš trejus metus, jie pradėjo kalbėti apie tai, ką galėtų padaryti, kad šie įrenginiai iš tikrųjų suprastų pasaulį. Jie greitai padarė išvadą, kad mašininis mokymasis yra atsakymas.

Jongboom kaip pavyzdį naudojo brakonieriavimo užspaudimą. Jei norite naudoti IoT įrenginį, kad aptiktumėte, kada šalia yra dramblys, jis sakė, kad turite dvi galimybes. Pirmasis – pabandyti sukurti programą, kuri apibūdintų dramblio klausos įvestį. Antrasis – naudoti dramblių garsų pavyzdžius ir leisti mašininio mokymosi modeliui tai išsiaiškinti.

„Edge Impulse“ specializuojasi daiktų interneto įrenginių mašininiame mokyme. Tai reiškia, kad jie turi taikyti standartinį mašininio mokymosi gyvavimo ciklą: rinkti duomenis – traukinio modelį – įdiegti modelį – patvirtinti modelį – pakartoti. Pažiūrėkime, kaip jie prisitaiko prie kiekvieno šio proceso žingsnio.

Pasidomėjome, kokius įrenginius ar jutiklius Edge Impulse palaiko duomenų rinkimo daliai. Jongboom paminėjo, kad jų partnerių ekosistema, pradedant mikrovaldiklių kūrėjais ir baigiant itin specializuotu mašininiam mokymuisi skirtu siliciu, palaiko „viską po saule“.

Svarstant, kaip 2019 m. įkurta įmonė galėjo sukurti tokią įmonę, reikia atsižvelgti į keletą veiksnių. ekosistema iki 2021 m. Anot Jongboom, tai, kad Edge Impulse įkūrėjai pradėjo patys kaip įterptieji kūrėjai, o Shelby anksčiau pardavė savo daiktų interneto startuolį Armui, davė jiems pranašumą. Jie žinojo, ko nori kūrėjai, ir žinojo, kaip susisiekti su techninės įrangos pardavėjais. Be to, jie padarė duomenų gavimą atviro kodo ir lengvai naudojamą:

„Tai buvo tikrai gera istorija, kai galime padėti silicio pardavėjams patekti į rinką ir po to, kai turėsime silicio. Tai reiškia, kad galime kartu kreiptis į klientus ir turėti daug geresnę istoriją. Tai ne – O, mes turime šią nuostabią mašininio mokymosi platformą. Tai – mes turime šią nuostabią mašininio mokymosi platformą ir iš tikrųjų palaikome silicio pardavėjus, kurie jau veiks jūsų apleistuose įrenginiuose. Tai tikrai nuostabu“, – pažymėjo Jongboomas.

Surinkite duomenis, mokykite modelį, įdiekite modelį, patvirtinkite modelį, pakartokite

Kalbant apie mokymo mašinų mokymosi modelius, „Edge Impulse“ pirmiausia naudoja tokias sistemas kaip „TensorFlow“. Idėja yra kiek įmanoma abstrahuoti, siekiant, kad modelių generavimas būtų kuo patogesnis žmonėms, kurie yra domeno ekspertai.

Jongboom teigimu, tikslas yra suteikti domenų ekspertams įrankius duomenims rinkti, tada analizuoti anomalijas arba klasifikuoti, kas vyksta, arba numatyti ateitį. Ir tai ne tik mašininis mokymasis, bet ir signalų apdorojimas, nes „signalų apdorojimas yra tikrai gražus ir paaiškinamas“.

Edge Impulse darbinis arkliukas yra TensorFlow, naudojamas per Keras. Jei turite duomenų mokslininką, puiku, galite redaguoti modelį kaip tik norite. Jei ne, jūs neprivalote. Taigi tai gali būti bet kas žemas kodas iki visiškos laisvės. Ir taip, žemo kodo nuoroda reiškia, kad paveikslėlyje yra IDE - studija.

„Edge Impulse Studio“ yra internetinė IDE, ir čia taip pat vyksta patvirtinimo proceso dalis. Jongboom pažymėjo, kad tai tikrai svarbu mašininiam mokymuisi apskritai ir dar labiau kraštinėse programose. Taip yra todėl, kad jei ką nors įdiegiate įrenginyje ar mašinoje, gali būti tikrai sunku ištaisyti veikimo nustatymų klaidas.

„Edge Impulse“ leidžia vartotojams įkelti tikrus duomenis, kad jie būtų naudojami patvirtinimui, ir taip pat gali generuoti sintetinius duomenis. Tai taip pat leidžia jiems įsikišti ir rankiniu būdu atlikti pataisymus klaidingi teigiami arba klaidingi neigiami rezultatai, priklausomai nuo taikymo tipo. Kartais labai svarbu, kad būtų nustatyti tam tikri įvykiai, net ir klaidingų pavojaus signalų kaina, o kartais galima ką nors praleisti.

Jongboom pažymėjo, kad tikslas yra sukurti įžvalgias programas ir įkvėpti pasitikėjimo. Kai kas nors peržiūri duomenis pagal mašininio mokymosi modelį, daug lengviau pastebėti silpnąsias vietas.

Paskutinis proceso žingsnis – diegimas – šiuo metu šiek tiek peržengė „Edge Impulse“ ribas. Edge Impulse išveda šaltinio kodą. Tai apima matematinį modelį, normalizavimo kodą, signalo apdorojimo kodą, mašininio mokymosi kodą ir visą modelio papildomo apdorojimo derinimą.

Jongboom sakė, kad nėra sudarytų dvejetainių failų, taip pat nėra jokių honorarų. Jis pridūrė, kaip vartotojas tai integruoja į savo įrenginį, priklauso nuo jų pačių. Tačiau Jongboom pažymėjo, kad tai taip pat turi įtakos ekosistemai, ir tai gali būti tokia paprasta, kaip dvi kodo eilutės. Ši dalis taip pat yra atvirojo kodo.

Edge Impulse EON: slaptas padažas, skirtas optimizuoti mašininio mokymosi modelius kraštui

Dalis, apie kurią iki šiol nekalbėjome ir kuri yra pagrindinė Edge Impulse, o ne atvirojo kodo dalis, yra TinyML dalis. „TensorFlow“ ar bet kuri kita sistema gali sukurti netinkamus modelius diegimas kraštiniuose įrenginiuose dėl tų įrenginių apribojimų, susijusių su galia ir apdorojimu pajėgumus.

Čia pradeda veikti Edge Impulse EON (Edge Optimized Neural). Tai technologija, kurią Edge Impulse naudojo mašininio mokymosi modeliams gaminti, tinkamiems diegti ribotuose įrenginiuose ant krašto. Pirmiausia atsižvelgiama į visus diegimo tikslo parametrus ir atliekami du dalykai.

Pirmiausia įsijungia EON imtuvas. Jongboom tai apibūdino kaip „labai plačią 1000 skirtingų modelių paieškos bazę, kurią galėtume išbandyti“. EON imtuvas žiūri į tuos, kurie gali tilpti į diegimo tikslinį įrenginį, ir tada parenka tą, kurio tikslumas yra didžiausias.

Tada EON kompiliatorius efektyviai kompiliuoja neuroninius tinklus į apleistos teritorijos įrenginius. Jongboom sakė, kad mašininio mokymosi modelis veikia taip, kad jis įvedamas į interpretatorių, kuris sukuria grafiką ir daro išvadą. Tačiau tai yra švaistoma įterptoji sistema, nes reikia turėti vertėją ir visas galimas būsenas, kurias vertėjas gali sukurti.

EON kompiliatorius tiesiog sukompiliuoja grafiką iki šaltinio kodo ir tada jį sukompiliuoja. Tai sutaupo nuo 30 iki 50% RAM, o tai yra daug, ypač Brownfield įrenginiuose. Galima naudoti kompiliatorių, o modeliai, kuriuos sukuria žmonės, taip pat yra atvirojo kodo, licencijuoti pagal Apache 2.0 licencija, taigi autorinio atlyginimo nėra. Kai kurie žmonės iš tikrųjų nusprendžia pasidalinti savo modeliais su bendruomene.

Edge Impulse yra programinė įranga kaip paslaugų platforma. Klientai moka už projektą per mėnesį arba už duomenų perdavimo kanalą per mėnesį. Jie taip pat moka už daugiau skaičiavimo, bendradarbiavimo funkcijų, didelio masto duomenų transformavimo ir integracijos su debesimi, kad būtų galima gauti duomenis ir juos gauti.

Šiuo metu „Edge Impulse“ komandą sudaro 40 žmonių. Tikslas yra panaudoti šį B serijos finansavimą, kad ateinančiais metais jų skaičius padidėtų iki 80, daugiausia dėmesio skiriant sprendimų inžinerijos komandai. Jongboom teigė, kad jie taip pat siekia toliau plėsti bendruomenę ir remti tuo pačiu būdu bei išlaikyti organinį augimą.