Årlig samler Imagine omtrent 400 deltakere fra industri, akademia og entusiaster i Silicon Valley for å dele den nyeste utviklingen innen Edge AI.

Eivind, en programvareutvikler fra Nord-Norge, fikk æren av å presentere sine gjennombrudd innen bildegjenkjenning ved hjelp av syntetisk treningsdata, sammen med respekterte aktører som Nvidia, Arm og AWS.

Men hva er egentlig Edge AI?

Edge AI innebærer bruk av kunstig intelligens direkte på lokale enheter som sensorer og mobile enheter, snarere enn å sende dataene til skyen for behandling. Dette er kritisk for applikasjoner som krever rask respons, som i forbindelse med autonome kjøretøy eller helseteknologi.

De mest fremtredende bruksområdene de siste årene inkluderer objektdeteksjon ved hjelp av kameraer, talegjenkjenning via mikrofoner og overvåking av maskiner gjennom vibrasjonsanalyse. Slike signaler kompliserer tradisjonell signalbehandling, og her kommer Edge AI inn for å forbedre effektiviteten i virkelige situasjoner.

Fordelene med Edge AI er mange. For det første reduserer det behovet for konstant internettilgang. I situasjoner med svakt nettverk kan enhetens evne til å bearbeide data lokalt spare dyrebar tid og ressurser. Videre er personvern en betydelig driver; data som behandles lokalt minimerer risikoen for at sensitive opplysninger blir eksponert under overføring til skyen.

Den revolutionerende teknologien TinyML, en underkategori av Edge AI, gjør det mulig å kjøre avanserte maskinlæringsmodeller på svært begrenset maskinvare. Eivind nevner at slike fremskritt tillater mikrokontrollere å analysere 30 bilder per sekund, noe som tidligere var forbeholdt større datamaskiner.

Fra DIPS til Edge AI

Med 20 års erfaring som utvikler hos DIPS, har Eivind alltid hatt en lidenskap for teknologi og muligheten til å implementere den i praktiske løsninger. Etter å ha blogget om sensorprosjekter, fikk han muligheten til å utforske Edge Impulse Studio - en utviklerplattform for å lage maskinlæringsapplikasjoner enkel og tilgjengelig.

En av Eivinds mest interessante prosjekter involverte utviklingen av en hosteteller for astmatikere, som teller host uten å overvåke brukeren kontinuerlig. Videre lagde han en prototype for kirurgisk utstyr som automatisk kunne telle og kategorisere verktøy under operasjoner, et prosjekt med kolossale implikasjoner for pasientsikkerhet.

Når det gjaldt utfordringene med datainnsamling, oppdaget Eivind at det å lage treningsdata manuelt krevde mange timer. Han gikk derfor over til å bruke 3D-modeller for å generere bilder som kunne brukes til å trene AI-modellen. Denne innovative tilnærmingen førte til at han kunne lage over 30.000 treningsbilder på kort tid, betydelig mer enn han kunne oppnå til fots.

Den syntetiske data-genereringen var en game changer; det tillot en hel rekke bransjer og applikasjoner å dra nytte av robust AI uten de vanlige begrensningene knyttet til datainnsamling.

Ikke bare har denne teknologien potensiale til å forbedre helsevesenet, men den har også implikasjoner for andre sektorer som autonom kjøring, smart hjem-teknologi og mer. Eivinds arbeid viser hvor langt man kan nå med riktig verktøy og kreativ tenkning.

Da Eivind presenterte på konferansen i Silicon Valley, fikk han ikke bare mulighet til å dele sine erfaringer, men også å lære fra de beste i bransjen. Hans erfaring i Silicon Valley er en påminnelse om hvor viktig samarbeid og deling av ideer er i den raskt utviklende teknologiske verden.

Silicon Valley forblir et globalt sentrum for innovasjon, og Eivnds bidrag i denne arenaen fremhever at Norge er mer enn bare en liten deltaker på den teknologiske scenen. Han viser at stor tenkning kan komme fra små steder – og at fremtiden for AI er lys.