【導讀】飛行汽車(chē)、機器人管家……在一些未來(lái)暢想中，今天的人們已經(jīng)擁有了各式“智慧”產(chǎn)品。如果運氣不好的話(huà)，高智能機器人大行其道，開(kāi)始起來(lái)反抗人類(lèi)，再現《機械公敵》劇情。雖然這些想象并未成真，但在當下，人工智能(AI)技術(shù)已經(jīng)走進(jìn)了人們的世界。比如，每當給Alexa智能音箱指令時(shí)，機器學(xué)習技術(shù)都會(huì )努力弄清話(huà)語(yǔ)內容，并試圖做出最佳判斷。每次Netflix或亞馬遜推薦了“下一部電影”或“下一次購貨商品”時(shí)，均是基于復雜機器學(xué)習算法而定向推薦，讓這些推薦遠比之前的促銷(xiāo)看上去誘人。盡管自動(dòng)駕駛汽車(chē)尚未普及，但人們紛紛意識到自主導航的潛力和趨勢。
人工智能技術(shù)大有前途——它讓機器可以根據周?chē)氖澜缱龀鰶Q策，像人一樣處理信息，甚至處理方式還會(huì )優(yōu)于人類(lèi)。但是，如果細想上述事例，便會(huì )發(fā)現目前的很多人工智能，只能通過(guò)“大型機器”來(lái)實(shí)現——這些機器發(fā)熱量高、擁有線(xiàn)路功耗、體積巨大，而且昂貴。像Alexa和Netflix依靠云端的大型、高耗電服務(wù)器來(lái)分析用戶(hù)的意圖。而自動(dòng)駕駛汽車(chē)則要依賴(lài)電池供電，考慮到電池必須能夠驅動(dòng)車(chē)輪和轉向，因此需要提供很高的容量，與非常昂貴的人工智能決策相比，同樣也要消耗大量能源。
目前，人工智能技術(shù)穩步發(fā)展，但是人工智能的“小型化，邊緣化”卻明顯滯后。那些由小型電池供電或存在成本和尺寸限制的設備無(wú)法實(shí)現機器的視覺(jué)和聽(tīng)覺(jué)分析功能。目前，這些小型機器只能利用簡(jiǎn)單的人工智能技術(shù)：也許只是聽(tīng)一個(gè)關(guān)鍵詞，或者分析低維信號，比如用光容積描記術(shù)(PPG)來(lái)測量心率。
如果小型機器有視覺(jué)和聽(tīng)覺(jué)功能會(huì )怎么樣？
事實(shí)上，小型設備一旦能夠看到和聽(tīng)到，是否有實(shí)用價(jià)值呢？思考一下，像門(mén)鈴攝像頭這樣的小產(chǎn)品需要使用自動(dòng)駕駛或自然語(yǔ)言處理等高階人工智能技術(shù)嗎？似乎也沒(méi)有必要。因此可以考慮采用不太復雜、處理強度不大的小型化的、邊緣的人工智能計算，比如詞匯識別、語(yǔ)音識別和圖像分析。
● 普通的門(mén)鈴攝像頭和消費類(lèi)安保攝像頭經(jīng)常會(huì )被一些無(wú)關(guān)緊要的事件觸發(fā)，比如刮風(fēng)引起的植物擺動(dòng)、云彩引起的劇烈光線(xiàn)變化、甚至是狗或貓在攝像頭前跑動(dòng)。這些事件可能會(huì )導致誤觸發(fā)，從而需要房主去操作忽視并清除此類(lèi)觸發(fā)事件。尤其糟糕的是，如果房主正好在世界其它地方旅行，而家里的攝像頭卻對日出、云彩、日落造成的光線(xiàn)變化發(fā)出了誤警報會(huì )影響他們睡眠和旅行。但一個(gè)智能攝像頭卻能夠基于更具體的事件進(jìn)行觸發(fā)，例如在所監控的畫(huà)面中出現了一個(gè)人。
● 門(mén)鎖或其它出入口可使用面部識別，甚至是語(yǔ)音識別來(lái)授予人員訪(fǎng)問(wèn)權限，在某些情況下不需要鑰匙或胸卡。
● 很多攝像頭都希望在發(fā)生某些特定事件時(shí)才觸發(fā)：例如，跟蹤攝像頭可能希望在畫(huà)面中出現鹿時(shí)被觸發(fā)，安保攝像頭可能希望在畫(huà)面中有人或出現開(kāi)門(mén)或腳步聲等噪音時(shí)被觸發(fā)，而個(gè)人攝像頭可能希望通過(guò)語(yǔ)音命令來(lái)觸發(fā)。
● 雖然有很多“Hey Alexa”這樣的簡(jiǎn)單解決方案，但多詞匯量命令在很多應用中都非常有用。如果具備識別20個(gè)或更多單詞的詞匯表，就可以在工業(yè)設備、家居自動(dòng)化、烹飪設備和大量其它設備中應用，以簡(jiǎn)化人機交互。
盡管這些例子只觸及表層：讓小型機器看到、聽(tīng)到和解決過(guò)去需要人為干預的問(wèn)題，但實(shí)際上這是一種顛覆性思路，因為人們每天都不斷發(fā)現可智能化創(chuàng )造的新場(chǎng)景。
讓小機器具備視覺(jué)和聽(tīng)覺(jué)功能，面臨哪些挑戰？
既然人工智能對小型機器具有如此實(shí)用價(jià)值，為何沒(méi)有被大量開(kāi)發(fā)呢？答案是受限于算力。人工智能推理是神經(jīng)網(wǎng)絡(luò )模型計算的結果?？梢园焉窠?jīng)網(wǎng)絡(luò )模型看作是大腦處理圖像或聲音的粗略近似形態(tài)，將其分解為非常小的片段，然后在這些小碎片組合在一起時(shí)識別出模型?，F代化視覺(jué)問(wèn)題的主要模型是卷積神經(jīng)網(wǎng)絡(luò )(CNN)。這類(lèi)模型在圖像分析方面非常出色，在音頻分析方面也非常有用。問(wèn)題在于，這些模型需要數百萬(wàn)或數十億次的數學(xué)計算。對于傳統硬件設計，這些應用在實(shí)施時(shí)卻會(huì )面臨一些困難抉擇：
● 使用低成本、低功耗的微控制器解決方案。雖然平均功耗可能很低，但卷積神經(jīng)網(wǎng)絡(luò )可能需要幾秒鐘時(shí)間來(lái)計算，這意味著(zhù)人工智能推理不是實(shí)時(shí)的，并會(huì )消耗大量的電池電量。
● 購置一個(gè)昂貴的高性能處理器，能在規定延遲內完成這些數學(xué)運算。不過(guò)，這些處理器通常很大，需要很多外部組件，包括散熱器或類(lèi)似的冷卻組件。好處是，它們執行人工智能推理的速度非?？?。
● 低功耗微控制器解決方案的速度太慢，無(wú)法發(fā)揮作用，而高性能處理器方法會(huì )超出成本、尺寸和電源預算，可以說(shuō)上述兩種方案都不夠理想，難以實(shí)施。
由此可見(jiàn)，人們需要的是一種全新的嵌入式人工智能解決方案，盡可能減少卷積神經(jīng)網(wǎng)絡(luò )計算所需的能耗。人工智能推理需要以比傳統微控制器或處理器解決方案更少的能量來(lái)執行，并且無(wú)需借助能耗高、尺寸大、成本大的外部組件（如存儲器）。如果人工智能推理解決方案實(shí)際上能夠消除機器視覺(jué)的能量損失，那么即便是最小的設備也能看到并識別周?chē)澜绨l(fā)生的事情。
幸運的是，人們現在已經(jīng)處于這場(chǎng)“小型機器”革命的開(kāi)端。目前，ADI已經(jīng)在市場(chǎng)上推出了相關(guān)產(chǎn)品，能夠消除人工智能推理的能源成本，并實(shí)現電池供電的機器視覺(jué)功能。了解更多有關(guān)構建能夠執行人工智能推理但能耗卻只有微焦耳的微控制器的信息。
關(guān)于A(yíng)DI公司
ADI是全球領(lǐng)先的高性能模擬技術(shù)公司，致力于解決最艱巨的工程設計挑戰。憑借杰出的檢測、測量、電源、連接和解譯技術(shù)，搭建連接現實(shí)世界和數字世界的智能化橋梁，從而幫助客戶(hù)重新認識周?chē)氖澜?。詳情請瀏覽ADI官網(wǎng)www.analog.com/cn。
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)題，請聯(lián)系小編進(jìn)行處理。
推薦閱讀：
GaN是否具有可靠性？或者說(shuō)我們能否如此提問(wèn)？
