Pico AI libère l'IA à la périphérie du réseau. Tel est le mantra affiché par la société française MicroEJ pour cette initiative menée en collaboration avec la société américaine Boon Logic, fournisseur de solutions de détection d'anomalies fondées sur l’IA, et qui s’appuie sur un bloc d’IP portable pour installer un apprentissage directement sur un appareil. Et ce pour la détection d'anomalies en temps réel et la surveillance non intrusive de la charge (NILM, Non-Intrusive Load Monitoring) en périphérie de réseau (Edge).

PicoAI est ainsi décrit par les deux sociétés comme un composant logiciel conçu pour intégrer de l'intelligence artificielle (IA) auto-apprenante sur n’importe quel appareil connecté intelligent éliminant de fait le besoin d’infrastructure dans le cloud et de collecte coûteuse de données d'entraînement.

Il s’agit d’une architecture légère optimisée pour les microcontrôleurs et les microprocesseurs embarqués aux ressources limitées, une approche qui ne nécessite aucun accélérateur de réseau neuronal ni le recours à un processeur graphique (GPU) pour fonctionner.

Le logiciel s'appuie sur Nano, la technologie de clustering brevetée de Boon Logic, reconnue pour ses performances d'apprentissage automatique non supervisé en temps réel, technologie intégrée au sein de la plate-forme VEE de MicroEJ. Dans ce type d'apprentissage automatique non supervisé, le modèle est entraîné à partir de données non étiquetées avec comme objectif est de découvrir des tendances, des structures ou des relations au sein d’un groupe de données.

PicoAI permet ainsi de réaliser un processus d’entraînement et une inférence en temps réel pour la reconnaissance de formes et la détection d'anomalies directement sur un appareil, sans la nécessité d’avoir à dispositon des cas de défaillance prédéfinis ni de ressources dans le cloud. Ouvrant ainsi la voie au déploiement d’une IA native embarqué.

« Avec PicoAI, nous mettons les capacités d'apprentissage en temps réel et de détection d'anomalies à la portée des appareils, même les plus petits, commente Fred Rivard, le PDG et fondateur de MicroEJ. Cette avancée marque une nouvelle étape dans notre stratégie visant à déployer une IA à grande échelle, optimisée en termes d'énergie, de sécurité et de coût. PicoAI se positionne ainsi comme l'un des moteurs de reconnaissance de formes les plus précis et évolutifs disponibles pour les systèmes embarqués. »

Pour réaliser la reconnaissance et l’apprentissage de formes en temps réel, PicoAI intègre donc des capacités d'auto-apprentissage directement dans les appareils embarqués, en s'entraînant sur des données opérationnelles réelles sans recourir au cloud ni à des modèles pré-entraînés. En apprenant localement ce qui constitue un comportement “normal”, PicoAI identifie, selon MicroEJ, les anomalies et les schémas d'utilisation 1 000 fois plus rapidement que les méthodes traditionnelles, et ce avec une grande précision, même dans des environnements dynamiques et imprévisibles.

Au cœur de PicoAI, l’algorithme de clustering de Boon Logic est capable de gérer jusqu'à des milliers de clusters par modèle. Toujours selon MicroEJ, il surpasse de ce fait les solutions d'IA embarquées classiques, qui n'en gèrent généralement que quelques dizaines.

Dans le détail, Pico AI est fourni sous forme d'environnement d'exécution portable intégré à la l’environnement d’exécution virtuel VEE. Il est réutilisable sur différents appareils et plateformes matérielles sans réécriture de code. Ce qui simplifie l'intégration et raccourcit les cycles de développement pour les fabricants d’appareils, souligne MicroEJ.

PicoAI est disponible dès aujourd'hui au sein de l'écosystème de composants IP de MicroEJ et peut être déployé dans de nombreux secteurs comme l’énergie - gestion des ressources énergétiques distribuées, désagrégation de la charge, analyse de la qualité de l'énergie, gestion intégrée des pannes (NILM) - l’automatisation industrielle - maintenance prédictive, surveillance des équipements -, dans les objets grands publics - appareils intelligents, modélisation comportementale - et les objets connectés - suivi de la santé et de la forme physique, reconnaissance de formes, détection d’anomalies.

Désormais avec la disponibilité de PicoAI sur le marché de l’embarqué, MircroEJ et Boon Logic estiment qu’il devient possible d'entraîner des modèles personnalisés en temps réel en périphérie du réseau, une opération impossible réaliser actuellement avec les réseaux de neurones traditionnels.