NXP는 Edge에서 머신 러닝을 두 배로 늘립니다.

인터넷 개척자 Robert Metcalfe는 다음과 같이 몇 가지 유명합니다. 1970년 이더넷을 공동 발명하고 1979년 현재 전자 제품 제조업체인 3Com을 공동 설립했으며 통신 네트워크의 가치를 표현하기 위해 널리 인용되는 모델을 고안했습니다. Metcalfe의 법칙으로 알려진 원리는 통신 네트워크의 가치가 네트워크로 연결된 장치 수의 제곱으로 계산될 수 있다는 것입니다. 원칙이 1990년대 후반 닷컴 거품을 일으키는 데 도움이 되었다는 비판에도 불구하고 이 원칙은 사물 인터넷에서 소셜 미디어 네트워크 및 암호화폐에 이르기까지 모든 것의 가치를 설명하는 데 계속 사용됩니다. 2006년에 Metcalfe 자신은 수십 년 동안 광범위하게 뒷받침되는 데이터가 있었던 무어의 법칙과 달리 원칙이 "수치적으로 평가"되지 않았음을 인정했습니다. "Metcalfe의 법칙은 비전입니다."라고 그는 썼습니다. “주로 '임계 질량'에 접근하는 소규모 네트워크에 적용할 수 있습니다. 그리고 '연결됨' 및 '가치'와 같은 개념을 수량화하는 어려움으로 인해 수치적으로 취소됩니다."

Metcalfe는 또한 특정 임계값에 도달한 후 네트워크 가치가 하락할 수 있음을 인정했습니다. "Google 검색에서 너무 많은 이메일이나 너무 많은 조회수를 받지 않은 사람은 누구입니까?" 그는 물었다. "네트워크 규모가 커지면 결국에는 가치가 하락하는 불경제가 있을 수 있습니다."

사물 인터넷 시장이 성장함에 따라 Metcalfe의 논평은 최적의 데이터 공유를 통해 가치를 창출하는 동시에 '디지털 소진'에 빠지지 않도록 해야 한다고 지적합니다.

[ IoT 세계 는 IIoT를 영감에서 구현, 비즈니스 및 운영 강화에 이르는 이벤트입니다. 지금 티켓을 받으세요. ]

NXP 마이크로컨트롤러 사업부의 수석 부사장 겸 총괄 책임자인 Geoff Lees는 "연결된 장치가 많을수록 네트워크로 유입되는 필터링되지 않은 데이터가 많아지는 이 장애물에 맞서고 있습니다."라고 말했습니다. "우리는 네트워크의 경제적 가치가 네트워크에 있는 장치 수의 제곱에 비례한다는 근본적인 아이디어인 Metcalfe의 법칙을 발견했습니다."라고 Lee는 말했습니다. 그러나 네트워크의 모든 장치가 데이터를 안전하게 공유할 수 없다면 "네트워크의 가치를 완전히 얻을 수 없습니다." 클라우드는 데이터 처리에 편리한 위치인 경우가 많지만 IoT를 원격 위치로 전송하는 것이 항상 가능하거나 가능한 것은 아닙니다. AI Markus Levy 책임자 NXP는 "어쨌든 클라우드에 데이터를 업로드할 의도가 전혀 없었던 산업 및 자동차 분야의 애플리케이션이 더 많다는 사실을 발견했습니다."라고 말했습니다.

엣지 인텔리전스 환경(eIQ)이라고 하는 이 문제에 대한 NXP의 솔루션은 IoT 네트워크의 센서 자극을 수용할 수 있는 머신 러닝 툴킷입니다. eIQ는 TensorFlow Lite 및 Caffe2는 물론 기타 신경망 프레임워크 및 기계 학습 알고리즘에 대한 지원을 제공합니다. eIQ는 에지에서 머신 러닝의 개념을 취하고 이를 음성, 비전, 이상 감지 등을 대상으로 하는 사용 사례에 적용합니다. Lee는 "에지에 추론 모델을 설치함으로써 우리는 본질적으로 네트워크의 지식과 네트워크의 획득한 데이터 가치를 집계하는 것입니다."라고 말했습니다. 이러한 목표를 지원하기 위해 NXP는 각 세대의 반도체 기술을 통해 에지에서 처리 성능을 점진적으로 향상시키는 동시에 보안, 데이터 처리 및 로컬 스토리지에 대한 증가하는 고객 요구를 수용할 수 있도록 지원할 것을 약속합니다. Lee는 "지난 몇 년 동안 우리는 연결된 이야기에서 에지 처리 능력을 높이는 방법으로 정말 발전했습니다."라고 말했습니다. "우리는 이것을 '보안, 인식 및 연결'이라고 부릅니다."

eIQ 응용 프로그램의 예는 컴퓨터 비전을 사용하여 산업 근로자가 헬멧을 쓰고 있는지, 기계를 잘못 작동하는지 또는 바람직하지 않은 일을 하고 있는지 감지하는 것입니다. 특히 안전 관련 응용 프로그램의 경우 데이터를 클라우드로 보내고 다시 클라우드로 보내는 데 따른 대기 시간은 견딜 수 없습니다.

Levy는 에지에서 머신 러닝을 촉진하려는 NXP의 계획은 NXP 고객이 상당한 효율성 향상을 달성하는 데 도움이 될 수 있다고 말했습니다. "고객에게 이 에지 컴퓨팅/머신 러닝 기능을 제공하고 고객이 쉽게 배포할 수 있도록 하는 것이 반도체 공급업체로서 우리의 임무라고 생각합니다."

그 목표는 사이버 보안에도 적용됩니다. NXP는 플러그 앤 플레이 방식으로 보안을 강화하도록 설계된 하드웨어 및 소프트웨어 요소를 모두 제공합니다. Levy는 "머신 러닝 측면에서 우리는 같은 일을 하고 있습니다. “예를 들어 사람들에게 TensorFlow를 배포하는 단계를 안내하는 요리책을 제공할 수 있습니다. [고객]은 우리가 이 문제를 해결하고 기본적으로 전체 기계 학습 개념을 미들웨어 형태로 전환하기를 기대하고 있습니다.”

NXP의 임베디드 솔루션 수석 전략가인 Gowri Chindalore는 머신 러닝 도입의 또 다른 장벽은 비용이라고 말했습니다. Chindalore는 "많은 고객이 실제로 특정 사용자 경험을 제공하기 위해 발생해야 하는 시스템 비용이 얼마인지 파악하는 데 어려움을 겪고 있습니다."라고 말했습니다. 일부 공급업체는 기계 학습 응용 프로그램을 지원하기 위해 고급 그래픽 처리 장치를 권장할 수 있습니다. 그러나 높은 비용으로 인해 일부 구현자는 기계 학습이 도달할 수 없다는 결론을 내릴 수 있습니다.

eIQ는 NXP 고객이 애플리케이션에 적합한 프로세서 유형을 계산하기 위한 추론 시간과 같이 충족하려는 사양을 입력할 수 있는 기능을 제공합니다. Chindalore는 "우리는 회사가 필요로 하는 것을 제공할 수 있는 가장 저렴한 옵션을 구축하고 있습니다."라고 말했습니다.

이 회사는 또한 기존 산업 환경에 개조할 수 있는 모듈뿐만 아니라 데이터 분석 회사와 협력하고 있습니다. Chindalore는 "석유 굴착 장치는 이에 대한 전형적인 예입니다."라고 말했습니다. 광산은 또 다른 예입니다. 그는 “많은 광산에서 유독 가스를 감지하고 광부의 안전을 위해 내부 모니터링이 필요하다”고 덧붙였다. 이러한 응용 프로그램에는 에지 처리가 필요합니다.

Lee는 사이버 보안이 프로세싱을 엣지로 밀어붙이는 또 다른 고려 사항이라고 말했습니다. 그는 "클라우드에서 중앙 집중식으로 보유하는 데이터의 가치가 클수록 공격 표면이 커질수록 모든 악의적인 해커 또는 조직에 대한 공격 가치가 커집니다."라고 설명했습니다. 이것이 NXP가 다양한 액세스 및 권한 부여 기술과 속성을 가진 분산 데이터 저장소에 대한 사례를 만들고 있는 이유입니다. Lee는 "이를 논리적인 결론에 이르게 하면 궁극적인 배포가 에지에서 가능한 한 많은 데이터를 유지하는 것임을 깨닫기 시작합니다."라고 말했습니다.