什么是人工智能？
人工智能 (AI) 是试图模仿人类行为的系统，更具体而言，是对类似于人类行为的输入进行模拟响应的电气和/或机械实体。最好的具体例子是语音识别，系统需要理解口语术语、缩写、代词以及标准词语，以便像和好友聊天一样进行响应。AI 的关键在于从传感器或传感器组合等设备中获取输入，并根据目标确定适当的响应。例如，家庭安全系统的目标是保护家庭。它必须确定来自振动和声音传感器的输入是否与破损窗户的输入相匹配，如果匹配，则触发警报并通知有关当局。它试图匹配假如您坐在沙发上并听到窗户破损时的行为——您会听到它、识别它并跑去拨打紧急服务电话。
什么是机器学习？
机器学习 (ML) 是系统在重复使用后自行改进的能力。其原理是，它可以使用正在收集的数据来自我改善提升。ML 是创建人工智能的副产品，因为研究人员需要一种方法来提升他们对输入的响应，即无需经常手动更新系统，而是让系统自行更新和改进。ML 通常是计算机算法，用于开发语言识别等解决方案。
人工神经网络
人工神经网络 (ANN) 是机器学习的一种实现方式，尽管它是具有多个层的非常高级的实现方式。与在单个流程中收集输入并做出决策的 ML 不同，ANN 具有几个节点，每个节点都有助于基于数据进行操作。更改一个节点的行为也会影响其他节点。这形成了与人类大脑非常相似的更复杂结构。
无线物联网中的人工智能和机器学习
物联网中最受期待的发展之一是注入人工智能和机器学习。通过使物联网设备具有可训练性、可操作性并能从环境中提取信息和进行学习，让物联网设备变得更具上下文感知能力，最终以各种方式变得更加有用。
物联网有很多层，可以实现 AI/ML。每一层都可以做出不同的决策，提供不同的价值主张。底部要处理的数据量最少，通常只有区域管辖权。 随着层的增加，要计算的数据越多，决策就越重大，对系统的影响也越大。 越接近顶部，数据到达顶部以及决策向下传递所需的时间就越长，网络终端用户看到反应所需的时间就越长。 例如，您不希望语音识别总是一直到云中传输并花费几秒钟时间才返回，您希望在本地计算它，以便快速响应，从而获得良好的用户体验。
末端边缘
从物联网中 AI/ML 的末端边缘底部开始，包括最简单的终端设备（如小型低功耗传感器）、简单的智能家居设备（如灯泡、低端恒温器等）。通常，它们使用诸如 Cortex-M 类的微处理器和非常精简的 AI 系统，根据他们正在感测的数据做出最佳决策。这可以使恒温器或门窗传感器了解它们所处的环境并做出最佳决策，而不是从工厂校准，因为如果它们部署在独特的环境中，则可能做出错误决策。这可以增强用户体验，让设备制造商和终端用户能够从设备中获取他们所需的一切。
中间边缘
在此级别上的 AI/ML 通常仍属于物联网网络的内部部署，但已转向诸如 Cortex-A 类的应用处理器。它们可以计算更多数据，并从所有其他终端节点或传感器获取输入。在这里，您可以根据整个家庭或建筑物做出决策，而非将其发送到云端。您可以让系统查看智能 HVAC 系统和智能照明系统的数据，以确保在用户离开建筑物的情况下灯会熄灭，并可能降低 HVAC 输出以节省电力。在这里，您首先开始桥接系统，在决定要做什么之前先收集所有输入数据。
顶部边缘
在顶部边缘，您现在要处理一些可能影响社区、城镇或城市的更具区域性的数据集和决策。您在这里拥有更强大的处理器来处理更多的数据。这通常是处理此层的市政和城市，以监控电力、停车位等资源的使用情况。
云
所有的终点都是数据，在这里您似乎拥有无限的计算能力（这近乎事实）。通常，即使决策不是在云级别做出，数据与决策至少会发送给云进行分析，以查看是否是正确的决策，如果不是，系统可以改进。在这里，您可以桥接许多已连接的系统，并管理整个资产组。这通常由大型实体使用，如零售店所有者、具有多阶段流程的工业参与者、连锁酒店等。
物联网中人工智能和机器学习所带来益处的示例包括：
- 显著节约成本
- 减少带宽使用
- 设计时间更快
- 设计尺寸更小，并能低功耗运行
- 数据隐私和安全性更高
带宽得到优化
边缘设备传感器可生成大量原始数据，因而会占用大量带宽。AI 端节点可预处理数据，帮助降低带宽使用。
设计时间更快
专用 AI 建模软件可创建小型应用程序 MCU 所用的模型，从而避免通常用于检测原始数据中细微差异所需的复杂编码。
设计尺寸更小与低功耗
AI 增添了功能性上的优势和能力，但不会增加内存占用或 MCU 要求，因为代码大小往往会减少。随着通信的减少，本地处理也会随之减少电流。
数据隐私
随着向云端传送的数据集减少，恶意行为者能够用于黑客活动的数据也随之减少。AI/ML 实现的更小数据集也有助于削弱黑客识别数据模式的能力。
Thunderboard Sense 2 高级物联网套件详细信息
Thunderboard Sense 2 可为开发人员提供外形紧凑、功能丰富的参考设计。该套件旨在为物联网产品（如无线传感器节点）开发和原型设计提供快速途径。该套件拥有各种各样的传感器，这使其成为在小型平台物联网设备中展示人工智能强大能力的理想平台。Thunderboard Sense 2 得到业界领先的 Simplicity Studio 工具套件的完全支持，并且还配有完全受支持的板载 J-Link 调试器。
Wireless Gecko EFR32™
- 无线 SoC 搭载多协议无线电
- 具有 256 kB RAM 和 1024 kB 闪存的 ARM® Cortex® M4 内核
- 低能耗
- 灵活的 MCU 外围接口
套件功能
- 2.4 GHz 无线电配置带板载天线
- 集成式 Segger J-Link 调试器
- USB CDC 虚拟串行端口
- 8 Mbit SPI 超低功耗 NOR 闪存，用于本地存储
移动应用程序
- Android 和 iOS 移动应用程序
- iOS 应用程序得到快速实施
- Android 应用程序以原代码嵌入
移动应用程序功能
- 查看传感器数据
- 控制各 LED 灯并检测按钮
- 将传感器数据传输至云
