“耳塞、智好手机、助听器、游戏耳机和对讲系统须要新技能将语音处理提升到一个新的水平。”POLYN营销和业务发展副总裁Eugene Zetserov说。
“当前的语音旗子暗记处理方法非常耗电，在某些情形下还不足。即时语音识别对付助听设备很主要。在喧华环境中，基于AI提取语音旗子暗记，包括不规则噪声，供应比标准噪声肃清滤波器更好的听觉体验。神经网络是语音处理的完美工具。”
POLYN是一家无晶圆半导体公司，成立于2019年，总部位于以色列。POLYN供应超低功耗、高性能的神经形态仿照旗子暗记处理(NASP)技能、IP和基于NASP的Tiny AI芯片，能够支持广泛的边缘人工智能运用，例如可穿着设备、工业4.0、互联康健、智能家居等。
POLYN的办理方案许可在具有更高安全性和可靠性的各种物联网和自主设备上运行人工智能。该办理方案不须要互联网连接，并降落了功耗和延迟。据先容，NeuroVoice以100µW功率运行，并在20µs内实行推理，它许可客户创建微型产品，以改进其终极用户的听力体验。
1、NASP技能，POLYN的杀手锏
人工智能正在加快速率从“云端”走向“边缘”，进入到越来越小的物联网设备中。在终端和边缘侧微处理器上实现的机器学习过程，被称为微型机器学习，即Tiny AI（也被称为TinyML）。
更准确的说，Tiny AI是指工程师们在mW功率范围以下的设备上，实现机器学习的方法、工具和技能。作为一种全新的机器学习模型，Tiny AI是人工智能领域最新的重大技能打破之一。
物联网设备每每体积很小，面临着许多寻衅，例如功耗、延时以及精度等问题，传统的机器学习模型无法知足哀求。Tiny AI通过各种技能能够更智能地利用数据，让人工智能打算可以直接在设备上实行，而不须要用户将数据发送到云端或远程做事器。
Tiny AI的紧张优点是它的可移植性。在具有小电池和低功耗的廉价微掌握器上运行，意味着，人们可以很随意马虎地将ML以便宜的价格集成到险些任何东西中。除此之外，由于打算确当地特性，Tiny AI还具有提高安全性的上风，即无需将数据发送到云端。在物联网等运用程序中处理个人数据时，这可能很主要。
POLYN的神经形态仿照旗子暗记处理器技能（NASP）是一种Tiny AI办理方案，旨在优化原始数据并减少CPU负载和转发到云的数据量。NASP技能以前所未有的低功耗、小尺寸和低延迟为传感器设备供应真正的AI。通过感知仿照旗子暗记和数字旗子暗记，为各种传感器增加“智能”。
人脑不仅是一个超低功耗的并行操作系统，还是一个仿照系统，处理各种旗子暗记而不须要将它们转换成二进制格式。对付旗子暗记感知等任务，仿照系统更可取。据半导体研究公司称，估量未来十年将涌现大量仿照旗子暗记，这须要硬件方面的根本性打破，以产生更智能的天下机器接口。
POLYN开拓了一个独特的平台，该平台将经由演习的神经网络作为输入，并利用数学建模将网络合成为真正的神经形态芯片。芯片包含人工神经元（实行打算的节点）和利用电路元件实现的轴突（节点之间的权重连接）：神经元利用运算放大器实现，轴突利用薄膜电阻器实现。
2022年4月，POLYN宣告，其首款神经形态仿照旗子暗记处理器芯片NeuroSense已完成封装和评估。据悉，NeurorSense芯片采取55 nm CMOS技能实现。它充当边缘旗子暗记传感器，能够利用神经形态打算处理原始传感器数据，而无需对仿照旗子暗记进行任何数字化。POLYN将其称为第一款无需模数转换器(ADC)即可直接在传感器阁下利用的神经形态仿照Tiny AI芯片。
2、Tiny AI，飞入平凡百姓家
Tiny AI运用前景广阔，包括物体识别和分类、手势识别、音频检测、机器监控、关键字创造等等。可以预见的是，Tiny AI将成为我们日常生活中的一部分。
当前，物联网设备日益遍及。在资源受限设备上运行机器学习模型的能力，为许多新的可能性打开了大门。一个很好的例子是具有心率(HR)跟踪和人体活动识别(HAR)的可穿着设备，个中PPG/IMU传感器不断天生数据，其处理会花费大量电池电量。
对付实行真正始终在线丈量的设备，神经形态仿照旗子暗记处理是一个空想的办理方案，与传统算法比较，它具有100uW的超低功耗和两倍的精度。提高的精度还可以简化全体系统，并降落干系本钱。
“潜在客户对可穿着设备的丈量不准确和电池寿命短持谨慎态度。这些发生是由于可穿着设备中最常见确当前实现是基于算法打算，这些算法打算耗能大且无法真正准确。”POLYN一位高管表示。
“戒指形式的可穿着设备是一个可行的选择，但现在很少有这样的智能戒指模型可以真正戴在手指上。对付这种形式，降落功耗至关主要，并且须要新型硬件。”
另一个例子是工业物联网运用。随着工业4.0的发展，天下对基于振动监测的机器康健办理方案的兴趣进步神速，这是有充分情由的。振动是相应来自旋转设备的机器勉励的重复运动。振动监测是机器状态监测中的紧张传感技能，由于振动变革发生在机器故障过程的最开始，从而可以进行早期诊断。
LoRa是一种非常盛行的技能，尤其是在欧盟，这要归功于它的低本钱、低功耗和远间隔通信能力。然而，由于带宽窄，振动传感器的原始数据很难通过LoRa传输。POLYN的NASP可以供应对传感器数据预处理的明确需求。
“嵌入的利用减少了从机器、轨道、铁路车辆、风力涡轮机以及石油和天然气泵发送到云真个丈量数据，办理了物联网系统所需的低带宽的根本问题。”POLYN表示，利用嵌入进行传感器数据预处理可将喧华的原始数据流减少1000倍。
嵌入是机器学习中最通用的技能之一，适用于广泛的用例，从信息搜索、相似性检讨和敲诈检测到学习用户行为和项目之间的关系。最著名的嵌入之一是Google在2013年发明的Word2Vec。在未来的边缘AI中，嵌入有很大的潜力。
人工智能天下一贯在探求一种经济高效的技能，该技能许可神经网络自主事情并直接处理来自仿照传感器的数据，同时始终以高精度实行任务。对付移动、物联网或远程设备，这必须以超低功耗完成。Tiny AI作为机器学习和嵌入式IoT设备的交叉领域，具有改造许多行业的潜力，将发挥越来越大的浸染。
资料来源：https://polyn.ai/
