Las empresas tecnológicas especializadas en dispositivos de computación periférica compactos y energéticamente eficientes están trabajando activamente para mejorar las capacidades de sus dispositivos con el fin de permitir la percepción visual en máquinas para aplicaciones como el reconocimiento facial. Normalmente, la percepción visual exige importantes recursos computacionales cuando se despliega de forma remota en dispositivos edge, lo que permite reducir la latencia y la capacidad de tomar decisiones en tiempo real.
Históricamente, el uso convencional de hardware neuronal de aprendizaje profundo y aprendizaje automático, junto con las GPU, ha mostrado ineficiencia en términos de consumo de energía, especialmente cuando se despliega cerca del borde de la red donde se originan los datos.
Puede leer también | Crean las primeras neuronas artificiales
En respuesta a este desafío, la computación neuromórfica surgió como una solución, ofreciendo una forma de inteligencia artificial inspirada en los métodos de procesamiento de información del cerebro humano. El uso de la computación neuromórfica permite a las empresas crear dispositivos de borde con un fuerte enfoque en la eficiencia energética, incluso mientras gestionan exigentes cargas de trabajo de IA.
BrainChip se asocia con VVDN para desarrollar una Edge Box basada en tecnología neuromórfica
BrainChip, empresa conocida por su computación neuromórfica, ha colaborado con VVDN Technologies, empresa de ingeniería y fabricación electrónica, para crear una Edge Box basada en tecnología de computación neuromórfica. Este producto está orientado a ofrecer capacidades avanzadas de IA y a encontrar aplicaciones en diversos ámbitos, como la vigilancia de la seguridad, la automoción y los casos de uso industrial.
Puede leer también | Lenguajes de programación para aprender en la era de la Inteligencia Artificial
Según BrainChip, la Edge Box está diseñada para permitir a los clientes desplegar aplicaciones de inteligencia artificial de vanguardia de forma rentable. Las organizaciones pueden aprovechar la potencia de la IA en dispositivos de borde para aplicaciones de vigilancia y seguridad en diversos sectores, ofreciendo una alternativa significativamente más eficiente y eficaz que los enfoques tradicionales.
La Edge Box es un dispositivo compacto con capacidad para ejecutar modelos de IA que soportan tareas como el análisis de vídeo, el reconocimiento facial y la detección de objetos. Aprovechando el procesador BrainChip Akida, conocido por su alto rendimiento, bajo consumo de energía y arquitectura escalable, la Edge Box puede ser un dispositivo adecuado para soluciones de IA en los bordes.
Puede leer también | Desarrollar Aplicaciones de Inteligencia Artificial: Las Herramientas Clave para la Innovación
"Esta Edge Box portátil y compacta cambia las reglas del juego y permite a los clientes desplegar aplicaciones de IA de forma rentable con una velocidad y eficiencia sin precedentes para proliferar los beneficios de la computación inteligente", afirma Sean Hehir, director ejecutivo de BrainChip.
Prophesee desarrolla el sensor Metavision GenX320 basado en eventos para sistemas de vigilancia de áreas siempre activos
Prophesee ha presentado GenX32, un sensor Metavision basado en eventos, con el objetivo de mejorar su integración y facilidad de uso en sistemas de visión integrados, como aceleradores de inteligencia artificial y sistemas en chip. El desarrollo se ha centrado principalmente en optimizar el preprocesamiento y el formato de los datos de eventos, garantizar la compatibilidad con las interfaces de datos y facilitar la conectividad de baja latencia con diversas plataformas de procesamiento, incluidos los procesadores neuromórficos de bajo consumo.
Puede leer también | Bibliotecas esenciales de Python para Inteligencia Artificial y Machine Learning
La empresa destaca casos de uso específicos de este sensor, como el seguimiento ocular para interfaces hombre-máquina, aplicaciones de seguridad como los sistemas de supervisión de conductores (DMS) y la detección de emisiones. Además, ofrece funciones siempre activas para aplicaciones de seguridad y protección.
Prophesee utiliza la visión basada en eventos a través de su plataforma Metavision, que representa un cambio respecto a los métodos convencionales de adquisición y procesamiento de datos visuales, inspirándose en el funcionamiento del sistema de visión humano. Mediante el uso de técnicas neuromórficas, Prophesee logra mejoras en la eficiencia y el rendimiento, lo que se traduce en una mejora de la seguridad, la productividad y la experiencia general del usuario a través de diversos sistemas habilitados para la visión en dominios como la electrónica de consumo, entornos industriales, aplicaciones de automoción, etc.
Puede leer también | Las mejores Herramientas de Inteligencia Artificial desarrolladas en plataformas de Software Libre
A diferencia de las cámaras tradicionales, los sensores de eventos no utilizan una frecuencia de adquisición común (frecuencia de imagen) para todos los píxeles. En su lugar, cada píxel determina de forma independiente cuándo muestrea los datos reaccionando a los cambios en los niveles de luz incidente. Este enfoque ofrece varias ventajas, como un funcionamiento rápido, un uso eficiente de la energía, una latencia mínima que permite tiempos de respuesta más rápidos, una menor demanda de procesamiento de datos y un alto rango dinámico. El conjunto de estas cualidades hace que los sensores de eventos sean muy adecuados para aplicaciones en el ámbito de la seguridad y otros.
"Nos hemos basado en nuestro éxito comercial en otras áreas de aplicación y hemos desarrollado este nuevo sensor Metavision basado en eventos para responder a las necesidades de los desarrolladores de sistemas periféricos con un sensor fácil de integrar, configurar y optimizar para múltiples casos de uso en detección de movimiento y objetos, reconocimiento de presencia, reconocimiento de gestos, seguimiento ocular y otras áreas de alto crecimiento", afirma Luca Verre, director ejecutivo y cofundador de Prophesee. Entre estas otras áreas podría estar la biometría facial.
Puede leer también | Definición de IA generativa: Cómo funciona, ventajas y peligros
SiLC Technologies presenta los sistemas Eyeonic Vision para visión artificial avanzada
SiLC Technologies ha desarrollado cuatro versiones distintas del sistema de visión Eyeonic, cada una de ellas personalizada para mejorar la percepción visual de las máquinas. Estas versiones están optimizadas para satisfacer las distintas necesidades de las aplicaciones, que exigen capacidades de visión a diferentes distancias.
A diferencia de los sistemas de visión artificial tradicionales, que suelen basarse en cámaras convencionales para captar imágenes estáticas, los sistemas de visión Eyeonic de SiLC representan una solución más completa y dinámica.
Puede leer también | ChatGPT como utilizarlo eficientemente y todo lo que necesitas conocer de la herramienta de Inteligencia Artificial
El sistema Eyeonic Vision utiliza tecnología LiDAR FMCW (onda continua de frecuencia modulada), un sensor que emplea luz láser para medir distancias y recopilar datos ambientales detallados. Esta capacidad permite al sistema ofrecer información precisa y en tiempo real. Para integrar el sensor LiDAR FMCW, la empresa ha creado una solución integrada en chip, que constituye el núcleo de la tecnología utilizada en estos sistemas de visión.
"Desde el lanzamiento del sistema de visión Eyeonic, nuestra colaboración con varios fabricantes de equipos originales ha puesto de manifiesto la existencia de distintos requisitos de visión, lo que ha hecho necesarias varias versiones de nuestra solución", afirma Mehdi Asghari, director ejecutivo y fundador de SiLC Technologies.
Crecimiento del mercado de la tecnología neuromórfica
Según un informe de Gartner, la computación neuromórfica destaca como una de las cuatro tecnologías emergentes que remodelarán el panorama de la industria en un plazo de tres a ocho años. El informe destaca la gran influencia que tendrá la computación neuromórfica en la oferta de productos y la dinámica del mercado.
Puede leer también | ¿Qué es la computación cognitiva?
"Sin embargo, es probable que el impacto sea significativo, ya que se espera que la computación neuromórfica altere muchos de los desarrollos actuales de la tecnología de IA, proporcionando ahorros de energía y beneficios de rendimiento que no se pueden lograr con las generaciones actuales de chips de IA", dice el informe.