《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 模擬設(shè)計 > 業(yè)界動態(tài) > 人工智能和移動設(shè)備怎樣接軌

人工智能和移動設(shè)備怎樣接軌

2015-10-23

FKR8}}4R0MYV5CI(9U4}045.jpg

  時下業(yè)界利用深度學習算法來訓練卷積神經(jīng)網(wǎng)絡(luò)(CNN),,以期實現(xiàn)智能化程度更高的移動設(shè)備,,這可能需要以全新方法來設(shè)計處理器架構(gòu)。但是,,巧妙地充分利用現(xiàn)有的技術(shù),,也可幫助我們進一步走向具備真正智能認知能力的設(shè)備,并能夠完全重新定義用戶體驗,。

  Nvidia在三月的GPU技術(shù)大會上使用汽車和先進駕駛輔助系統(tǒng)(ADAS)作為應(yīng)用重點,,配合Elon Musk的意見和評論,希望表明自動駕駛汽車的挑戰(zhàn)幾乎已被完全克服了,。另一方面,,隨著時間的推移,,加上一些著眼于降低功耗的調(diào)整與改良,我看到無處不在的3D感知,、3D跟蹤,,以及圖像搜索等許多技術(shù)和應(yīng)用正在快速進入智能手機,以及其他以電源或電池供電的嵌入式系統(tǒng)中,。

  結(jié)合用于偵測運動和音頻信號的傳感器,、快速的存儲器訪問 ,以及高功效的數(shù)據(jù)處理方法,,這些系統(tǒng)可以擁有真正的“認知”能力,,甚至在不遠的將來構(gòu)成一個用于人工智能移動設(shè)備的平臺。同時,,重要的是優(yōu)化現(xiàn)有的架構(gòu)來實現(xiàn)“智能視覺”功能,,比如3D深度圖和感知、物體識別以及增強現(xiàn)實,,還有一些核心的計算圖像學功能,,比如圖像縮放、HDR,、圖像再對焦,,以及微光圖像增強。

  隨著許多圖像處理與增強功能也都使用計算機視覺技術(shù),,計算機視覺和圖像處理技術(shù)之間的區(qū)別正在變得越來越模糊,。最直接的例子就是多幀圖像增強功能,比如HDR,、圖像縮放與再對焦——拍攝多個連續(xù)的圖像,,然后將它們?nèi)诤显谝黄穑玫礁哔|(zhì)量的畫面,。

  雖然我們稱之為“圖像增強”,,但這其實涉及大量的計算機視覺處理來“register”圖像,既完成兩幀或三幀畫面之間的匹配?,F(xiàn)在,,用戶認為這種基本功能是理所當然的,但其實它需要非常強大的處理能力,,使得對于專門的,、高性能的數(shù)字信號處理 (DSP)的需求將會增加。

  高通公司(Qualcomm) 在Uplinq 2013上發(fā)布了文章,,很好地描繪出用于各種不同處理功能的像素功率和時間關(guān)系,。圖中展示了三個處理器,包括一個在1.2 GHz下運行的單核CPU,、一個四核CPU,,以及一個在690 MHz下運行的DSP,。

  圖1:描繪不同處理器在處理每個像素時需要的處理能力和時間,表明了DSP結(jié)合CPU用于視覺處理的優(yōu)勢,。為了優(yōu)化功耗和性能,,結(jié)合CPU、DSP和GPU可能是總體來說最好的方法,。

  圖表表明DSP在僅略微超過CPU一半的時鐘頻率下運行,,便能夠在圖像處理上達到相同的效果,提供了潛在的性能增益,,同時節(jié)省了更多的功耗(功率= 電容 x 電壓2 x 頻率,或者P=CV2xF),。

  然而,,隨著我們轉(zhuǎn)向在移動平臺上實現(xiàn)類似人類的視覺、人工智能和增強現(xiàn)實應(yīng)用,,可能需要重新思考所需的處理架構(gòu),。結(jié)合傳感器融合和先進深度學習算法(比如CNN),這些非常先進的計算密集型應(yīng)用將提供更具環(huán)境感知和情境感知的用戶體驗,,但是在電池壽命方面卻要作出取舍,。

  設(shè)計人員面臨的挑戰(zhàn),是一方面要實現(xiàn)具有智能感知能力的設(shè)備,,同時在另一方面維持可接受的電池壽命,。有幾種方法來實現(xiàn)這一點。例如,,可以使用來自高通或Nvidia的GPU來支持CPU,。這已經(jīng)在許多智能手機中實現(xiàn)了。然而,,降低功耗這一持續(xù)性的強制需求驅(qū)使我們將特定的處理密集型功能分散給針對視覺處理進行優(yōu)化的DSP處理器,。在處理物體識別和跟蹤時,對比當下最先進的GPU簇群,,使用這種方法可以節(jié)省高達9倍的功耗,。

  然而,即使具備這種功耗水平,,移動設(shè)備仍然不太可能很快地使用面部識別來進行人群搜索,,因為此功能對于處理能力的要求還是太高了。不過,,低功耗處理器和經(jīng)過特定優(yōu)化的處理器架構(gòu)的面世帶來了希望,,使得我們在這個領(lǐng)域內(nèi)正在取得實質(zhì)的進展。這類進展是MIT Technology Review將深度學習稱為2013年十項技術(shù)突破之一的原因所在,。除了GTC上進行了相關(guān)演示,,微軟,、百度,以及Cognivue也展示了一些研究成果,。此后,,這個領(lǐng)域中還有其他長足發(fā)展。

  此外,,Aziana (澳大利亞)最近宣布與BrainChip(美國加州)合并,,后者是專門以硬件方式實施人工智能的企業(yè),并已經(jīng)著眼于開發(fā)用于移動平臺的人工智能,。雖然支持強大處理能力的架構(gòu)和超低功耗處理是至關(guān)重要的,,但隨著云連接變得更普及、更快捷,,若我們將盡可能多的處理開銷分配到云中,,也是合乎情理的。這將會走向智能的處理性能分配,。在云做最適合在云中處理的工作,,在移動設(shè)備做最適合移動設(shè)備處理的工作,盡可能高效地依據(jù)架構(gòu)分配功能,,比如使用CPU來分配GPU和DSP之間的負載,。用高通公司的說法,就是使用合適的引擎來做合適的工作,。


本站內(nèi)容除特別聲明的原創(chuàng)文章之外,,轉(zhuǎn)載內(nèi)容只為傳遞更多信息,并不代表本網(wǎng)站贊同其觀點,。轉(zhuǎn)載的所有的文章,、圖片、音/視頻文件等資料的版權(quán)歸版權(quán)所有權(quán)人所有,。本站采用的非本站原創(chuàng)文章及圖片等內(nèi)容無法一一聯(lián)系確認版權(quán)者,。如涉及作品內(nèi)容、版權(quán)和其它問題,,請及時通過電子郵件或電話通知我們,,以便迅速采取適當措施,避免給雙方造成不必要的經(jīng)濟損失,。聯(lián)系電話:010-82306118,;郵箱:[email protected]