Zephyr e IA incorporada: onde tudo se encaixa
Uma vez compreendida a IA incorporada como uma forma de levar modelos de machine learning para o próprio dispositivo IoT, o próximo passo é analisar qual a plataforma que pode facilitar a sua integração numa aplicação real. Neste ponto, o Zephyr apresenta-se como uma base especialmente interessante.
O Zephyr pode encarregar-se de várias componentes-chave: a aquisição de dados a partir de sensores, o planeamento de tarefas, a gestão energética, as comunicações e a atualização do firmware. Além disso, o seu ecossistema permite integrar tecnologias como o LiteRT, anteriormente TensorFlow Lite, ou o Edge Impulse. Também suporta modelos gerados com ferramentas externas, como o NXP eIQ Time Series Studio, e exportados como bibliotecas ou código-fonte para serem utilizados dentro da aplicação.
Mas como se incorporam estas tecnologias num dispositivo através do Zephyr?
Como se executa IA dentro do Zephyr
Numa aplicação Zephyr, o ciclo de inferência segue normalmente uma sequência clara:
- O dispositivo recolhe os dados dos sensores selecionados para cada caso de utilização.
- Os dados são preparados através de tarefas de filtragem, normalização, cálculo de janelas temporais ou extração de características.
- O modelo é executado com a tecnologia de machine learning escolhida. Isto pode ser feito através de chamadas às APIs das bibliotecas geradas, da utilização de um SDK ou dos recursos internos disponíveis. O resultado pode ser uma classe, uma probabilidade, uma pontuação de anomalia ou uma regressão.
- A aplicação toma uma decisão. Pode ativar um alarme, enviar uma mensagem, registar um evento, alterar o modo de funcionamento ou combinar a inferência local com serviços externos.
O Zephyr não funciona como um 'recipiente' do modelo; coordena todo o comportamento do dispositivo
Este padrão revela-se especialmente poderoso porque o Zephyr não atua apenas como um 'recipiente' do modelo. É a plataforma que coordena todo o comportamento do dispositivo: sensores, conectividade, energia, segurança e lógica de negócio.
Para além do ciclo básico de inferência, é também necessário ter em conta a manutenção do modelo após a sua implementação.
Se as condições do ambiente, o comportamento do dispositivo ou a qualidade dos dados capturados se alterarem, pode ocorrer um drift. Ou seja, o modelo pode deixar de representar corretamente a realidade. Nesses casos, será necessário avaliar a sua atualização ou retreinamento.
As vantagens do Zephyr para Edge AI
Uma das razões pelas quais o Zephyr se adapta bem a cenários de Edge AI é que permite integrar a inteligência artificial como mais uma parte da aplicação incorporada, e não como um elemento isolado.
Entre as suas principais vantagens, destacam-se as seguintes:
- Uma base tecnológica comum. O Zephyr permite integrar sensores, comunicações, gestão energética, tarefas em tempo real, segurança, armazenamento e atualização de software.
- Uma arquitetura modular. É possível incorporar bibliotecas externas, SDK ou código gerado por ferramentas de treino e otimização de modelos.
- Portabilidade entre diferentes ambientes. Um projeto de Edge AI pode começar numa placa de desenvolvimento e evoluir posteriormente para outro hardware.
Para além destas características gerais, o Zephyr oferece outras possibilidades concretas para o desenvolvimento de soluções de IA incorporada:
- A primeira é a utilização de runtimes de inferência adaptados aos microcontroladores, como o TensorFlow Lite, no âmbito do atual ecossistema LiteRT para dispositivos incorporados. Isto facilita a execução de modelos otimizados diretamente no dispositivo. O Zephyr fornece, além disso, exemplos e módulos para a sua integração.
- A eficiência energética é outro aspeto fundamental. Muitos dispositivos IoT funcionam em ambientes onde o consumo deve ser reduzido ao mínimo. O Zephyr oferece mecanismos de gestão de energia que permitem combinar períodos de baixo consumo com momentos pontuais de execução dos modelos. Assim, o dispositivo não precisa de permanecer sempre ativo: pode ativar-se, analisar os dados, tomar uma decisão e regressar a um estado de menor consumo.
- Por último, o Zephyr incorpora funcionalidades para manter e atualizar uma solução de IA incorporada. É possível distribuir com segurança novas versões do firmware ou do modelo e incluir mecanismos de validação e recuperação em caso de falhas. Quando a arquitetura requer maior modularidade, o LLEXT permite carregar extensões de código pré-compiladas durante a execução. A sua utilização, no entanto, obriga a ter em conta fatores como a compatibilidade, a memória disponível e a segurança.
Limitações a ter em conta
Os modelos de Edge AI devem adaptar-se às restrições dos dispositivos incorporados.
A IA incorporada deve, portanto, ser entendida como um complemento de outros níveis de processamento
A memória disponível, a capacidade de computação e o consumo energético são fatores determinantes no desenho da aplicação e na seleção ou treino do modelo de machine learning.
Nestes ambientes, não basta que o modelo seja preciso. Deve também ser suficientemente leve e eficiente para ser executado dentro dos limites reais do dispositivo.
A qualidade dos dados captados pelos sensores é outro fator crítico. O ruído dos sinais, as lacunas nas leituras, os valores fora do intervalo ou as alterações no ambiente podem afetar diretamente o resultado da inferência. Por isso, antes de executar o modelo, é frequentemente necessário validar, filtrar e preparar corretamente os dados de entrada.
A Edge AI também não elimina todas as necessidades de processamento externo. Quando o modelo é executado no próprio dispositivo, cada nó funciona normalmente com uma visão local: os seus sensores, o seu ambiente imediato e o seu contexto de funcionamento. Isto permite responder rapidamente e reduzir a dependência da nuvem, mas limita a deteção de eventos coletivos e a correlação entre diferentes fontes de informação.
A IA incorporada deve, portanto, ser entendida como um complemento de outros níveis de processamento, e não como um substituto universal da nuvem. O seu valor reside em levar a capacidade de análise e decisão até ao local onde os dados são gerados, sempre dentro das possibilidades reais do dispositivo.
A combinação do Zephyr com a IA incorporada representa, em última análise, uma evolução natural da IoT: a transição de dispositivos que se limitam a estar ligados para sistemas capazes de interpretar o seu ambiente e agir de forma inteligente.
Este artigo dá continuidade ao artigo intitulado 'IA incorporada: da IoT conectada à IoT inteligente', também assinado por José Antonio Sánchez Segovia.