Comment les applications d'apprentissage automatique intégrées vont-elles tirer profit de la 5G et du cloud?

Crédit éditorial : Anton_Ivanov / Shutterstock.com

Lorsque j’étudiais tard le soir à l'université, je rêvais souvent de m'implanter un cerveau cybernétique. Ainsi, il m'aurait suffi de télécharger toutes les informations dont j’avais besoin pour m’en souvenir instantanément plus tard. Je n'aurais plus eu besoin d'étudier, je n'aurais plus oublié l'anniversaire de ma copine, et peut-être même aurais-je pu regarder Netflix à l’intérieur de ma tête. Malheureusement, les illustres ingénieurs électriciens qui m’ont précédé ont plutôt décidé de concevoir des objets connectés utilisant la technologie de l'Internet des objets (IoT). Alors que j'attends toujours ma mémoire artificielle, ces mêmes objets sont en train d'acquérir leur propre intelligence. L'apprentissage automatique et l'intelligence artificielle (IA) sont des sujets d’actualité, et des concepteurs tels que vous travaillent probablement sur les possibilités d'intégrer ces technologies dans des systèmes embarqués. Il n’y a qu’un seul problème : les réseaux neuronaux utilisés pour l’apprentissage automatique consomment trop d’énergie et requièrent trop de puissance de traitement. L’arrivée de la 5G et la possibilité de la combiner avec le cloud permettront peut-être de résoudre. Le cloud peut fournir l'intelligence artificielle aux systèmes embarqués à l’aide du réseau 5G, bande passante élevée et faible latence.

L’apprentissage automatique dans les systèmes embarqués

L'apprentissage automatique n’est pas un concept nouveau, mais les progrès réalisés en matière de puissance de traitement permettent de le concrétiser. Grâce à l'IA, les gadgets pourront interagir avec leurs environnements de manière beaucoup plus intelligente.

LeSynthetic Sensor, créé par le groupe Future Interfaces, illustre à merveille la façon dont l'apprentissage automatique peut améliorer l’exploitation d'un système. Ce module comprend presque tous les capteurs couramment utilisés sur les appareils « intelligents », comme les capteurs de température ambiante, d'EMI et de bruit. Il utilise ensuite l'apprentissage automatique pour comprendre son environnement. Le Synthetic Sensor peut vous dire quel brûleur vous allumez sur la cuisinière ou quel appareil est en marche. Cela permet aux utilisateurs de savoir exactement ce qui se passe chez eux quand ils n'y sont pas.

Les systèmes de détection intelligente présentent des avantages considérables pour les systèmes embarqués. Certains appareils les utilisent déjà. Le thermostat Nest, par exemple, enregistre votre température idéale et vos mouvements. En fonction de ces données, il ajuste la température de votre maison en se basant sur sa compréhension de vos préférences et les horaires. Il fait chaud quand vous êtes chez vous, plus froid quand vous n'y êtes pas. Grâce à un tel système de compréhension et de planification, nos maisons pourraient devenir plus écoenergétiques.

N’implantez pas de systèmes avec IA sous votre peau !

Les problèmes que pose l'apprentissage automatique

Si l’apprentissage automatique est si merveilleux, pourquoi n'est-il pas déjà partout ? Pour les mêmes raisons que je n’ai pas de cerveau bionique ; c'est trop encombrant et ça consomme trop d’énergie.

Insérer un supercalculateur dans un système embarqué n'est pas chose facile mais c’est ce que vous aurez à faire si vous voulez de l'intelligence artificielle. L'apprentissage automatique requiert une puissance de traitement colossale, il faut donc se montrer très prudent si on veut l'intégrer à un système embarqué. Même les constructeurs automobiles qui intègrent des systèmes d'aide à la conduite (ADAS) à leurs véhicules s'inquiètent toujours de savoir s'ils vont pouvoir caser les CPU nécessaires au fonctionnement de leurs systèmes intelligents. Les développeurs utilisent aujourd'hui des GPU pour accélérer le processus de l'apprentissage automatique, mais une puce GPU ne sera jamais assez petite pour que vous puissiez l'adapter à vos besoins.

Même quand les puces appropriées seront disponibles, vous devrez toujours gérer les problèmes de puissance nécessaire. En 1989, des chercheurs de Carnegie Melon ont créé une voiture capable de conduire en autonomie grâce à des techniques d'apprentissage sophistiquées. Cette voiture s'appelait ALVINN, et sa puce CPU 100 MFLOP était alimentée par un générateur de 5 000 W . Les puces ordinaires utilisent moins d'énergieque celle-ci, mais pas tant que cela. Pour les systèmes embarqués, comme les véhicules équipés d'un système d'aide à la conduite, vous disposerez sans doute de suffisamment d'espace pour y loger de nombreuses batteries, mais pour les petits appareils et objets portables, il vous faudrait une batterie plus volumineuse que l'appareil lui-même.

Ce sont des problèmes difficiles à résoudre, mais nous finirons bien par le faire. Toutefois, la 5G et le cloud constituent une solution à plus court terme qui permettrait d'intégrer l'intelligence artificielle à des systèmes embarqués.

Le cloud et la 5G

Le cloud, ce grand mystère J’aime me le représenter à l'image du monde de Tron, mais, heureusement, avec moins de conflits. Associé à la 5G, le cloud pourrait être assez intelligent pour m’aider à créer mon propre univers informatique.

Grâce au cloud, les problèmes mentionnés ci-dessus concernant la consommation d'énergie et la puissance de traitement peuvent être résolus. Les calculs peuvent être exécutés en externe avec une puissance de calcul infinie et efficace, et une connexion à un réseau. Nous utilisons déjà le cloud pour l'informatique distribuée, il n'y a donc aucune raison que les systèmes embarqués n'en fassent pas de même. Partant de ce constat, Google, Amazon et d'autres groupes proposent déjà des services d'apprentissage automatique. Si vous placez vos processeurs dans une lointaine ferme de calcul, vous n'aurez plus qu'à gérer la puisssance nécessaire pour l'antenne... ce qui m'amène à la 5G.

L'apprentissage automatique requiert de nombreuses données, qui sont difficiles à transmettre sans fil avec nos moyens actuels. Intel estime que les véhicules équipés d'un système d'aide à la conduite auront besoin d'en traiter 1 Go par seconde. Cela représente une quantité importante à transmettre via un réseau Wi-Fi ou 4G. Mais il se trouve que la 5G pourra prendre en charge des débits allant jusqu'à 10 Gbps avec un taux de latence inférieur à 10 ms. Ainsi, votre appareil sera capable de transférer toutes les données requises et en recevoir l'interprétation presque instantanément. Les entreprises spécialisées travaillent actuellement sur la création d'antennes 5G faible puissance pohttp://www.businessinsider.com/verizon-plans-to-roll-out-a-low-power-iot-network-by-the-end-of-the-year-2016-9ur quevos  cartes puissent prendre les meilleures décisions en utilisant moins d'électricité.

C’est exactement à cela que ressemblerait l'apprentissage automatique combiné au cloud.

L'apprentissage automatique est un domaine passionnant qui permettra d’améliorer considérablement les systèmes embarqués. Le cloud computing peut prendre en charge les besoins en matière de traitement de l’IA et de consommation électrique, tandis que la 5G permettra de résoudre les problèmes de transfert de données.  

Une fois que l'apprentissage automatique deviendra une solution viable pour les systèmes embarqués, il vous faudra peut-être un androïde pour vous aider dans votre travail de conception. Bon, je n'ai pas d'androïde pour vous, mais je vous propose ce qui se fait de mieux. Le logiciel de conception de circuits imprimés Altium Designervous aidera à concevoir des cartes adaptées à tout type de systèmes embarqués. Sa panoplie d'outils de qualitéfera de vous un concepteur de circuits imprimés surhumain.

Vous avez d'autres questions concernant l'apprentissage automatique et les systèmes embarqués ? Contactez un expert Altium.