EO516_marzo_2024

DIGITAL MCU s La famiglia di microcontrollori Ensemble di Alif Semiconductor permette di implementare l’apprendimento automatico nei prodotti con severi vincoli in termini di consumi senza penalizzare le prestazioni Si prenda, ad esempio, una gattaiola elettronica basata sull’intelligenza artificiale. Usando l’apprendimento auto- matico (machine learning), la gattaiola verrebbe in primo luogo addestrata a distinguere un gatto da un altro ani- male o oggetto. Con un ulteriore addestramento, potrebbe quindi imparare a distinguere un gatto da tutti gli altri gatti e ad aprire la gattaiola solo per quel determinato gatto. Il risultato è che la casa è protetta dagli altri gatti e il gatto in questione non ha bisogno di indossare un collare RFID o usare una tecnologia datata altrettanto scomoda per entra- re in casa. In questo caso, l’uso dell’intelligenza artificiale comporta vantaggi sia per il proprietario sia per l’animale domestico. Se questa o altre applicazioni embedded potenziate dall’in- telligenza artificiale devono essere alimentate tramite batteria, il basso consumo energetico è un requisito fonda- mentale. Lamaggior parte di queste applicazioni, di dimen- sioni contenute e con risorse limitate, utilizzano un micro- controllore generico. Sebbene sia possibile implementare funzionalità di apprendimento automatico utilizzando un microcontrollore di questo tipo, questi dispositivi non sono in grado di eseguire rapidamente le attività basate sull’intelligenza artificiale, oltre a consumare troppa ener- gia nell’esecuzione degli algoritmi AI. Le GPU utilizzate dai server, anche se in grado di fornire una capacità di elabora- zione anchemolto superiore rispetto a quella richiesta dalle applicazioni embedded, superano di gran lunga i budget in termini di costo e consumo energetico di queste ultime. Per realizzare un prodotto alimentato a batteria e capace di supportare l’intelligenza artificiale, un progettista deve individuare una modalità più efficace per implementare i carichi di lavoro del machine learning pur continuando a utilizzare i tool e i set di istruzioni tipici di un microcon- trollore “general purpose”. Combinando una nuova archi- Il recente e crescente interesse per l’intelligenza artificia- le (AI) è probabilmente dovuto alle crescenti capacità degli “engine” AI su larga scala, come OpenAI, basati sul model- lo linguistico GPT (Generative Pre-trained Transformer). Mentre questi sistemi funzionano a livello di data center, dove le GPU forniscono la potenza di elaborazione, i carichi di lavoro dell’intelligenza artificiale su scala ridotta posso- no migliorare le prestazioni e la fruizione/interazione (user experience) degli utenti dei prodotti finali embedded che sono fortemente limitati in termini di risorse. MCU general purpose per l’inferenza IA/ML di alto livello in design alimentati a batteria Henrik Flodell Sr. Director, Product Marketing Alif Semiconductor ELETTRONICA OGGI 516 - MARZO 2024 41