1. AI簡介

　　AI（人工智能）起源于達特茅斯學院于1956年舉辦的夏季研討會,。在該會議上,，“人工智能”一詞首次被正式提出,。計算能力的技術突破推動了人工智能一輪又一輪的發(fā)展,。近年來，隨著大數(shù)據(jù)的可用性提高,，第三輪人工智能發(fā)展浪潮已經(jīng)來臨,。2015年,，基于深度學習的人工智能算法在ImageNet競賽的圖像識別精度方面首次超過人類,，人工智能在發(fā)展道路上高歌猛進,。隨著計算機視覺技術研究取得突破，深度學習已經(jīng)在語音識別,、自然語言處理等不同研究領域都獲得了巨大的成功。現(xiàn)在,，人工智能已經(jīng)在生活中的方方面面顯示出巨大潛力,。

　　結(jié)合人工智能技術的發(fā)展階段，現(xiàn)將一些主要概念大致解釋如下,。

　　AI：能讓計算機腦模擬人類行為的一切技術,。

　　機器學習：人工智能（AI）的子集。通過從數(shù)據(jù)中學習而不斷改進的算法和方法,。

　　深度學習：機器學習（ML）的子集,。通過使用模擬人類大腦神經(jīng)網(wǎng)絡的多層結(jié)構(gòu)，從大量數(shù)據(jù)中獲得有價值信息的學習算法,。

　　2. 人工智能的新生力量,，意法半導體Deep Edge AI應運而生

　　目前，因為算力的需求,，人工智能技術主要應用于云端場景,。由于數(shù)據(jù)傳輸延遲等因素的限制，基于云的解決方案可能無法滿足部分用戶對數(shù)據(jù)安全性,、系統(tǒng)響應能力,、私密性、以及本地節(jié)點功耗的需求,。在集中式人工智能解決方案中,，嵌入式設備（智能音箱、可穿戴設備等）通常依賴云服務器實現(xiàn)人工智能能力,，而在Deep Edge AI解決方案中,，嵌入式設備本身即可在本地運行人工智能算法，實現(xiàn)實時環(huán)境感知,、人機交互,、決策控制等功能,。

　　將推理過程移到深度邊緣計算會帶來一些優(yōu)勢，比如系統(tǒng)響應能力,、更好的用戶信息隱私保護（并非所有數(shù)據(jù)都需要通過多個系統(tǒng)傳輸?shù)皆贫耍?、降低連接成本和功耗。

　　根據(jù)ABI的研究結(jié)果,，到2030年,，Deep Edge AI器件的全球出貨量將達到25億臺。意法半導體注意到,，圍繞Deep Edge AI技術的社區(qū)和生態(tài)系統(tǒng)越來越多,，專注于獨立、低功耗且經(jīng)濟劃算的嵌入式解決方案,。作為該趨勢的主要推動者,，意法半導體已經(jīng)在AI方面投入大量資源，旨在幫助開發(fā)人員在基于微控制器/微處理器（STM32系列）和傳感器（MEMS,、ToF…）的嵌入式系統(tǒng)上快速部署AI應用,。意法半導體為STM32系列和集成了機器學習核心（MLC）的MEMS傳感器提供了一套AI工具，可以加快開發(fā)周期,，并且可以優(yōu)化訓練好的AI模型（STM32Cube.AI）,。

　　作為通用技術，人工智能已經(jīng)在多個領域取得了令人矚目的成就,。我們相信,，越來越多的智能終端設備將會對人類生活產(chǎn)生更為直接的積極影響。

　　3. 通過意法半導體的生態(tài)系統(tǒng)快速部署AI應用

　　意法半導體提供一個包含硬件和軟件的生態(tài)系統(tǒng),，幫助快速,、輕松地開發(fā)用于傳感器和微控制器的多種Deep Edge AI算法。

　　MEMS傳感器生態(tài)系統(tǒng)中的機器學習通過運行在名為機器學習核心（MLC）的傳感器嵌入式引擎上的決策樹分類器,，幫助設計人員利用AI at the Edge實現(xiàn)手勢,、活動識別、異常檢測等,。

　　因此,，物聯(lián)網(wǎng)解決方案開發(fā)人員可以在快速原型制作環(huán)境中部署我們的任意（內(nèi)嵌機器學習核心的）傳感器，以便使用UNICO-GUI工具快速開發(fā)超低功耗應用,。

　　借助內(nèi)置的低功耗傳感器設計,、高級AI事件檢測、喚醒邏輯和實時邊緣計算功能,，傳感器中的MLC極大地減少了系統(tǒng)數(shù)據(jù)傳輸量,，降低了網(wǎng)絡處理負擔。

　　如果開發(fā)人員決定開發(fā)一個基于傳感器內(nèi)機器學習核心的解決方案，則需要一套全新的方法來發(fā)布自己的應用,。

　　如要創(chuàng)建任何機器學習算法,，起點都是數(shù)據(jù)及其對類（用于描述待解決的復雜問題）的定義。您可以遵循五個步驟,，在傳感器中創(chuàng)建并運行AI應用,。UNICO-GUI是一種圖形用戶界面，能夠支持包括決策樹生成在內(nèi)的所有五個步驟,。

　　為了便于開發(fā)人員快速向STM32部署已訓練的AI模型,，我們開發(fā)了一款使用簡單易用且高效的工具 - STM32Cube.AI（也稱X-CUBE-AI）。X-CUBE-AI可以分析并將已訓練的神經(jīng)網(wǎng)絡轉(zhuǎn)換為優(yōu)化的C語言代碼,，并針對STM32目標進行自動測試,。當然，X-CUBE-AI是一款非常強大的工具,，后續(xù)文章中將介紹其更多功能,。

　　為了展示幾種不同的AI應用如何可以在STM32上直接運行，并加快STM32嵌入式開發(fā)人員的開發(fā),、驗證和部署進程,，意法半導體提供許多AI應用作為參考。

　　開發(fā)人員可以基于這些嵌入式AI應用軟件包進行二次開發(fā),，快速實現(xiàn)自定義模型的部署。

　　更多細節(jié)將在后續(xù)文章中介紹,。

　　AI開發(fā)工具和嵌入式應用軟件包總結(jié)如下

　　STM32的所有MCU都支持AI模型的部署,。對于計算能力較低的MCU，支持機器學習算法（ML）,。對于計算能力較高的MCU,，還支持神經(jīng)網(wǎng)絡模型（DL）。

　　可以運行應用示例的評估板列表總結(jié)如下,。

　　產(chǎn)品評估工具