더 스마트한 음성 데이터 처리로 더 나은 배터리 수명 제공

항상 귀를 기울이는 장치 덕분에 음악을 재생하고, 스마트 TV를 켜고, 온도 조절기를 끄고, 누군가가 집에 침입했을 때 우리에게 경고하는 일이 훨씬 더 쉬워졌습니다. 하지만 너무 자주 AC 전원에 연결하거나 배터리를 교체하도록 합니다.

때로는 음성 비서가 수십 년 동안 우리 삶에 있었던 것처럼 느껴지지만 Amazon이 최초의 스마트 스피커인 Amazon Echo를 출시한 것은 2014년 말이었습니다. 5년이 지난 지금 우리는 항상 깨우는 소리를 듣고 있는 스마트 스피커, 스마트 홈 시스템, 웨어러블 및 기타 스마트 장치에 수억 개의 디지털 음성 비서를 설치했습니다. 최신 연구에서 SAR Insight &Consulting은 2023년까지 항상 켜져 있는 음성 지원 장치의 설치 기반이 거의 10억으로 증가할 것으로 예측합니다.

항상 듣기와 음성 우선을 가능하게 만든 센서인 연필 끝 크기의 초소형 MEMS(Microelectromechanical Systems) 마이크는 환경 소리 데이터를 캡처합니다. 처음에는 클라우드에서 해당 데이터를 처리하고 소리를 분석하여 깨우는 단어와 명령을 수행하는 것이 좋은 솔루션처럼 보였습니다. 그러나 음성 비서 및 기타 상시 작동 IoT 장치의 기하급수적인 성장으로 인해 너무 많은 데이터가 생성되고 있습니다. International Data Corp.에 따르면 2025년에는 416억 개의 IoT 장치가 79.4제타바이트의 데이터를 생성합니다. ¹ — 우리가 집단 대역폭에 과도한 부담을 주고 의도하지 않은 결과로 비용 및 전력 비효율을 초래하고 있습니다. 이로 인해 반도체 업계는 강력한 클라우드 컴퓨팅을 장치에 가져올 수 있는 새로운 방법, 즉 에지 처리라는 기능을 찾도록 하고 있습니다.

최첨단의 도전

에지 컴퓨팅의 성공은 저전력 디지털 신호 프로세서와 마이크로컨트롤러의 급속한 확산에 크게 의존하며, 그 중 일부는 임베디드 신경망, 즉 TinyML(작은 기계 학습) 칩을 포함합니다. 이 대부분의 디지털 처리 칩은 깨우기 단어가 말했는지 여부를 장치에서 바로 결정하는 것과 같은 복잡한 데이터 분석을 처리할 수 있습니다. 그러나 이러한 칩은 이제 두뇌만큼 똑똑할 수 있지만 여전히 최초의 상시 작동 감지 장치에 사용된 원래 시스템 아키텍처에 의존합니다. 디지털 신호. 개가 짖는 소리나 아기가 우는 소리와 같은 소리에 깨우는 단어가 포함될 수 없는 경우에도 마찬가지입니다. 전력과 데이터를 낭비하는 이 예전의 상시 청취 접근 방식은 OEM을 소비자 불만과 충돌 경로에 빠뜨립니다.

소비자들은 여전히 ​​주머니나 귀 안쪽에 들어갈 수 있고 배터리 수명을 희생하지 않고 계속해서 들을 수 있는 더 작아진 스마트 장치에서 동일하거나 더 나은 성능을 기대합니다. OEM이 레거시 아키텍처를 유지하면 의미 없는 데이터를 처리하는 데 배터리 수명의 80~90%를 계속 낭비하게 되므로 OEM은 어려운 상황에 놓이게 됩니다. 그들은 소비자로 하여금 두 가지 악 중에서 더 작은 것을 선택하도록 강요할 것입니다. 벽에 꽂아야 하는 비휴대용 음성 비서 또는 어디든 갈 수 있지만 짧은 배터리 수명으로 인해 방해를 받는 휴대용 음성 비서입니다.

시스템을 통해 데이터를 이동하면 전력이 소모되기 때문에 전력을 절약하는 가장 효율적인 방법은 데이터 양을 가능한 한 빨리 중요한 것으로 줄이는 것입니다. 상시 청취력 문제를 진정으로 해결하려면 주어진 순간에 인간의 감각 시스템에서 오는 방대한 양의 데이터를 효율적으로 처리하는 뇌의 능력을 보다 가깝게 모방하는 새로운 패러다임이 필요합니다. 사전에 약간의 전력만 투자하여 관련성을 파악하고 대부분의 리소스를 절약하여 가장 중요한 데이터만 처리할 수 있습니다.

사운드는 자연스럽게 아날로그입니다.

항상 듣는 기기의 배터리 수명을 개선하려면 오늘날 많은 엔지니어가 구식이면서 동시에 위협적으로 여기는 아날로그 기술을 수용해야 합니다. . 실제 단어의 구조화되지 않은 원시 아날로그 신호(즉, 촉각, 시각, 청각 및 진동)로 작업하는 것은 어렵습니다. 최초의 디지털 집적 회로가 도입된 이후로, 감지되는 아날로그 데이터를 직접 처리하는 것보다 친숙한 1 또는 0을 사용하여 센서 신호를 처리하는 제품을 만드는 것이 훨씬 간단해졌습니다. (그래서 상시 작동 장치는 거의 모든 작업을 수행하기 전에 아날로그 입력을 즉시 디지털 신호로 변환합니다.)

디지털은 지난 50년 동안 처리 문제를 효과적으로 해결했지만 마침내 물리학 법칙의 벽에 부딪혔을 수도 있습니다. 디지털 장치 스케일링의 둔화로 인해 기술자들은 장치 내부의 칩으로 창의력을 발휘할 수 있었습니다. 이 경우 창의성은 두 가지 근본적인 변화를 통해 이루어졌습니다. 디지털을 보다 전략적으로 사용하여 디지털 칩이 필요할 때만 많은 처리를 수행하도록 합니다. 그리고 기계 학습과 결합된 아날로그 회로의 고유한 저전력을 사용하여 사운드 데이터가 여전히 자연스러운 아날로그 상태에 있는 동안 음성이 존재하는지 여부를 결정하는 첫 번째 분석을 수행합니다. 이렇게 하면 키워드를 "수신"하는 데 실제로 필요할 때까지 디지털 처리 칩이 저전력 절전 모드로 유지됩니다.

상시 작동 장치에서 전력 효율성을 높이는 방법은 각 칩이 "뇌처럼 생각하는" 것이 아니라 인간의 감각 시스템에 더 가까운 시스템 아키텍처를 재구상하고 소리를 층으로 점진적으로 분석하여 최대한의 에너지가 집중되도록 하는 것입니다. 가장 중요한 것입니다.

생물에서 영감을 받은 에지 처리(하단)는 가장 적절한 감각 데이터에 디지털 처리 능력을 집중시킵니다. (이미지:Aspinity)

모두가 이깁니다

더 긴 배터리 수명을 추구하는 것은 시스템 설계자들이 데이터 처리량이 적다는 것은 배터리 수명이 더 길다는 것을 의미하는 새로운 아키텍처 패러다임을 수용하도록 장려할 것입니다. 에지에 상주하는 아날로그 ML 칩은 스마트 트래픽 관리자처럼 작동하여 디지털 처리 칩이 필요하지 않은 한 잠자기 상태로 유지되도록 할 수 있습니다. 생체에서 영감을 받은 이 상시 작동 에지 처리 방식은 아날로그 및 디지털 프로세서가 가장 효율적인 작업을 수행할 수 있도록 하여 소비자를 궁극적인 승자로 만듭니다. 결국, 한 세트의 배터리로 1년 동안 작동하는 음성 인식 TV 리모컨을 원하지 않는 사람이 누가 있겠습니까?

참조

¹ International Data Corp. 전 세계 글로벌 DataSphere IoT 장치 및 데이터 예측, 2019–2023년. 2019년 6월

>> 이 기사는 원래 다음 날짜에 게시되었습니다. 자매 사이트인 EE Times Europe.