SensiML se positionne sur les outils AutoML open source pour simplifier le développement IA/ML en périphérie de réseau

SensiML-AutoML

Les développeurs d’objets connectés qui se lancent dans leurs premiers projets intégrant de l’intelligence artificielle (IA) et/ou de l’apprentissage automatique (ML) se retrouvent aujourd’hui face à un marché fragmenté d’outils propriétaires dotés de capacités diverses et variées et flanqués de feuilles de route parfois floues. Pour tenter de mettre un terme à cet état de fait et secouer quelque peu le marché TinyML (*), la société SensiML, filiale de QuickLogic et spécialiste des outils facilitant l’intégration l’IA dans les nœuds d’extrémité IoT, va mettre dans le domaine open source une version de sa plateforme Analytics Studio.

L’objectif pour l’éditeur américain est d’être le premier à proposer une solution AutoML open source destinée au développement d’applications IA/ML de périphérie de réseau (edge). De fait, si le modèle open source prévaut déjà pour les bibliothèques IA populaires telles que TensorFlow et PyTorch, il ne touche pas encore les outils de développement AutoML ciblant les appareils IoT, précise SensiML.

On rappellera que le paradigme AutoML vise à simplifier et à accélérer considérablement le processus de création de modèles d'apprentissage automatique, afin notamment de le rendre accessible aux développeurs qui n’ont peut-être pas de connaissances spécifiques dans la science de la donnée. Or la création de modèles ML pour les microcontrôleurs IoT et les puces-systèmes edge s’avère d’autant plus complexe qu’elle nécessite de combiner la science de la donnée avec l'optimisation du code embarqué pour les appareils dotés d'une capacité mémoire et d'une puissance de traitement limitées.

D’où l’importance de l’approche AutoML dans ce domaine précis de l’IoT contraint… et de l’offre open source de SensiML qui peut apporter des capacités de détection intelligente à une large gamme d'appareils edge IoT tels que les dispositifs et vêtements portés sur soi, les capteurs de maintenance prédictive et de détection d'anomalies, les nœuds d’extrémité de bâtiments avec détection d'événements acoustiques, reconnaissance de mots clés et identification des locuteurs, etc.

Dans le détail, la version open source d'Analytics Studio fournit tout un ensemble de fonctionnalités comme la génération de modèles indépendants des plateformes cibles et de leurs fournisseurs (microcontrôleurs, puces-systèmes accélératrices de tâches IA/ML, moteurs IA…) et la prise en charge de tous les capteurs de séries chronologiques imaginables, tels que les microphones, les accéléromètres, les gyroscopes, les centrales à inertie, les jauges de contrainte, les capteurs PIR, etc. Les entrées peuvent en outre être mélangées pour l’édification de modèles plus complexes avec des algorithmes de fusion de capteurs, précise SensiML.

Analytics Studio serait aussi en mesure de s’accommoder de divers mécanismes de développement de modèles, depuis la génération de modèles par pointer-cliquer avec AutoML jusqu'à la modélisation d'interfaces utilisateurs sans code avec contrôle total du pipeline, en passant par la création de modèles Python SDK entièrement programmatiques.

Enfin, termine SensiML, Analytics Studio permet de générer des modèles de base reposant sur des fonctionnalités précises, des modèles de régression, des modèles ML classiques et des réseaux de neurones d'apprentissage profond. Sa bibliothèque de plus de 80 générateurs de fonctionnalités inclut également la possibilité d'ajouter facilement des transformations, des filtres, des fonctions et des classificateurs personnalisés, l’idée étant que les développeurs de la communauté puissent aisément améliorer la plateforme.

Pour résumer, en passant à un modèle de double licence qui inclut une option open source, SensiML souhaite mettre le code de base de sa solution AutoML pour l’edge IoT à disposition de la communauté plus large des développeurs pour une amélioration et une contribution collaboratives. Avec l’objectif qu’à terme, Analytics Studio puisse permettre le développement et l’optimisation de modèles d’IA générative, la prise en charge en local de grands modèles de langage (LLM), la reconnaissance d'objets à partir de flux d'images et de vidéos, des optimisations pour un nombre toujours plus grand de microcontrôleurs, de microprocesseurs, de moteurs neuronaux et de processeurs graphiques, etc.

Les utilisateurs nouveaux et existants auront la possibilité de choisir entre la version open source d'Analytics Studio de SensiML ou sa mise en œuvre en tant que service cloud SaaS entièrement géré et pris en charge, basé sur la même technologie. Dans la pratique, SensiML compte lancer son référentiel public GitHub et la documentation de son moteur AutoML au début de l'été.

« Il y a quatre ans, QuickLogic, notre société mère, a lancé la première solution eFPGA open source, rappelle Chris Rogers, le CEO de SensiML. Nous comptons tirer parti de ce succès pour démocratiser le développement Edge AI/ML grâce à nos outils robustes et à notre propre initiative open source. »

(*) Le TinyML représente l’un des segments les plus dynamiques de l’intelligence artificielle et de l’apprentissage automatique avec l’objectif de déployer des modèles IA/ML sur des appareils de faible consommation aux ressources matérielles limitées.

Vous pouvez aussi suivre nos actualités sur la vitrine LinkedIN de L'Embarqué consacrée à l’intelligence artificielle dans l’embarqué : Embedded-IA