bb>意法半導體(ST)推出NanoEdge AI Studio V3自動化機器學習工具，提供兩個額外的機器學習演算法系列、簡化的資料記錄及翻新的使用者介面。因此，該工具涵蓋了更多使用案例，可幫助嵌入式開發人員更好理解及使用。
| 圖一 : NanoEdge AI Studio V3自動化機器學習工具 |
|
什麼是NanoEdge AI Studio？
建立機器學習應用的挑戰
長久以來，期望採用機器學習的公司，為了收集長達數個月的大量資料，必須聘用一名或多名資料科學家來整理，並建立AI模型。然後，再藉由嵌入式開發人員將該模型移植到微控制器，或使用STM32Cube.AI等工具，將神經網路轉換為STM32 MCU的最佳化程式碼。然而，公司在預算及資料安全的考量下，不太可能會聘用資料科學家，或甚至外包處理。
即使世界各地都有適合的人選，但資料的品質仍待加強。雖然機器學習有長足的進步，但獲得可靠的訓練樣本仍有困難。例如，應用程式試圖偵測異常行為，卻無法獲得足夠的數據。而雖然許多資料集適用於解決分類問題，例如異常偵測，但其卻不適用於嘗試偵測新型態的異常情況。因此，取得高品質的資料也相當重要，這一點毋庸置疑。而收集不受拼字錯誤或遺漏資訊的樣本影響、並且準確標記正確無誤的資料集，可能需要大量投資。
充分運用機器學習技術
| 圖二 : NanoEdge AI Studio能夠在同一臺裝置上執行學習複雜行為的模型訓練與推論。 |
|
NanoEdge AI Studio是對嵌入式系統開發人員友善的AI開發工具，即使沒有資料科學專業知識背景的人也可以使用。奇妙之處，在於NanoEdge AI Studio能夠在同一臺裝置上執行學習複雜行為的模型訓練與推論，亦即整個過程可以在同一個STM32微控制器上執行。此外，與終端使用者互動也相當簡單，不需要另外寫程式，只需按下幾個按鈕。因此，工程師可以根據現場環境客製化，讓系統可以更穩定且更輕易安裝。
面對不同的作業系統，NanoEdge AI Studio能在Windows 10或Ubuntu上執行，並且能與最適合的資料處理及最相關的AI函式庫媒合。此應用程式的設計著重於與C語言應用程式中的嵌入式系統開發的緊密整合。
簡單來說，NanoEdge AI Studio會考慮MCU、記憶體、Flash、感測器等基本規格，並搜尋NanoEdge AI Studio內最佳的 AI 模型庫，接著產生能在STM32 MCU上執行的AI函式庫，使開發人員能夠直接整合到嵌入式應用程式專案。
在第 2 版之前，NanoEdge AI Studio 支援兩種主要的機器學習演算法：異常偵測和分類。
NanoEdge AI Studio只需少量的正常行為與異常行為資料，便能自動產生偵測AI異常的函式庫。一旦產生 AI 函式庫後，使用者可以將函式庫載入到微控制器中，直接在裝置上進行進一步的微調訓練和推論。此AI函式庫除了能從本機獲得的資料中學習裝置行為以外，還可以適應所在的裝置行為。微調訓練完成後，AI函式庫會將裝置一段時間內所取得的資料與本機建立的模型進行比對，以識別異常。
分類AI函式庫可用於分類一組資料，並呈現不同類型的設備異常（例如軸承問題、空蝕問題等）或設備環境中不同類型的事件。使用者可以將訊號匯入Studio，只需要按幾個按鈕即可建立分類ML函式庫。在微控制器上執行時，分類器會分析即時資料，並提供相似性百分比。
NanoEdge AI Studio新功能
新的演算法系列：外插和異常值
| 圖三 : NanoEdge AI Studio V3除了異常偵測與分類兩種應用，並提供兩個新的演算法系列：外插和異常值。 |
|
最新的NanoEdge AI Studio V3除了上述的異常偵測與分類兩種應用之外， 現在還可以使用更多的函式庫。此外，ST也優化了這些演算法，提升現有使用案例的效能。因此，當嵌入式開發人員切換到新版本軟體時，會對資源管理及執行時間的升級更加有感。
NanoEdge AI Studio V3也進一步提供了兩個新的演算法系列：外插和異常值。前者有助於預測未經測試條件下出現的行為，又稱作「迴歸」，這對應多個變數之間的關係。例如，資料集可以測量風扇在100°C、110°C 和 150°C時的行為。藉由迴歸演算法，機器學習應用可以推斷風扇在160°C 時的行為。NanoEdge AI Studio 中的外插演算法除了涵蓋線性迴歸，也提供更先進的分析技術來處理複雜的情況。因此，開發人員現在可以建立新的應用，監測資料科學家無法處理的情況。
第二種演算法是依據單一類別值的離群值偵測系統進行演算。實際上，系統只學習正常行為，任何偏離原始分布的行為都會被視為異常。以前，使用異常偵測系統時，開發人員會記錄正常行為，然後再模擬一或多個異常狀況。如前所述，其能夠在同一個微控制器上學習所有行為，並讓操作大幅簡化。不過，在某些情況下，完整重現異常狀態是不可能的。因此，離群值偵測可以使用例行操作的資料，推論是否有異常發生。
新的簡便資料記錄功能
資料科學家有時會遇到如何將成品推到市場的問題，雖然有實際數據是最好的，但因時間關係，並非每次都可以取得資料。因此，新的資料記錄功能可將任何STWIN SensorTile無線工業節點變成最直接的資料收集工具。首先，使用者將開發板連接到自己的電腦，使用NanoEdge AI Studio切換到資料記錄後，未來的資料便都會自動記錄。工程師可以將STWIN開發板固定到自己的設備進行監測，感測器會記錄資料，方便開發人員進行標記和剖析，以建立更精確的應用。
在嵌入式系統上的使用體驗
自訂、產生和驗證自動機器學習
| 圖四 : NanoEdge AI Studio讓開發人員能夠自訂、產生和驗證本身的機器學習函式庫。 |
|
在NanoEdge AI Studio出現之前，工程師必須聯絡軟體廠商，檢查本身的硬體設定以及要監測的行為。如今，NanoEdge AI Studio讓開發人員能夠自訂、產生和驗證本身的機器學習函式庫。
首先，使用者需選擇本身的Cortex-M架構和系統中的感測器，接著匯入檔案，其中包含描述設備一般行為的數值，其可以是來自風扇上之加速度計所產生的資料，也可以是工業設備的電氣資訊，完成後，NanoEdge AI Studio會自動測試、最佳化和排列數億種可能組合中最佳的演算法組合，並產生客製化函式庫，開發人員便可以使用嵌入式模擬器進行驗證。
NanoEdge AI Studio V3現在使用者介面支援所有ST開發板，優化後的免費函式庫有助於使用者輕鬆執行概念驗證。例如，在智慧震動感測器教學課程中，可以利用NUCLEO-L432KC 擷取風扇的正常行為後，將資料提供給NanoEdge AI Studio並獲得AI函式庫，使用者便可以在main loop中呼叫此函式庫進行推斷。因此，NanoEdge AI程式庫對於迅速建立使用預測性維護、智慧安全操作等應用是非常有幫助的。
使用 Edge AI Sprint 引導專案
許多客戶無法事前評估AI將為本身的應用帶來多少效益。因此，為了快速驗證應用，ST也提供Edge AI Sprint Package，其中除了開發工具之外，還有完整的專家支援系統，可以指導開發人員避開應用程式和使用案例固有的地雷區。
整個方案包括訓練課程、NanoEdge AI Studio 授權和技術支援。客戶可以根據專案的複雜性選擇不同的授權期限，以確保應用能量產。Edge AI Sprint是引領專案的第一步，能有效管控風險並減少投資，同時提升專案成功的機率。
