人工智能研究現(xiàn)在提供了使用數(shù)千小時(shí)的強(qiáng)大計(jì)算資源來訓(xùn)練和完善神經(jīng)網(wǎng)絡(luò)的可能性，然后神經(jīng)網(wǎng)絡(luò)將能夠在廉價(jià)、低功耗設(shè)備上運(yùn)行。

人工智能開始從云端轉(zhuǎn)移到邊緣。人工智能研究現(xiàn)在提供了一種有趣的可能性，即使用數(shù)千小時(shí)的強(qiáng)大計(jì)算資源來訓(xùn)練和完善神經(jīng)網(wǎng)絡(luò)，然后能夠在廉價(jià)、低功耗設(shè)備上運(yùn)行。這使得邊緣AI設(shè)備成為可能，即使在離線時(shí)也可以運(yùn)行，因此網(wǎng)絡(luò)連接不是必需的。這種方法利用了進(jìn)化式神經(jīng)網(wǎng)絡(luò)訓(xùn)練技術(shù)（如對(duì)抗性神經(jīng)網(wǎng)絡(luò)）的強(qiáng)大功能。

對(duì)能源和存儲(chǔ)使用有限制的神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程自然會(huì)創(chuàng)建一個(gè)神經(jīng)網(wǎng)絡(luò)，將其有限的資源集中在更有用的路徑上，同時(shí)修剪不太重要的區(qū)域。此過程非常適合創(chuàng)建在低功耗、低成本設(shè)備上運(yùn)行的網(wǎng)絡(luò)。隨后，神經(jīng)網(wǎng)絡(luò)壓縮技術(shù)可以進(jìn)一步壓縮經(jīng)過訓(xùn)練的網(wǎng)絡(luò)，將內(nèi)存需求降低多達(dá) 90%，同時(shí)幾乎不會(huì)影響性能——類似的技術(shù)也有助于減少計(jì)算負(fù)載。

神經(jīng)網(wǎng)絡(luò)壓縮可以像降低變量精度一樣簡(jiǎn)單，但也包括分析、重組和修剪網(wǎng)絡(luò)。令人驚訝的結(jié)果是，海量計(jì)算能力（也許也可以被描述為“智能和經(jīng)驗(yàn)”）可能會(huì)被提煉成一種在廉價(jià)、低功耗設(shè)備上運(yùn)行的形式。（事實(shí)上，從廣義上講，我們可以將這種方法與數(shù)十億年的對(duì)抗性進(jìn)化相提并論，后者最終將智能生命封裝在微小的DNA鏈中）。

如果你認(rèn)為人工智能意味著一種學(xué)習(xí)和改進(jìn)的人類式智能，那么這種邊緣計(jì)算策略的目標(biāo)似乎違反直覺。這是因?yàn)樵S多簡(jiǎn)單的邊緣應(yīng)用程序最好由部署后不會(huì)發(fā)生顯著變化或改進(jìn)的設(shè)備提供服務(wù)——我們只希望它們能夠可靠且可預(yù)測(cè)地執(zhí)行任務(wù)。

對(duì)于低成本邊緣設(shè)備和物聯(lián)網(wǎng)設(shè)備的開發(fā)人員來說，人工智能工具包正在不斷擴(kuò)大，價(jià)格也在下降。新產(chǎn)品范圍從支持AI的FPGA到神經(jīng)網(wǎng)絡(luò)加速器，如Redpine的QueSSence智能連接平臺(tái)，以及研揚(yáng)科技UP AI Core X系列，這些系列為典型的低功耗計(jì)算和連接模塊添加了AI加速功能，非常適合物聯(lián)網(wǎng)邊緣設(shè)備。

人工智能使革命性的新產(chǎn)品成為可能

想象一下，添加 AI 如何增強(qiáng)日常設(shè)備和物聯(lián)網(wǎng)。板載低成本人工智能可以改變最普通的設(shè)備 - 例如，為交換機(jī)添加可靠的語音識(shí)別以實(shí)現(xiàn)免提操作 - 但讓我們也看看一些更復(fù)雜的潛在應(yīng)用：

配備人工智能的安全攝像頭可以快速學(xué)會(huì)識(shí)別熟悉的面孔、寵物等，并在看到意外的人或動(dòng)物時(shí)觸發(fā)警報(bào)。即使在斷開電源和網(wǎng)絡(luò)連接的情況下，也能決定是否發(fā)出警報(bào)，這對(duì)于安全設(shè)備來說顯然是一個(gè)加分項(xiàng)！借助機(jī)器學(xué)習(xí)技術(shù)，這種智能安全攝像頭的作用可以遠(yuǎn)遠(yuǎn)超出傳統(tǒng)的自動(dòng)攝像頭，例如，它可以識(shí)別和警告火災(zāi)、泄漏、結(jié)構(gòu)故障（如屋頂或窗戶損壞）以及各種其他危險(xiǎn)和事件。

訓(xùn)練有素的發(fā)動(dòng)機(jī)監(jiān)控系統(tǒng)可以使用其機(jī)載 AI 功能通過集成傳感器讀數(shù)、分析振動(dòng)模式和其他線索來檢測(cè)異常并優(yōu)化性能。這種來自廣泛傳感器融合的分析超出了傳統(tǒng)算法的能力，在某些情況下可能超過人類工程師的表現(xiàn)。本地化 AI 在沒有網(wǎng)絡(luò)連接的情況下工作的能力允許超低延遲響應(yīng)，以實(shí)時(shí)微調(diào)性能，并且在由于遠(yuǎn)程位置或射頻干擾而導(dǎo)致網(wǎng)絡(luò)連接困難的情況下以及在車輛和飛機(jī)等移動(dòng)應(yīng)用中，這是一個(gè)巨大的優(yōu)勢(shì)。

機(jī)器中的幽靈：?jiǎn)栴}和解決方案

人工智能可能是不可預(yù)測(cè)的，并且在我們沒有機(jī)會(huì)測(cè)試的邊緣情況下可能會(huì)出錯(cuò)。請(qǐng)考慮緩解此問題的方法，例如為用戶提供回退模式。這可能允許他們關(guān)閉“智能”AI，并允許設(shè)備回退到依賴更簡(jiǎn)單的老式算法，因此它仍然有效且有用，盡管沒有先進(jìn)的AI功能。此外，雖然板載智能是一個(gè)關(guān)鍵賣點(diǎn)，但開發(fā)人員仍然可以權(quán)衡何時(shí)在邊緣做出決策以及何時(shí)將它們推回云端或請(qǐng)求人工指導(dǎo)的利弊（事實(shí)上，這種選擇本身可能由設(shè)備上的人工智能實(shí)時(shí)指導(dǎo)）。

啞設(shè)備即將變得智能

將強(qiáng)大的、預(yù)先訓(xùn)練好的人工智能打包成低功耗、低成本設(shè)備的潛力為改造普通商品設(shè)備、為其增加價(jià)值以及開發(fā)新產(chǎn)品和新市場(chǎng)提供了幾乎無限的機(jī)會(huì)。

審核編輯：郭婷