Edge Impulse želi vsem prinesti strojno učenje na robu in napoveduje financiranje serije B v višini 34 milijonov USD

Sanje Jana Jongbooma so bile po njegovih lastnih besedah ​​imeti naprave, ki resnično razumejo, kaj se dogaja okoli njih. To je bilo pred desetimi leti, vendar je šele leta 2019 začel zares ukrepati. Takrat sta ustanovila Jongboom in Zach Shelby Robni impulz z misijo omogočiti razvijalcem ustvarjanje naslednje generacije inteligentnih naprav.

Danes Edge Impulse napoveduje 34 milijonov dolarjev financiranja serije B, ki ga vodi Coatue, s čimer potroji svojo oceno trga za leto 2022 in napoved rasti. Coatue se pridružuje obstoječim vlagateljem, Canaan Partners, Acrew Capital, Fika Ventures, Momenta Ventures in Knollwood Investment Advisory, da zaključi, kar ekipa imenuje "neverjetno leto".

Od lansiranja leta 2019 je skoraj 30.000 razvijalcev iz več tisoč podjetij ustvarilo skoraj 55.000 projektov strojnega učenja po meri. z uporabo Edge Impulse, gradnjo pametnejših industrijskih, logističnih, potrošniških in zdravstvenih rešitev s strankami, vključno z Oura, Polycom, Advantech in NASA. Njegova baza razvijalcev se je povečala za 4-krat, pri čemer so se letni prihodki v zadnjem letu povečali za 3-krat.

Vse to zveni precej impresivno in je dokaz Gartnerjeve napovedi, da bo "do leta 2027 strojno učenje v obliki poglobljenega učenja bo vključen v več kot 65 % primerov robne uporabe, v primerjavi z manj kot 10 % v 2021". Dohiteli smo Jongbooma, da bi izvedeli več o Edge Impulse.

Uporabnost neumnih naprav IoT

Jongboomovo in Shelbyjevo izhodišče je to IoT naprave so super, vendar so tudi neumni. Lahko snemajo časovne vrste različnih vrst senzorjev, na primer temperature ali zvoka, vendar nimajo pojma, kaj to pomeni ali kako iz tega narediti kaj uporabnega.

Ko je Jongboom srečal Shelbyja pri Armu, kjer sta oba delala pred približno tremi leti, sta se začela pogovarjati o tem, kaj bi lahko naredila, da bi te naprave resnično razumele svet. Hitro so prišli do zaključka, da je rešitev strojno učenje.

Jongboom je kot primer uporabil zatiranje krivolova. Če želite uporabiti napravo IoT za zaznavanje, ko je v bližini slon, je dejal, imate dve možnosti. Prvi je poskusiti ustvariti program, ki opisuje, kakšen je slušni vnos slona. Drugi je uporaba vzorcev zvokov slonov in prepustite modelu strojnega učenja, da to ugotovi.

Edge Impulse je specializiran za strojno učenje za naprave IoT. To pomeni, da morajo uporabiti standardni življenjski cikel strojnega učenja: zbrati podatke -- usposobiti model -- uvesti model -- potrditi model -- ponoviti. Poglejmo, kako se prilagodijo vsakemu koraku v tem procesu.

Zanimalo nas je, kakšne naprave ali senzorje podpira Edge Impulse za del zbiranja podatkov. Jongboom je omenil, da njihov ekosistem partnerjev, od razvijalcev mikrokontrolerjev do superspecializiranega silicija za strojno učenje, podpira "vse pod soncem".

Ko razmišljate, kako je podjetje, ustanovljeno leta 2019, lahko ustvarilo tako ekosistem do leta 2021. Dejstvo, da so ustanovitelji Edge Impulse sami začeli kot vgrajeni razvijalci, pri čemer je Shelby pred tem prodal svoj zagon IoT podjetju Arm, jim je po besedah ​​Jongbooma dalo prednost. Vedeli so, kaj želijo razvijalci, in vedeli so, kako priti do prodajalcev strojne opreme. Poleg tega so vnos podatkov naredili odprtokoden in enostaven za uporabo:

»To je bila res dobra zgodba, v kateri lahko pomagamo prodajalcem silicija priti na trg in potem, ko imamo silicij, na katerem lahko delujemo. To pomeni, da gremo lahko skupaj do strank in imamo veliko boljšo zgodbo. Ni -- Oh, imamo to neverjetno platformo za strojno učenje. To je -- imamo to neverjetno platformo za strojno učenje in dejansko imamo podporo prodajalcev silicija, ki bodo že delovali na vaših degradiranih napravah. To je res neverjetno," je opozoril Jongboom.

Zberite podatke, usposobite model, uvedite model, potrdite model, ponovite

Kar zadeva del procesa usposabljanja modelov strojnega učenja, Edge Impulse uporablja predvsem gotova ogrodja, kot je TensorFlow. Ideja je abstrahirati, kolikor je mogoče, s ciljem, da je generiranje modela čim bolj uporabniku prijazno za ljudi, ki so strokovnjaki za področje.

Cilj, je dejal Jongboom, je strokovnjakom za področje dati orodja za zbiranje podatkov, nato analizirati anomalije ali razvrstiti, kaj se dogaja, ali napovedati prihodnost. In ne gre samo za strojno učenje, ampak tudi za obdelavo signalov, ker je "procesiranje signalov res lepo in razložljivo".

Delovni konj Edge Impulse je TensorFlow, ki se uporablja prek Kerasa. Če imate podatkovnega znanstvenika, super, lahko urejate model, kot želite. Če ne, vam ni treba. Torej je lahko karkoli od nizka koda do popolne svobode. In ja, nizka referenca kode pomeni, da je tukaj na sliki IDE -- Studio.

Edge Impulse Studio je spletni IDE, tam pa poteka tudi del postopka preverjanja veljavnosti. Jongboom je opozoril, da je to zelo pomembno pri strojnem učenju na splošno in še bolj pri robnih aplikacijah. To je zato, ker če nekaj uvedete v napravo ali stroj, je res težko popraviti napake v operativnih nastavitvah.

Edge Impulse uporabnikom omogoča nalaganje resničnih podatkov, ki jih bodo uporabili za preverjanje, poleg tega pa lahko ustvari sintetične podatke. Omogoča jim tudi posredovanje in ročno popravljanje lažno pozitivni ali lažno negativni, odvisno od vrste aplikacije. Včasih je ključno, da so določeni dogodki prepoznani, tudi za ceno lažnih alarmov, včasih pa je v redu, da kaj spregledamo.

Bistvo, je opozoril Jongboom, je ustvariti pronicljive aplikacije in vzbujati zaupanje. Če nekdo pregleda podatke s pomočjo modela strojnega učenja, je veliko lažje videti šibke točke.

Zadnji korak v procesu – uvedba – je za Edge Impulse trenutno nekoliko izven meja. Edge Impulse odda izvorno kodo. To vključuje matematični model, kodo za normalizacijo, kodo za obdelavo signalov, kodo za strojno učenje in vso nastavitev modela po obdelavi.

Nobenih prevedenih binarnih datotek, tudi nobenih licenčnin za to, je dejal Jongboom. Kako bo uporabnik to integriral v svojo napravo, je odvisno od njih samih, je dodal. Vendar pa je Jongboom opozoril, da ekosistem igra tudi pri tem in je lahko preprosto kot dve vrstici kode. Tudi ta del je odprtokoden.

Edge Impulse EON: Skrivna rešitev za optimizacijo modelov strojnega učenja za rob

Del, o katerem doslej nismo govorili in je osrednji del Edge Impulse in ni odprtokoden, je TinyML del. TensorFlow ali kateri koli drug okvir lahko ustvari modele, ki niso primerni uvedba na robnih napravah zaradi omejitev teh naprav v smislu moči in obdelave zmogljivosti.

Tukaj nastopi EON (Edge Optimized Neural) podjetja Edge Impulse. To je tehnologija, ki jo je Edge Impulse uporabil za izdelavo modelov strojnega učenja, primernih za uvajanje v omejene naprave na robu. Prva stvar, ki jo naredi, je, da upošteva vse parametre cilja uvedbe in naredi dve stvari.

Najprej se vključi sprejemnik EON. Jongboom je to opisal kot "super široko iskalno bazo 1000 različnih modelov, ki bi jih lahko preizkusili". Uglaševalec EON pogleda tiste, ki se lahko prilegajo ciljni napravi za uvedbo, in nato izbere tistega z najvišjo natančnostjo.

Nato prevajalnik EON učinkovito sestavi nevronske mreže v degradirane naprave. Način delovanja, je dejal Jongboom, je, da se model strojnega učenja napaja v tolmača, ki zgradi graf in izvede sklepanje. Toda to je potraten vgrajeni sistem, ker morate imeti tolmača in vsa potencialna stanja, ki jih lahko sestavi tolmač.

Prevajalnik EON samo prevede graf v izvorno kodo in jo nato prevede noter. To prihrani med 30 in 50 % RAM-a, kar je veliko, zlasti v napravah Brownfield. Prevajalnik je na voljo za uporabo, modeli, ki jih ljudje ustvarijo, pa so prav tako odprtokodni, pod licenco Licenca Apache 2.0, torej ni licenčnin. Nekateri ljudje se dejansko odločijo deliti svoje modele s skupnostjo.

Edge Impulse je programska oprema kot storitvena platforma. Stranke plačujejo na projekt na mesec ali na podatkovni cevovod na mesec. Prav tako plačajo za več računalništva, funkcije za sodelovanje, obsežno pretvorbo podatkov in integracijo z vašim oblakom, da potegnejo in zaužijejo podatke.

Edge Impulse ima trenutno ekipo 40 ljudi. Cilj je uporabiti to financiranje serije B za povečanje na 80 v prihodnjem letu, s poudarkom na ekipi za inženiring rešitev. Jongboom je dejal, da si prizadevajo tudi za nadaljevanje rasti skupnosti in podpore na enak način ter za ohranitev svoje organske rasti.