Edge Impulse รวม AutoML และ TinyML เพื่อทำให้ AI แพร่หลาย

Edge Impulse รวม AutoML และ TinyML เพื่อทำให้ AI แพร่หลาย

เว็บไซต์

Edge Impulse ซึ่งเป็นสตาร์ทอัพในซานโฮเซ มีเป้าหมายที่จะนำความสามารถของ AI มาสู่ไมโครคอนโทรลเลอร์ที่ขับเคลื่อนอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภค บริษัทได้สร้างแพลตฟอร์มบนคลาวด์เพื่อช่วยให้นักพัฒนาสามารถสร้างโมเดล AI ที่กำหนดเป้าหมายไปยังไมโครคอนโทรลเลอร์ได้

การออกแบบเว็บไซต์

Edge Impulseรวมสองเทคนิคยอดนิยมเพื่อนำ AI มาสู่ไมโครคอนโทรลเลอร์ – AutoML และ TinyML
AutoML มุ่งเน้นไปที่สองด้านที่สำคัญของการเรียนรู้ของเครื่อง – การได้มาซึ่งข้อมูลและการทำนาย แพลตฟอร์ม AutoML จะสรุปขั้นตอนทั้งหมดที่เกิดขึ้นระหว่างสองขั้นตอนนี้ โดยพื้นฐานแล้ว นักพัฒนาจะนำชุดข้อมูลของตนเองมา ระบุป้ายกำกับ และกดปุ่มเพื่อสร้างแบบจำลองที่ได้รับการฝึกอบรมอย่างละเอียดถี่ถ้วนซึ่งพร้อมที่จะคาดการณ์
TinyML เป็นเทคนิคที่ปรับโมเดลการเรียนรู้ของเครื่องให้เหมาะสมสำหรับอุปกรณ์ฝังตัวที่มีข้อจำกัดด้านทรัพยากร อุปกรณ์ฝังตัวเหล่านี้ใช้แบตเตอรี่ที่มีกำลังประมวลผลและหน่วยความจำที่จำกัด ไม่สามารถปรับใช้โมเดล ML ดั้งเดิมบนอุปกรณ์เหล่านี้ ด้วย TinyML โมเดลต่างๆ จะถูกแปลงและปรับแต่งให้ทำงานบนหน่วยที่เล็กที่สุดของอุปกรณ์อิเล็กทรอนิกส์ – ไมโครคอนโทรลเลอร์
การกำหนดเป้าหมายไมโครคอนโทรลเลอร์สำหรับการเรียกใช้ AI เป็นกระบวนการที่ซับซ้อนและใช้เวลานาน นักพัฒนาจำเป็นต้องได้รับข้อมูลจากเซ็นเซอร์ต่างๆ ที่ติดอยู่กับไมโครคอนโทรลเลอร์ จากนั้นพวกเขาจำเป็นต้องประมวลผลล่วงหน้าและทำให้ชุดข้อมูลเป็นปกติก่อนที่จะป้อนไปยังโครงข่ายประสาทเทียมที่ซับซ้อน โครงข่ายประสาทเทียมต้องการพลังประมวลผลมหาศาลจากซีพียูและ GPU ระดับไฮเอนด์ในการฝึกโมเดล เมื่อแบบจำลองได้รับการฝึกอบรมและประเมินผลเพื่อความแม่นยำและความแม่นยำ โมเดลนั้นจะถูกแปลงและบีบอัดให้ทำงานในอุปกรณ์ที่ใช้ไมโครคอนโทรลเลอร์
Edge Impulse จัดการไปป์ไลน์ทั้งหมดตั้งแต่การเก็บข้อมูลไปจนถึงการปรับใช้โมเดล มีเครื่องมือที่สามารถเรียกใช้ใน Windows หรือ macOS เพื่อรวบรวมข้อมูลจากเซ็นเซอร์และนำเข้าไปยังแพลตฟอร์มบนคลาวด์ ขึ้นอยู่กับรูปแบบข้อมูล เช่น อนุกรมเวลา เสียง และวิดีโอ นักพัฒนาสามารถเลือกสถาปัตยกรรมโครงข่ายประสาทเทียมที่เหมาะสมและเทคนิคการเพิ่มประสิทธิภาพเพื่อฝึกโมเดล สุดท้าย Edge Impulse จะแปลงโมเดล เพิ่มประสิทธิภาพ และสร้างสิ่งประดิษฐ์ที่สามารถนำมาใช้โดยตรงในอุปกรณ์ ทั้งหมดนี้ทำได้โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว
เบื้องหลัง Edge Impulse ใช้ประโยชน์จากโครงสร้างพื้นฐาน เฟรมเวิร์ก และเครื่องมือที่มักใช้โดยนักวิทยาศาสตร์ข้อมูลผู้เชี่ยวชาญและวิศวกร ML ใช้ประโยชน์จากการทำให้เป็นคู่ขนานสำหรับการประมวลผลข้อมูลและสุ่มตัวอย่างชุดข้อมูล TensorFlow ใช้เพื่อสร้างและฝึกเครือข่ายประสาทเทียมที่ได้รับการสนับสนุนจากตัวเร่ง AI อันทรงพลัง เช่น GPU
TensorFlow Liteซึ่งเป็นรสชาติของ TensorFlow ที่ปรับให้เหมาะกับอุปกรณ์ ใช้สำหรับการแปลงและกระชับโมเดล Edge Impulse ยังสามารถสร้าง Web Assembly หรือรุ่น TensorRT ที่ปรับให้เหมาะสมสำหรับอุปกรณ์ Edge ที่ใช้ NVIDIA Jetson
ข้อได้เปรียบหลักของการรัน AI ในระบบฝังตัวคือการทำการคาดการณ์โดยไม่ขึ้นอยู่กับคลาวด์หรือบริการภายนอก โมเดลต่างๆ จะกลายเป็นส่วนหนึ่งของเฟิร์มแวร์ที่แฟลชลงในอุปกรณ์
Edge Impulse ได้ร่วมมือกับบริษัทซิลิคอนและนักพัฒนาชุดอุปกรณ์อิเล็กทรอนิกส์ DIY เพื่อเร่งการสร้างแบบจำลอง AI สำหรับไมโครคอนโทรลเลอร์ กำลังได้รับแรงฉุดจากชุมชนนักพัฒนาอดิเรกและบริษัท IoT เพื่อนำ AI เข้าสู่ระบบนิเวศของอุปกรณ์ฝังตัว
เมื่อเดือนที่แล้ว Edge Impulse ได้ระดมทุนรอบ Series A มูลค่า 15 ล้านดอลลาร์ นำโดย Canaan Partners ร่วมกับ Acrew Capital, Fika Ventures, Momenta Ventures และ Knollwood Investment Advisory การระดมทุนนี้จะช่วยต่อยอดภารกิจในการทำให้ ML เป็นประชาธิปไตยสำหรับนักพัฒนาและวิศวกรหลายล้านคนที่ปรับใช้กับอุปกรณ์ Edge หลายพันล้านเครื่อง
การระบาดใหญ่ของ COVID-19 กำลังส่งผลกระทบอย่างไม่สมส่วนต่อชีวิตส่วนตัวและอาชีพของผู้หญิง ตามที่ประชุม World Economic Forum (WEF) ระบาดตั้งปีได้มีการกำหนดไว้แล้วความพยายามของความเท่าเทียมกันทางเพศทั่วโลกกลับขึ้นกว่ารุ่น
รายงานใหม่ของ Deloitte Global Women @ Work: A global outlookซึ่งสำรวจผู้หญิง 5,000 คนใน 10 ประเทศ แสดงให้เห็นว่าความรับผิดชอบของผู้หญิงในที่ทำงานและที่บ้านเพิ่มขึ้นตั้งแต่เริ่มมีการระบาดใหญ่
การเปลี่ยนแปลงวิถีชีวิตและความรับผิดชอบเหล่านี้ทำให้เกิดความไม่พอใจในงานในหมู่ผู้หญิง ยิ่งไปกว่านั้น นายจ้างไม่ได้ให้นโยบายและวัฒนธรรมของบริษัทแก่ลูกจ้างอย่างเพียงพอในการตอบสนองความต้องการของผู้หญิง: มีเพียง 22% ของผู้ตอบแบบสำรวจเชื่อว่านายจ้างของพวกเขาได้ช่วยให้พวกเขาสร้างขอบเขตที่ชัดเจนระหว่างการทำงานและชีวิตส่วนตัว ส่วนใหญ่รู้สึกว่าต้อง “ทำงานตลอดเวลา” ในที่ทำงาน และ 63% รู้สึกว่านายจ้างประเมินพวกเขาโดยพิจารณาจากเวลาที่ใช้ออนไลน์มากกว่าคุณภาพของผลงาน ด้วยเหตุนี้ มีเพียง 39% เท่านั้นที่เชื่อว่าความมุ่งมั่นขององค์กรในการสนับสนุนพวกเขาในช่วงเวลานี้เพียงพอแล้ว

เว็บแอพพลิเคชั่น

“ผู้หญิง โดยเฉพาะผู้หญิงผิวสี ผู้หญิง LGBT+ พ่อแม่เพียงคนเดียว และผู้ที่มีหน้าที่ดูแลดูแล—ต้องเผชิญกับความเครียดจากการทำงานและที่บ้านมากขึ้นในช่วงโควิด-19 ซึ่งนายจ้างส่วนใหญ่ไม่ได้หรือไม่สามารถจัดการได้” Michele Parmelee จาก Deloitte Global กล่าว รองประธานเจ้าหน้าที่บริหารและประธานเจ้าหน้าที่ฝ่ายบุคคลและวัตถุประสงค์ “ผู้หญิงหลายคนที่ไม่พึงพอใจกับสถานการณ์การทำงานในปัจจุบันกำลังพิจารณาที่จะลาออกจากนายจ้างปัจจุบันเพื่อไปอยู่ในสภาพแวดล้อมที่ดีและเอื้อเฟื้อเผื่อแผ่มากขึ้น มากกว่าครึ่งหนึ่งของผู้ตอบแบบสอบถามของเราคาดหวังที่จะลาออกจากนายจ้างปัจจุบันภายในสองปี หรือกำลังมองหางานกับองค์กรอื่นอยู่แล้ว”
อย่างไรก็ตาม บางองค์กรกำลังทำให้ถูกต้อง เพราะพวกเขาได้สร้างวัฒนธรรมที่ครอบคลุมและมีความน่าเชื่อถือสูง ซึ่งให้การสนับสนุนทางโปรแกรมที่มากขึ้นแก่ผู้หญิงในทีมงานของตน ผู้หญิงที่ทำงานในองค์กรเหล่านี้ ซึ่งระบุโดยการสำรวจว่า “ผู้นำความเท่าเทียมทางเพศ” รู้สึกมั่นใจเกี่ยวกับการรายงานพฤติกรรมที่ไม่ครอบคลุมและสนับสนุนการสร้างสมดุลระหว่างงานและภาระผูกพันอื่นๆ และพวกเขายังรู้สึกว่าอาชีพของพวกเขาก้าวหน้าเร็วเท่าที่พวกเขาต้องการ
น่าเสียดายที่ “ผู้นำความเท่าเทียมทางเพศ” เหล่านี้ประกอบขึ้นเป็นองค์กรส่วนน้อย ซึ่งคิดเป็นเพียง 4% ของตัวอย่างทั่วโลกที่สำรวจในรายงานของ Deloitte อย่างไรก็ตาม องค์กรสามารถรับรู้ถึงประโยชน์มากมายจากการทำตามแบบอย่างของผู้นำความเท่าเทียมทางเพศ และสร้างวัฒนธรรมที่มีความครอบคลุมและไว้วางใจสูง ซึ่งผู้หญิงรู้สึกว่าได้รับการสนับสนุน
การเก็บเกี่ยวผลประโยชน์ของความเท่าเทียมทางเพศ
ประโยชน์ของการจัดลำดับความสำคัญของความเท่าเทียมทางเพศนั้นชัดเจนสำหรับองค์กรและพนักงาน รวมถึงความพึงพอใจในงานที่สูงขึ้น อัตราการผลิตที่สูงขึ้น และความภักดีของนายจ้างที่มากขึ้น 4% ของบริษัทที่ระบุว่าเป็นผู้นำความเท่าเทียมทางเพศตามรายงานของ Deloitte ได้ตระหนักถึงประโยชน์ทางธุรกิจที่สำคัญในการสนับสนุนผู้หญิง
ตามที่ Parmelee ตั้งข้อสังเกต ผลประโยชน์เหล่านี้ไม่ได้เกิดขึ้นจริง: “ผู้นำความเท่าเทียมทางเพศใช้ขั้นตอนที่ชัดเจนและรอบคอบเพื่อให้พนักงานทั้งหมดของพวกเขาเติบโต” เธอกล่าว “และการทำเช่นนี้ไม่เพียงส่งผลดีต่อพนักงานเท่านั้น แต่ยังส่งผลกระทบเชิงบวกทั่วทั้งองค์กร”
ผู้หญิงที่ทำงานให้กับผู้นำความเท่าเทียมทางเพศกล่าวว่าองค์กรของพวกเขาได้ตอบสนองต่อความต้องการของพนักงานในช่วงที่มีการระบาดใหญ่โดยกำหนดขอบเขตที่ชัดเจนเกี่ยวกับชั่วโมงทำงาน เสนอเวลาพักและกำหนดวัตถุประสงค์การทำงานใหม่เพื่อให้เป็นไปตามความเป็นจริงมากขึ้นในสภาพแวดล้อมปัจจุบัน
การสำรวจยังพบว่าผู้นำความเท่าเทียมทางเพศมีโอกาสมากกว่าสองเท่าขององค์กรที่ล้าหลัง ซึ่งก็คือ 31% ของกลุ่มตัวอย่างทั่วโลกที่ไม่ได้แสดงให้เห็นถึงวัฒนธรรมที่ครอบคลุม เพื่อเสนอโครงการให้คำปรึกษาอย่างเป็นทางการสำหรับผู้หญิง (40% เทียบกับ 16%) เพื่อให้ โอกาสในการพัฒนาสำหรับผู้หญิง (38% เทียบกับ 15%) และให้การสนับสนุนในการดูแลเด็ก ซึ่งรวมถึงการสนับสนุนการดูแลเด็กฉุกเฉิน (22% เทียบกับ 8%)
ขั้นตอนในการบรรเทาผลกระทบของโรคระบาด
แม้ว่าผู้นำความเท่าเทียมทางเพศอาจอยู่ในกลุ่มชนกลุ่มน้อยในปัจจุบัน องค์กรสามารถดำเนินการหลายอย่างเพื่อย้อนกลับผลกระทบของการระบาดใหญ่ต่อสตรีวัยทำงาน—และเก็บเกี่ยวผลประโยชน์จากการสนับสนุนความเท่าเทียมทางเพศ
“ผู้ตอบแบบสำรวจของเรามีความชัดเจนเกี่ยวกับสิ่งที่ต้องทำเพื่อย้อนกลับผลกระทบที่ไม่สมส่วนของการระบาดใหญ่ต่อสตรีวัยทำงาน” Parmelee กล่าว คำแนะนำสี่ประการเพื่อช่วยให้องค์กรเป็นผู้นำความเท่าเทียมทางเพศ:
จัดลำดับความสำคัญของความสมดุลระหว่างชีวิตและการทำงาน และเสนอทางเลือกการทำงานที่ยืดหยุ่นซึ่งยึดติดอยู่กับวัฒนธรรมของบริษัท เพื่อให้พนักงานทุกคนรู้สึกว่าสามารถใช้ประโยชน์จากพวกเขาได้
ส่งเสริมให้ผู้หญิงประสบความสำเร็จนอกงานเพื่อให้ประสบความสำเร็จในที่ทำงาน
สร้างทักษะและประสบการณ์ของผู้หญิงโดยเสนอโอกาสในการพัฒนาที่เติมเต็ม
แสดงให้เห็นถึงความมุ่งมั่นที่มองเห็นได้เพื่อความเท่าเทียมทางเพศจากผู้นำ
“ในขณะที่องค์กรต่างๆ มองหาการเปิดสถานที่ทำงานอีกครั้ง องค์กรที่ให้ความสำคัญกับความหลากหลาย ความเสมอภาค และการรวมไว้ในนโยบายและวัฒนธรรมของพวกเขา และให้การสนับสนุนที่เป็นรูปธรรมสำหรับผู้หญิงในแรงงานของพวกเขา จะมีความยืดหยุ่นมากขึ้นต่อการหยุดชะงักในอนาคต” Parmelee กล่าว “นอกจากนี้ พวกเขาจะวางรากฐานที่จำเป็นในการขับเคลื่อนผู้หญิงและความเท่าเทียมทางเพศไปข้างหน้าในที่ทำงาน”

Web​ application

ตอนแรกมีเมฆ จากนั้นก็มีคลาวด์สาธารณะและคลาวด์ส่วนตัว… ซึ่ง (อย่างที่เราทราบ) ได้สร้างไฮบริดคลาวด์ขึ้นมาเป็นลูกหลานอันเป็นที่รักของทั้งสอง
จากนั้นมีมัลติคลาวด์ ซึ่งเป็นการรวมทรัพยากรการประมวลผลที่องค์กรใช้บริการคลาวด์ที่แตกต่างจากผู้ให้บริการคลาวด์ (CSP) ต่างๆ เพื่อเรียกใช้ปริมาณงานสำหรับแอปพลิเคชัน แผนก บริษัทสาขา หรือแม้แต่ฟังก์ชันเวิร์กโฟลว์เฉพาะที่แตกต่างกัน
หลังจากนั้น ก็มีแนวคิดที่เรียกว่า poly-cloud การแยกส่วนต่างๆ ของแอปพลิเคชันหรือปริมาณงานของบริการข้อมูลใน CSP ต่างๆ การดำเนินการเมื่อราคา ประสิทธิภาพ เวลาแฝง กฎหมายหรือข้อกำหนดหลักอื่นๆ เกิดขึ้น ของปริมาณงานสามารถแบ่งส่วนได้อย่างแม่นยำ (และปลอดภัยเพียงพอ) เพื่อรับประกันการแยกปริมาณงานออกจากผู้ให้บริการระบบคลาวด์ที่แตกต่างกัน
สิ่งที่สร้างขึ้นทั้งหมดคือโลกของเมฆจำนวนมาก ดังนั้นจึงมีข้อกังวลมากมาย… นี่คือโลกของกลไกโพลี-ไฮบริดแบบมัลติคลาวด์
ความฉลาดต่อเนื่องทั่วอีเธอร์
ความซับซ้อนที่สร้างขึ้นที่นี่แสดงถึงความท้าทายสำหรับองค์กรองค์กรที่ต้องการล็อคทรัพยากรบนคลาวด์ซึ่งขณะนี้ครอบคลุมทรัพยากรการประมวลผลที่ซับซ้อนและเชื่อมโยงถึงกันอย่างคาดไม่ถึง
Sumo Logic ได้สร้างข้อเสนอการป้องกันภัยคุกคามแบบมัลติคลาวด์และไฮบริดที่ขับเคลื่อนโดย Amazon Web Services Inc. (AWS) โดยมุ่งหวังที่จะให้แบรนด์เป็นข่าวกรองที่ต่อเนื่องในระดับหนึ่ง ซูโม่ลอจิกเมฆ SIEM Powered by AWSถูกสร้างขึ้นบนแพลตฟอร์มของตัวเองที่มีตราสินค้าข่าวกรองซูโม่สลอจิกอย่างต่อเนื่องกับเสียมแสดงถึงความปลอดภัยของข้อมูลและ [รหัสซอฟต์แวร์] การจัดการเหตุการณ์ที่มันไม่
นี่ไม่ใช่การป้องกันมัลแวร์ป้องกันไวรัสในระดับผู้บริโภคทั่วไปที่คุณอาจจำเป็นต้องติดตั้งเมื่อคุณตั้งค่าแล็ปท็อปเครื่องใหม่ นี่คือการป้องกันซอฟต์แวร์ที่เน้นโค้ดเป็นศูนย์กลางและข่าวกรองด้านความปลอดภัย โดยมีฟังก์ชันที่เน้นในด้านต่างๆ เช่น การปฏิบัติตามข้อกำหนด การวิเคราะห์ความปลอดภัย และเทคโนโลยีคลาวด์ SIEM
บริษัทต่างๆ กล่าวว่าพวกเขาได้ทำงานร่วมกันเพื่อนำเสนอการผสานการทำงานแบบทันทีทันใดกับบริการรักษาความปลอดภัยหลักของ AWS รวมถึงการผสานรวมกับ SaaS บนคลาวด์และบริการรักษาความปลอดภัยภายในองค์กร นี่คือทั้งหมดที่เกี่ยวกับการสร้างเทคโนโลยีที่สามารถดำเนินการตรวจสอบภายในอย่างลึกซึ้งของบริการคลาวด์และกำจัดจุดบอดด้านความปลอดภัยในสภาพแวดล้อมมัลติคลาวด์ ไฮบริด (และโพลี-คลาวด์อย่างแท้จริง)
ความฉลาดทางข้อมูลตามบริบท
ทั้ง Sumo Logic และ AWS ต่างก็พูดถึงความอัจฉริยะของข้อมูลตามบริบท และในกรณีนี้ ข้อมูลภัยคุกคามตามบริบท นั่นไม่ได้หมายความว่าบริบทโดยรอบแหล่งที่มาของมัลแวร์อาจมาจาก ในกรณีนี้ เป็นรายงานบนคลาวด์ตามบริบทเพื่อเน้นว่าจุดอ่อนขององค์กรอาจขึ้นอยู่กับ:
ก) เทคโนโลยีคลาวด์เสมือนจริงที่ติดตั้งไว้ขององค์กร’
ข) “ความสมบูรณ์ของการดำเนินงาน” ขององค์กรและความสามารถในการดำเนินการและแก้ไขกลไกภายในของแอประบบคลาวด์เมื่อได้รับการร้องขอ
c) ความสามารถขององค์กรในการสร้าง Security Operations Center (SOC) ของตนเองเพื่อทำงานร่วมกับนักพัฒนาระบบคลาวด์เพื่อล็อค IT stack
สำหรับบริษัทที่ไม่มี Security Operations Center (SOC) ภายในหรือภายนอก ข้อเสนอจะให้การตรวจสอบความปลอดภัย การมองเห็นและการแจ้งเตือน สำหรับองค์กรที่ปรับปรุง SOC ของตนให้ทันสมัย ​​ข้อเสนอจะให้ความสัมพันธ์ระหว่างภัยคุกคามกับการตรวจจับแมชชีนเลิร์นนิง ระบบอัตโนมัติ และการจัดการ
Greg Martin รองประธาน Sumo Logic อ้างว่าบริษัทของเขามีแนวทางที่ครอบคลุมเพื่อเปิดเผยกิจกรรมที่สามารถระบุถึง “เหตุการณ์การคำนวณระยะแรก” (ซึ่งอาจเกี่ยวข้องกับความเสี่ยง) โดยระบุการเพิ่มขึ้นอย่างรวดเร็วและความผิดปกติโดยอิงจากข้อมูลพื้นฐานในอดีตขององค์กร .

Robot Auto process

“ไม่ถูกจำกัดด้วยพลังการประมวลผลของฮาร์ดแวร์ภายในองค์กร โซลูชัน Cloud SIEM ของ Sumo Logic จัดการกับความท้าทายที่ผู้ปฏิบัติงานด้านความปลอดภัยต้องเผชิญในปัจจุบันด้วยการให้การมองเห็นอย่างเต็มรูปแบบทั่วทั้งไอที ​​การพัฒนาแอปพลิเคชัน และระบบนิเวศการรักษาความปลอดภัย ทำให้การทำงานด้วยตนเองเป็นอัตโนมัติสำหรับนักวิเคราะห์ความปลอดภัย ประหยัดเวลาและ ช่วยให้พวกเขามีประสิทธิภาพมากขึ้นโดยมุ่งเน้นไปที่ฟังก์ชั่นความปลอดภัยที่มีมูลค่าสูงขึ้น” มาร์ตินและทีมงานกล่าว