ESP-EYE: ogen, oren en intelligentie voor uw IoT-applicaties

Kunstmatige intelligentie, gezichtsherkenning en spraakherkenning… Welke middelen zijn er nodig om die lastige technieken in te kunnen zetten? Iedereen heeft er op zijn minst van gehoord, of gebruikt het soms zelfs zonder het te beseffen. Er moet nog wel een stap worden gezet, voordat we het zelf kunnen toepassen. Maar dankzij de, door Espressif voor het IoT ontworpen, ESP-EYE-module voor kunstmatige intelligentie hoeft dat geen grote stap te zijn! Ook voor uw persoonlijke creaties.

Google heeft met Coral een nieuw platform hardware- en softwarehulpmiddelen gelanceerd waarmee je neurale netwerken lokaal en zonder gebruik van de cloud kunt ontwikkelen.

Wat voor functies kunnen tegen redelijke kosten worden gerealiseerd met machine vision in embedded zelfbouwprojecten? Er zijn allerlei beeldverwerkingsprocessen die de mogelijkheden van eenvoudige sensoren ver te boven gaan. Misschien hebben we bewegingsdetectie nodig, willen we kleuren of markeringen volgen of zijn we geïnteresseerd in gezichtsdetectie en eye-tracking. Voor veel toepassingen is het herkennen en lezen van QR-codes heel nuttig. Al deze functies en nog veel meer zijn beschikbaar op één enkele kaart die werkt met geavanceerde, kant-en-klare Python-scripts.

De video die ElektorTV deze week voor u heeft geselecteerd gaat over de experimenteerkit Google AI Voice Kit, waarmee Google "zijn" kunstmatige intelligentie beschikbaar stelt voor gesproken communicatie tussen mens en machine. Natuurlijk kun je je afvragen waarom Google eigenlijk zo gul is, maar hun aanbod is wel interessant. Een kartonnen doos om te communiceren met Big Brother, dat is geen kleinigheid.

videantis GmbH kondigde onlangs zijn nieuwe v-MP6000UDX visual processing architecture en v-CNNDesigner tool aan. De nieuwe processor zou de prestaties van het deep learning algoritme tot wel drie orden van grootte verbeteren, en toch softwarecompatibiliteit behouden met de al zeer krachtige en geslaagde v-MP4000HDX-architectuur. videantis heeft veel groei gezien in de automotive sector dankzij de snelle adoptie van Advanced Driver Assistance Systems (ADAS). De technologie is geadopteerd door verschillende vooraanstaande halfgeleiderbedrijven en OEM’s en wordt al toegepast op de weg in miljoenen voertuigen. Er is ook groei op het gebied van virtuele en Augmented Reality (AR). Een recente trend in het toepassen van op deep learning gebaseerde algoritmen naar de embedded vision-systemen. Maar deep learning vraagt om orden van grootte meer rekencapaciteit en bandbreedte. En dat zegt videantis te adresseren met zijn nieuwe v-MP6000UDX-architectuur.

“Vraag niet wat computers kunnen doen, maar wat ze moeten doen”, zegt Microsofts president Brad Smith. Met een nieuw boek adresseert Microsoft de ethische kant van Kunstmatige Intelligentie (KI). Hiermee hoopt het bedrijf een mondiale discussie te genereren over de ontwikkeling van KI. Want de rol die KI zal vervullen in de maatschappij kan niet bepaald worden door een paar bedrijven en experts, aldus Smith. Daar moet iedereen over meebeslissen.

Nvidia, de fabrikant van grafische chips en van de Jetson-kaarten waar ik eerder over schreef, heeft al samenwerkingsverbanden met de fabrikanten van volledig elektrische auto’s Tesla en Baidu. Nu is Nvidia klaar voor de technologie van zelfrijdende auto’s. Op de technologiebeurs CES in Las Vegas onthulde Nvidia dat Uber’s vloot van zelfrijdende auto’s gebruik maakt van hun technologie bij het waarnemen van de wereld om zich heen en het razendsnel nemen van beslissingen. Uber gebruikt Nvidia’s GPU-rekentechnologie al sinds de eerste testvloot van Volvo SC90 SUV’s die werden ingezet in Pittsburgh en Phoenix in 2016.

Rigetti Computing heeft aangetoond dat één van hun supergeleidende kwantumprocessors in staat is tot een soort van machineleren dat een flinke bijdrage zou kunnen leveren aan de kunstmatige intelligentie (AI). De 19Q, Rigetti’s 19qubit-kwantumprocessor die werkt met supergeleiding, zou in staat zijn tot machinaal leren zonder supervisie. In tegenstelling tot machineleren met supervisie, waar de output van een algoritme wordt vergeleken met "gelabelde" trainingsdata, biedt deze manier van leren de mogelijkheid om ingewikkelde problemen op te lossen met behulp van alleen inputdata, zonder speciale trainingsdata en met niet van te voren vastgelegde uitkomsten.

Machine-leermodellen die zijn gebaseerd op CNN’s maken gebruik van grote verzamelingen trainingsdata om te leren objecten en gebeurtenissen te herkennen. Maar als die trainingsdata niet specifiek is samengesteld voor een bepaald element of een bepaalde situatie, generaliseren deze systemen niet goed. Intel's neuromorfische chip ‘Loihi’ imiteert de werking van het brein door leren met behulp van verschillende manieren van terugkoppeling uit de omgeving. Zo’n systeem hoeft niet op de traditionele manier te worden getraind en kan zijn prestaties in de loop van de tijd verbeteren.

Met de recente release van bijzonder krachtige microcontrollers en ontwikkelkits, komt kunstmatige intelligentie (AI) met behulp van neurale netwerken binnen bereik van gretige programmers die op zoek zijn naar een nieuwe uitdaging na programmeren. “Zelfbouw AI” werd lang voor onhaalbaar gehouden, maar volgens NVIDIA gaan nu de Jetson TX1 en TX2 “het vermogen van een AI-supercomputer in uw hand geven.” Voor ruim $600 is nu hardware te koop die behoorlijk diepe neurale netwerken kan draaien, met ondersteuning voor de nieuwste technologie in grafische software, GPU-rekenen, computer vision en meer.