將人工智能（AI）和機(jī)器學(xué)習(xí)（ML）集成到邊緣設(shè)備是物聯(lián)網(wǎng)領(lǐng)域最受期待的發(fā)展之一?？捎?xùn)練、可操作、能夠從環(huán)境中提取信息和學(xué)習(xí)的智能設(shè)備正在變得更加具有情境意識(shí)，最終變得更加有用。在邊緣位置執(zhí)行人工智能具有顯著的優(yōu)勢(shì)，包括低延遲、減少帶寬、更低的功耗和成本，以及隱私和安全。人工智能可以通過(guò)小型微控制器來(lái)達(dá)成功能，從而在邊緣節(jié)點(diǎn)實(shí)現(xiàn)更好的決策。
?將嵌入式智能添加到物聯(lián)網(wǎng)設(shè)備將為制造商創(chuàng)造新的機(jī)會(huì)—這是Silicon Labs (亦稱“芯科科技”)與人工智能和機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)先供應(yīng)商SensiML合作的核心所在。Silicon Labs提供完整的無(wú)線和MCU產(chǎn)品系列，并可搭配Thunderboard Sense 2 高級(jí)物聯(lián)網(wǎng)開(kāi)發(fā)套件快速評(píng)估產(chǎn)品項(xiàng)目以建立原型設(shè)計(jì)。探索相關(guān)解決方案：https://cn.silabs.com/solutions/artificial-intelligence-machine-learning?人工智能和機(jī)器學(xué)習(xí)可為物聯(lián)網(wǎng)邊緣節(jié)點(diǎn)的開(kāi)發(fā)人員帶來(lái)諸多益處：

• 顯著節(jié)約成本
• 減少帶寬使用
• 設(shè)計(jì)時(shí)間更快
• 設(shè)計(jì)尺寸更小，并能低功耗運(yùn)行
• 數(shù)據(jù)隱私和安全性更高

?加快發(fā)展人工智能物聯(lián)網(wǎng)SensiML提供尖端軟件，實(shí)現(xiàn)超低功耗物聯(lián)網(wǎng)端點(diǎn)，實(shí)現(xiàn)人工智能，并將原始傳感器數(shù)據(jù)轉(zhuǎn)化為對(duì)設(shè)備本身有意義的見(jiàn)解。SensiML的Analytics Studio還提供了一個(gè)全面的開(kāi)發(fā)平臺(tái)，使具備最少數(shù)據(jù)科學(xué)專業(yè)知識(shí)的開(kāi)發(fā)人員能夠以比手工編碼解決方案快5倍的速度構(gòu)建智能端點(diǎn)。這意味著客戶可以快速跟蹤他們的開(kāi)發(fā)項(xiàng)目，并在數(shù)周內(nèi)將AI/ML嵌入到他們的設(shè)計(jì)中，而數(shù)據(jù)科學(xué)項(xiàng)目通常需要數(shù)年時(shí)間。
SensiML Analytics Studio和Silicon Labs的無(wú)線SoC和MCU的結(jié)合，將使開(kāi)發(fā)人員有可能增加功能，降低復(fù)雜性，并利用低功耗、低成本、占地面積小的設(shè)計(jì)。SensiML分析工具包套件自動(dòng)創(chuàng)建優(yōu)化的人工智能物聯(lián)網(wǎng)傳感器識(shí)別代碼的每一步過(guò)程。?人工智能和機(jī)器學(xué)習(xí)有什么區(qū)別?人工智能和機(jī)器學(xué)習(xí)都與同一種計(jì)算機(jī)科學(xué)有關(guān)。但是，盡管許多人傾向于交替使用它們，它們確實(shí)有不同的含義。

自動(dòng)化機(jī)器學(xué)習(xí)的好處及其工作原理當(dāng)涉及到需要專門(mén)背景的任務(wù)時(shí)，自動(dòng)構(gòu)建機(jī)器學(xué)習(xí)模型的過(guò)程為開(kāi)發(fā)人員帶來(lái)了許多好處。例如，在沒(méi)有自動(dòng)機(jī)器學(xué)習(xí)或AutoML的情況下，以下任務(wù)留給建模者根據(jù)自己對(duì)問(wèn)題的理解、所需的模型性能以及最關(guān)鍵的是他們?cè)谡_應(yīng)用信號(hào)處理和機(jī)器學(xué)習(xí)分類器方面的專業(yè)知識(shí)來(lái)確定：

• 輸入數(shù)據(jù)中感興趣區(qū)域的分割
• 確定需要哪些預(yù)處理和特征變換來(lái)將原始輸入數(shù)據(jù)轉(zhuǎn)換為分類器的合適輸入向量
• 選擇使用哪種類型的機(jī)器學(xué)習(xí)分類器來(lái)提供最佳結(jié)果
• 模型參數(shù)優(yōu)化與超參數(shù)整定
• 評(píng)估進(jìn)一步提高模型性能的后處理需求

?AutoML通過(guò)使用高性能計(jì)算和搜索優(yōu)化算法來(lái)增強(qiáng)用戶在執(zhí)行構(gòu)造任務(wù)時(shí)的知識(shí)。AutoML的優(yōu)點(diǎn)包括能夠在相同的時(shí)間內(nèi)評(píng)估數(shù)十萬(wàn)甚至數(shù)百萬(wàn)個(gè)模型排列，而人類數(shù)據(jù)科學(xué)專家只需評(píng)估幾個(gè)。有了定向搜索約束，熟練用戶手中的AutoML組合可以將搜索集中在最有前途的排列上，而不僅僅是執(zhí)行暴力網(wǎng)格搜索。這使得AutoML成為算法開(kāi)發(fā)的強(qiáng)大工具，無(wú)論是人工智能新手還是經(jīng)驗(yàn)豐富的數(shù)據(jù)科學(xué)專家。?有了這一伙伴關(guān)系，我們離生活在一個(gè)更智能、更互聯(lián)的世界越來(lái)越近，Silicon Labs為在這一旅程中成為SensiML的合作伙伴而感到自豪。?您也可以掃描以下二維碼，關(guān)注Silicon Labs社交媒體平臺(tái)