深度解读高通AI愿景 人工智能硬件的未来会是怎样?

[导读] 高通在机器学习领域的探索可以追溯到2007年,自那时起,高通就开始了面向计算机视觉和运动控制应用的机器学习脉冲神经方法研究,随后,其研究范围从仿生方法拓展到了人工神经网络,也就是深度学习领域。而就在上个月,高通还参与投资了一家位于美国的人工智能公司Brain Corp。

高通在机器学习领域的探索可以追溯到2007年,自那时起,高通就开始了面向计算机视觉和运动控制应用的机器学习脉冲神经方法研究,随后,其研究范围从仿生方法拓展到了人工神经网络,也就是深度学习领域。而就在上个月,高通还参与投资了一家位于美国的人工智能公司Brain Corp。

Y1

人工智能正向终端迁移

终端侧人工智能是高通最近在多个场合反复提及的词汇。根据Jeff Gehlhaar的表述,移动终端正成为全球最普遍的人工智能平台。数据显示,未来5年全球智能手机的累计出货量将超过85亿部,这也是移动终端将成为全球最普遍人工智能平台的原因。Qualcomm一直以来在移动领域拥有领导地位,这为他们提供了利用已有的规模和机会,去促进手机和毗邻领域发展的机会。

Y2

移动领域的规模化,成为了Qualcomm将人工智能带给大众的基石。加之不可阻挡的物联网趋势和即将到来的5G时代,使得高通认为智能互联所需要的计算能力正通过云端分布到设备端。因此,高通提出的AI愿景将更专注于帮助智能手机、汽车和机器人等广泛而普及的海量终端实现人工智能,以确保在有无网络或Wi-Fi连接的情况下都能够完成处理。其优势包括即时响应、可靠性提升、隐私保护增强,以及高效利用网络带宽。

Y3

“我们于十年前就开始了基础研究,目前我们的现有产品支持了许多人工智能用例:从计算机视觉和自然语言处理,到各种终端,如智能手机和汽车上的恶意软件侦测。同时,我们正在研究更广泛的课题,例如面向无线连接、电源管理和摄影的人工智能。”Jeff Gehlhaar说未来Qualcomm 将持续推进人工智能研究,把先进的机器学习技术带到业界最前沿,具体工作将包括: 针对半监督和无监督训练,如生成式对抗网络(GANs)、分布式学习和隐私保护,提升神经网络技术; 面向终端侧应用的网络优化,包括压缩、层间优化、稀疏优化,以及更好地利用内存和空间/时间复杂度的其他技术; 以及专门的硬件架构,旨在加速机器学习运算,从而在嵌入式终端上带来更佳性能和更低功耗。

但他同时也指出,对于终端侧人工智能而言,人工智能需要的大量密集计算与终端所能承受的功耗和热效率,是业界无法回避的巨大挑战。而高效的硬件、算法改进和软件工具将是高通应对挑战的三把利器。“对Qualcomm来说,我们的算法优化和提升主要包括压缩、层间优化和稀疏优化等;软件方面,Qualcomm一方面提供自己的软件工具以支持在终端侧进行的人工智能,同时也和生态系统里的合作伙伴合作,支持TensorFlow、Caffe、Caffe2以及一些未来即将发布的框架。”

Y4

人工智能硬件的未来会是怎样?

为了向更多行业(包括移动、汽车、医疗健康、安全与图像)的开发者提供他们所需的工具,以实现终端侧的、由神经网络驱动的用户体验,2016年,高通正式发布了Qualcomm骁龙神经处理引擎(Neural Processing Engine, NPE) SDK,开发者可充分利用该SDK实现诸如情景探测、面部识别、自然语言理解、物体追踪与规避、手势和文本识别等深度学习用户体验。

该SDK基于分布式架构,目前可支持骁龙600和800系列平台,以及TensorFlow、Caffe、Caffe2和一些即将发布的框架,可以让深度神经网络引擎运行在骁龙异构平台的CPU、GPU、DSP等各个单元上。未来,再利用5G无线通信技术,就可以实现终端侧与云之间的人工智能配合和连接。

Y5

首款整合骁龙神经处理引擎SDK的公司之一是Facebook,目前正在使用它来加速其移动应用程序中的增强型现实过滤器。数据显示,通过使用神经处理引擎,Facebook的过滤器速度比通用CPU实现方案要快5倍,在拍摄照片和直播视频时,可实现更流畅、无缝且逼真的AR特性应用。

智能驾驶是Jeff Gehlhaar列举的另一个典型的终端侧AI应用场景。在CES 2017上,Qualcomm展示了采用骁龙820Am处理器的Qualcomm Drive Data平台。这是一个数据收集和分析平台,可以通过车上的传感器(前置摄像头、后视摄像头、雷达等)收集汽车的大量信息,用于实现车辆管理与地图生成等功能。

该汽车技术平台的重要组成部分便是基于终端的机器学习(on-device machine learning)。Qualcomm Drive Data平台采用了骁龙820Am汽车处理器,支持汽车随时随地、精确地判断城市街道的水平精确度(lane-level accuracy),以此来实现精准的定位。其次,通过集成X12 LTE调制解调器,它还可以连接至云端。除此之外,它还支持基于云端处理的地图和数据应用。以上这些都是Qualcomm通过Qualcomm Drive Data平台所展示的技术。

通常来说,汽车中的很多应用都会收集大量数据,然后在云端进行机器学习处理,比如判断交通路况、交通信号灯、车道侦测等。事实上,我们可以筛选掉某些不相关的数据,仅仅把交通路况和环境视频等需要的数据上传至云端。因为骁龙820Am处理器的性能十分强大,它集成了定位、机器学习、连接等多项出色特性,有很多数据就可以在终端上进行处理。

此外,对于用户关心的“安全和用户隐私保护”,Jeff Gehlhaar表示,“高通与谷歌合作,研究了几种技术,我们相信这些技术将引领发展方向,而这些想法彼此间也都有一定的联系。其中一个想法是,让多台终端一起作为整体协同学习,这样就没有一台终端能获取所有的数据。第二个想法叫做隐私保护深度学习(privacy preserving deep learning),可以保证数据只提供给训练模型,从而保护数据隐私,同时也保护数据所有人的个人信息。用户可以在不被泄露个人信息的情况下放心地分享数据。”

未经允许不得转载:数智网 » 深度解读高通AI愿景 人工智能硬件的未来会是怎样?

分享到: 更多