AutoML for Embedded, ซึ่งพัฒนาโดย Analog Devices (ADI) และ Antmicro เป็นปลั๊กอินแบบโอเพ่นซอร์สสำหรับ Visual Studio Code ที่ทำงานร่วมกับปลั๊กอิน CodeFusion Studio plugin ของ ADI โดยสร้างขึ้นบน Kenning framework, ทำให้สามารถทำงานอัตโนมัติได้ทั้งกระบวนการของ ML pipeline, ไม่ว่าจะเป็นการค้นหาโมเดล การปรับแต่งไฮเปอร์พารามิเตอร์ การเพิ่มประสิทธิภาพ การบีบอัด และการนำไปใช้งาน, ช่วยให้งานพัฒนา Edge AI เป็นเรื่องง่ายสำหรับอุปกรณ์ที่มีทรัพยากรจำกัด
ทางบริษัทระบุว่าปลั๊กอินนี้รองรับชิป AI accelerator MCU รุ่น ADI MAX78002, MCU รุ่น MAX32690, การจำลองผ่าน Renode และระบบปฏิบัติการ Zephyr RTOS โดยใช้ อัลกอริธึม SMAC และ Hyperband สำหรับการค้นหาโมเดลและการปรับแต่งไฮเปอร์พารามิเตอร์แบบอัตโนมัติ รวมถึงมีฟีเจอร์บีบอัดและควอนไทซ์โมเดลเพื่อตอบโจทย์ข้อจำกัดด้านหน่วยความจำและการประมวลผลอย่างเข้มงวด, ปลั๊กอินยังมีระบบวัดประสิทธิภาพในตัว สำหรับความเร็วในการอนุมาน (inference speed), การใช้หน่วยความจำ, และความแม่นยำ พร้อมทั้งตรวจสอบความเข้ากันได้กับหน่วยความจำ RAM และหน่วยประมวลผลโดยอัตโนมัติ ฟีเจอร์ทั้งหมดนี้ทำให้เหมาะสำหรับการประยุกต์ใช้งาน เช่น การจำแนกภาพ การตรวจจับความผิดปกติ การบำรุงรักษาเชิงพยากรณ์ การประมวลผลภาษาธรรมชาติ (NLP) และการรู้จำพฤติกรรม บนอุปกรณ์ IoT และระบบฝังตัวที่ใช้พลังงานต่ำ
ภาพรวมของ AutoML Embedded :
- ประเภท – ปลั๊กอิน AutoML แบบโอเพ่นซอร์สสำหรับ VS Code ที่ทำงานร่วมกับ CodeFusion Studio
- เฟรมเวิร์ก – พัฒนาบน Kenning framework ซึ่งรองรับการเพิ่มประสิทธิภาพและการปรับใช้งาน AI แบบไม่ยึดติดกับฮาร์ดแวร์ (hardware-agnostic)
- ฮาร์ดแวร์ที่รองรับ
- ADI MAX78002 ชิป AI Accelerator MCU
- ADI MAX32690 MCU
- รองรับการขยายไปยังอุปกรณ์ฝังตัวอื่น ๆ ผ่านการกำหนด pipeline แบบกำหนดเองบน Kenning
- ฟีเจอร์ AutoML
- ค้นหาโมเดลและปรับแต่งไฮเปอร์พารามิเตอร์โดยอัตโนมัติด้วยอัลกอริธึม SMAC และ Hyperband
- การบีบอัดและควอนไทซ์โมเดลเพื่อให้เหมาะกับข้อจำกัดด้านหน่วยความจำและการประมวลผล
- ตรวจสอบความเข้ากันได้ของ RAM และความสามารถในการประมวลผลก่อนการปรับใช้งาน
- เครื่องมือวัดประสิทธิภาพ (Benchmarking Tools)
- ความเร็วในการอนุมาน (Inference speed / latency)
- การใช้หน่วยความจำ (Memory footprint)
- การประเมินความแม่นยำ (Accuracy evaluation)
- การตรวจสอบประสิทธิภาพแบบเรียลไทม์
ตามข้อมูลจาก ADI และ Antmicro เครื่องมือนี้ถูกออกแบบมาให้ไม่ยึดติดกับฮาร์ดแวร์ (hardware-agnostic) โดยใช้ Kenning framework เป็นฐาน หมายความว่าสามารถใช้งานร่วมกับไมโครคอนโทรลเลอร์ (MCU) และ AI accelerator อื่น ๆ ได้ นอกเหนือจาก MAX78002 และ MAX32690 แต่การเพิ่มประสิทธิภาพที่จัดเตรียมโดยผู้พัฒนา เช่น AI8X runtime สำหรับ MAX78002 และ microTVM สำหรับ MAX32690 จะออกแบบมาเฉพาะสำหรับสองแพลตฟอร์มนั้น สำหรับ MCU อื่น ๆ ผู้ใช้อาจต้องกำหนดโปรไฟล์ของอุปกรณ์เป้าหมายและ pipeline เองผ่านสถาปัตยกรรมแบบโมดูลาร์ของ Kenning
ทางบริษัทมีเครื่องมือพัฒนาหลากหลายสำหรับ MCU รุ่น MAX78002 และ MAX32690 โดยในส่วนของ MAX32690 มีชุดบอร์ดประเมินทั้งหมด 4 รุ่น ซึ่งได้แก่ AD-APARD32690-SL บอร์ดที่มีรูปแบบเทียบเท่า Arduino (Arduino form-factor) โดยใช้ชิป MAX32690 ARM Cortex-M4 MCU, MAX32690EVKIT ชุดบอร์ดสำหรับการประเมินผลเชิงลึกของชิป MAX32690, สำหรับงานด้านการจัดการแบตเตอรี่ EVAL-ESS1-SYS แพลตฟอร์ม BMS (Battery Management System) ที่สามารถขยายขนาดได้ สำหรับการตรวจสอบเซลล์และชุดแบตเตอรี่, EVAL-ADIN6310T1LEBZบอร์ดต้นแบบสำหรับใช้งานร่วมกับ ADIN6310 ในงานที่เกี่ยวกับ field switch
สำหรับชิป MAX78002 MCU บอร์ด MAX78002EVKIT มาพร้อมกับ QSPI SRAM ขนาด 8MB, หน้าจอสัมผัส TFT ขนาด 2.4 นิ้ว, โค้ดเสียงสเตอริโอ, ไมโครโฟนแบบ I2S และที่เก็บข้อมูลแบบ microSD โดยรองรับการเชื่อมต่อกับกล้อง, อุปกรณ์เสียง, และเซ็นเซอร์แบบแอนะล็อก GPIO ทั้งหมดสามารถเข้าถึงได้ผ่านขาแบบ 2.54 มม. ภายในบอร์ดยังมีตัวสะสมข้อมูลการใช้พลังงาน (power accumulator) ที่ใช้ติดตามการใช้พลังงาน เหมาะสำหรับการใช้งานในระบบอัตโนมัติภาคอุตสาหกรรม, กล้องอัจฉริยะ และอุปกรณ์การแพทย์แบบพกพา
ในช่วงปี 2020–2021 เราเคยเห็นการใช้ AutoML กับอุปกรณ์อย่างเช่น Google Coral Dev Board Mini, ModBerry AI gateway และ Imago VisionAI cameras ที่ใช้ AutoML Vision Edge สำหรับฝึกและปรับใช้โมเดลบนอุปกรณ์โดยตรง ในปี 2025 นี้ AutoML ได้พัฒนาไปไกล โดยสามารถรองรับอุปกรณ์ฝังตัวที่มีทรัพยากรจำกัด ด้วยเครื่องมืออย่างปลั๊กอิน AutoML for Embedded ของ Analog Devices
ปลั๊กอิน AutoML for Embedded สามารถดาวน์โหลดได้โดยตรงจาก VS Marketplace และมีซอร์สโค้ดแบบโอเพ่นซอร์สให้ใช้งานบน GitHub พร้อมข้อมูลเพิ่มเติมในข่าวประชาสัมพันธ์
แปลจากบทความภาษาอังกฤษ : VS Code gets AutoML Embedded plugin for automated model tuning, deployment, and benchmarking
บรรณาธิการข่าวและบทความภาษาไทย CNX Software ได้มีความสนใจในด้านเทคโนโลยี โดยเฉพาะ Smart Home และ IoT