Neue Möglichkeiten durch AIfES
Das Fraunhofer IMS hat mit AIfES (Artificial Intelligence for Embedded Systems) eine plattformunabhängige und ständig wachsende Machine-Learning-Bibliothek in der Programmiersprache C entwickelt, welche ausschließlich Standardbibliotheken auf Basis der GNU Compiler Collection (GCC) nutzt. AIfES enthält bereits jetzt ein voll konfigurierbares künstliches neuronales Netz (KNN) mit Feedforward-Struktur, welches auch tiefe neuronale Netze ermöglicht. Damit AIfES sogar auf Mikrocontrollern lauffähig ist, wurde bei allen Funktionen darauf geachtet, dass der Quellcode auf ein Minimum reduziert wurde, was sogar das Trainieren des KNN auf einem Mikrocontroller ermöglicht.
Intelligente Mikroelektronik und Sensoren
AIfES fokussiert sich nicht auf die Verarbeitung von großen Datenmengen (obwohl dies auch möglich ist), sondern soll die Möglichkeit bieten, kleine intelligente Mikroelektroniken und Sensoren zu entwickeln, die keine Verbindung zu einer Cloud oder zu leistungsfähigeren Computern benötigen und sogar in der Lage sind selbst zu lernen. Hierbei sind viele Einsatzbereiche möglich, von der direkten Auswertung von Sensordaten, der Kalibration von Sensoren, bis hin zu der Erkennung von Mustern und deren Klassifikation. Auch die Entwicklung von virtuellen Sensoren wird ermöglicht, indem eine Abhängigkeit von stellvertretenden Messgrößen zu einer neuen Zielgröße simuliert wird.
Ein eingebettetes System mit verschiedenen Aufgaben ist möglich
Der Aufbau der AIfES Funktionen ermöglicht es, dass z. B. die Berechnung eines KNNs inklusive dessen Parametrierung mit nur einem Funktionsaufruf durchgeführt werden kann. Dieser Aufbau erlaubt, dass ein eingebettetes System zur Laufzeit neu konfiguriert werden kann und danach eine völlig andere Aufgabe ausführen kann. Dies wird durch den Austausch der Gewichte des KNNs und einer ggf. veränderten Netzstruktur erzielt, wobei weiterhin die gleiche Funktion von AIfES genutzt werden kann und sich nur die zu übergebenen Parameter ändern.
Schutz der Privatsphäre
Da die Verarbeitung offline auf dem Gerät stattfinden kann, müssen keine sensiblen Daten übertragen werden.
Dezentralisierte KI
AIfES ermöglicht auch eine Dezentralisierung der Rechenleistung, indem z. B. kleine intelligente eingebettete Systeme die Daten vor der Verarbeitung übernehmen und einem höher geordneten System die Ergebnisse zur Verfügung stellen. Dies reduziert die zu übertragende Datenmenge deutlich.
Darüber hinaus ist auch ein Netzwerk aus kleinen lernfähigen Systemen möglich, die untereinander die Aufgaben aufteilen.
Das Fraunhofer IMS war auf der embedded world 2020 und wurde dort zu AlfES interviewt.