本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

世界正處于變革時代，這一時期的重要性可比肩文藝復興和工業革命。人們相信，AI和IoT就是具有前景的兩個領域，它們將使世界現代化，這兩大支柱在未來有著巨大的發展空間。

本文將通過分析AI和IoT這兩個概念來了解我們可以對其抱有什么期待;還會討論如何利用這些集成技術來開發創新性和創造性的項目;最后，本文將分析一種使代碼更緊湊、更有效地部署在嵌入式設備中的方法。

[[373794]]

什么是物聯網(IoT)?

[[373795]]

圖源：unsplash

物聯網是描述嵌入傳感器、軟件和其他技術的物理實體網絡，目的是通過互聯網和其他設備與系統連接并交換數據。物聯網的定義因多種技術、實時分析、機器學習、商品傳感器和嵌入式系統的融合不斷發展。嵌入式系統、無線傳感器網絡、控制系統、自動化等傳統領域都有助于實現物聯網。

在消費市場，物聯網技術與“智能家居”產品同義，包括支持一個或多個公共生態系統的設備和電器，并且可以通過與該生態系統相關的其他設備進行控制。

什么是人工智能和AIOT?

人工智能是一個廣泛的領域，包含許多子類，如自然語言處理(NLP)、人工神經網絡、計算機視覺、機器學習、深度學習、機器人學等。人工智能的官方定義是：能夠執行通常需要人類智能才能執行的任務的計算機系統的理論和發展，例如視覺感知、語音識別、決策和語言間翻譯。

麥肯錫全球研究所的一項研究表明，到2030年，人工智能預計每年將額外創收13萬億美元。即使在今天，人工智能技術也創造了巨額收入，但主要是在軟件領域。等到2030年，人工智能創收領域將不只局限在軟件行業，還有零售、旅游、運輸、汽車、材料、制造等行業。

人工智能與物聯網結合形成了一個全新、有趣且獨特的研究分支，人工物聯網或AIOT。搭載人工智能的物聯網能夠創建智能機器，這些機器可以模擬智能行為，同時提高決策能力，幾乎很少甚至沒有人為干擾。

通過將人工智能集成到raspberry pi和Nvidia Jetson Nano等嵌入式物聯網設備中，我們可以開發出一些杰作，利潤高且有益于整個社會。像Alexa、Siri或Google AI這樣的虛擬助手的一些示例展示了高級智能和未來的可能性。

如何入門?

1. Arduino

Arduino是一個由ATmega微控制器組成的開發板。這是開始機器人和物聯網項目的最佳方式之一。

Arduino是一家開源軟硬件公司，業余愛好者、修補者和專業人士都可以用它來構建令人驚嘆的創新項目。根據我的經驗，Arduino絕對是你實現機器人夢想的最佳方法之一，因為它比其他微控制器更容易操作。

Arduino有多種規格和尺寸，分別是Arduino Nano、Arduino Uno和Arduino mega。Nano是一種尺寸較小的板，可用于更簡單、更獨特的項目;Uno中等大小，非常適合試用以及業余愛好者級別的項目;Mega更大一點，可用于稍微復雜一點的項目和場景。

筆者認為，Arduino是開始任何類型的物聯網項目的最佳方法。使用Arduino進行傳感器控制和學習設備等一些基礎項目的管理，對于在該領域追求更具創意的想法非常有利。

剛開始學習很簡單，因為它主要是C和C++等編程語言的混合。作為初學者，主要需要擔心兩個代碼塊，即設置和循環功能塊。因此，初步建議先試用Arduino Uno開發板，然后再使用更復雜的嵌入式設備。

[[373796]]

圖源：unsplash

2. Raspberry Pi

Raspberry Pi是單板計算機，這是開始計算和編程的絕佳方式。Raspberry Pi提供了許多在分支機構中創建極酷項目的機會，例如計算機視覺、游戲、物聯網項目等等。

借助攝像機，Raspberry Pi甚至可以用于物體檢測、面部識別和監視之類的任務。如果你想開始學習編程、編碼，那么Raspberry Pi是最便宜、最好的方法。中級業余愛好者或專家也可以用它完成更高級的項目。

使用Raspberry Pi和Raspbian OS之類的操作系統進行編程的最大好處在于你可以使用多種編程語言，包括python。Thony編輯器是OS操作系統中的預裝程序，你可以在這里編寫python代碼。

Raspberry Pi中編碼的所有程序，包括機器學習和深度學習程序，都可以輕松部署。外部附件，如照相機、音頻設備等也可以添加到Raspberry Pi和控制執行實時計算機視覺任務，如視頻監控，人臉識別等。

3. Nvidia Jetson Nano

NVIDIA Jetson Nano是機器人學中人工智能相關操作的最佳工具之一，比Raspberry Pi稍貴，但計算能力更強。NVIDIA稱：NVIDIA Jetson Nano支持開發數百萬個新型小型低功耗人工智能系統，開啟了嵌入式物聯網應用程序的新世界，包括入門級網絡錄像機、家用機器人和具有完整分析能力的智能網關。

NVIDIA開發套件允許用戶運行許多神經網絡操作，包括圖像分類、分段、對象檢測、語音處理等。

雖然Nvidia Jetson Nano比Raspberry Pi貴一點，但它有相對更好的功能，也是開發中高級項目的一個很好的起點。如前所述，它功能強大，可以執行多種任務。

在我看來，這些是使用AIOT的最好的設備。當然，還有許多其他非常棒的選項和嵌入式設備選擇來開發有效的模型。

本文談到的最后一個話題至關重要，將介紹機器學習和深度學習模型的訓練后量化，以在嵌入式設備上運行GPU容量較小的復雜程序。

訓練后量化

在你的系統上有效運行的模型可能無法在低端設備上有效運行同一程序/模型。這可能是因為目標設備有硬件限制。對此，訓練后量化可以幫助改善目標設備的算法和模型的優化。

訓練后量化是一種轉換技術，可以減少模型大小，同時還可以改善CPU和硬件加速器的延遲，而模型精度幾乎不會下降。使用TensorFlow Lite轉換器將已訓練的float TensorFlow模型轉換為TensorFlow Lite格式時，你可以對其進行量化。

TensorFlow Lite轉換器在Raspberry Pi之類的設備上非常有用，可優化對象檢測模型、人臉識別模型等。使用TensorFlow Lite可以優化對象檢測項目，同時在安卓或蘋果系統設備上也有很好的效果。

在探索這些模型時，如果你確實希望將其轉換為可以惠及眾人的實際使用案例，那么模型的訓練后分析和訓練后量化對于提高效率、質量和緊湊性以將項目部署到更廣泛的受眾就變得極其重要。訓練后量化還使我們能夠在量化模型上實現幾乎與原始模型相同的精度，讓我們的生活變得輕松多了!

AIoT在未來幾年的影響將是令人震驚的，未來將出現的新發明讓我興奮不已。你打算建立什么樣的項目來迎接這樣的未來呢?