飛行汽車,、機(jī)器人管家……在一些未來暢想中,，今天的人們已經(jīng)擁有了各式“智慧”產(chǎn)品。如果運(yùn)氣不好的話,，高智能機(jī)器人大行其道,，開始起來反抗人類，再現(xiàn)《機(jī)械公敵》劇情,。雖然這些想象并未成真,，但在當(dāng)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(dāng)給Alexa智能音箱指令時(shí)，機(jī)器學(xué)習(xí)技術(shù)都會(huì)努力弄清話語內(nèi)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(fù)雜機(jī)器學(xué)習(xí)算法而定向推薦，讓這些推薦遠(yuǎn)比之前的促銷看上去誘人,。盡管自動(dòng)駕駛汽車尚未普及,，但人們紛紛意識(shí)到自主導(dǎo)航的潛力和趨勢。
人工智能技術(shù)大有前途——它讓機(jī)器可以根據(jù)周圍的世界做出決策,，像人一樣處理信息,，甚至處理方式還會(huì)優(yōu)于人類。但是,，如果細(xì)想上述事例,，便會(huì)發(fā)現(xiàn)目前的很多人工智能，只能通過“大型機(jī)器”來實(shí)現(xiàn)——這些機(jī)器發(fā)熱量高,、擁有線路功耗、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)器來分析用戶的意圖,。而自動(dòng)駕駛汽車則要依賴電池供電,，考慮到電池必須能夠驅(qū)動(dòng)車輪和轉(zhuǎn)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(wěn)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(shè)備無法實(shí)現(xiàn)機(jī)器的視覺和聽覺分析功能,。目前，這些小型機(jī)器只能利用簡單的人工智能技術(shù)：也許只是聽一個(gè)關(guān)鍵詞,，或者分析低維信號(hào),，比如用光容積描記術(shù)(PPG)來測量心率。
如果小型機(jī)器有視覺和聽覺功能會(huì)怎么樣,？
事實(shí)上,，小型設(shè)備一旦能夠看到和聽到，是否有實(shí)用價(jià)值呢,？思考一下,，像門鈴攝像頭這樣的小產(chǎn)品需要使用自動(dòng)駕駛或自然語言處理等高階人工智能技術(shù)嗎？似乎也沒有必要,。因此可以考慮采用不太復(fù)雜,、處理強(qiáng)度不大的小型化的,、邊緣的人工智能計(jì)算，比如詞匯識(shí)別,、語音識(shí)別和圖像分析,。
-普通的門鈴攝像頭和消費(fèi)類安保攝像頭經(jīng)常會(huì)被一些無關(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變化,、甚至是狗或貓?jiān)跀z像頭前跑動(dòng)。這些事件可能會(huì)導(dǎo)致誤觸發(fā),，從而需要房主去操作忽視并清除此類觸發(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(duì)日出,、云彩、日落造成的光線變化發(fā)出了誤警報(bào)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(jiān)控的畫面中出現(xiàn)了一個(gè)人。
-門鎖或其它出入口可使用面部識(shí)別,，甚至是語音識(shí)別來授予人員訪問權(quán)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面中出現(xiàn)鹿時(shí)被觸發(fā),，安保攝像頭可能希望在畫面中有人或出現(xiàn)開門或腳步聲等噪音時(shí)被觸發(fā)，而個(gè)人攝像頭可能希望通過語音命令來觸發(fā),。
-雖然有很多“Hey Alexa”這樣的簡單解決方案,，但多詞匯量命令在很多應(yīng)用中都非常有用。如果具備識(shí)別20個(gè)或更多單詞的詞匯表,，就可以在工業(yè)設(shè)備,、家居自動(dòng)化、烹飪?cè)O(shè)備和大量其它設(shè)備中應(yīng)用,，以簡化人機(jī)交互,。
盡管這些例子只觸及表層：讓小型機(jī)器看到、聽到和解決過去需要人為干預(yù)的問題,，但實(shí)際上這是一種顛覆性思路,，因?yàn)槿藗兠刻於疾粩喟l(fā)現(xiàn)可智能化創(chuàng)造的新場景。
讓小機(jī)器具備視覺和聽覺功能,，面臨哪些挑戰(zhàn),？
既然人工智能對(duì)小型機(jī)器具有如此實(shí)用價(jià)值，為何沒有被大量開發(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(jì)算的結(jié)果,。可以把神經(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(shí)別出模型。現(xiàn)代化視覺問題的主要模型是卷積神經(jīng)網(wǎng)絡(luò)(CNN),。這類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。問題在于,，這些模型需要數(shù)百萬或數(shù)十億次的數(shù)學(xué)計(jì)算,。對(duì)于傳統(tǒng)硬件設(shè)計(jì)，這些應(yīng)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)間來計(jì)算,，這意味著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(guī)定延遲內(nèi)完成這些數(shù)學(xué)運(yùn)算。不過,，這些處理器通常很大,，需要很多外部組件，包括散熱器或類似的冷卻組件,。好處是,，它們執(zhí)行人工智能推理的速度非常快,。
-低功耗微控制器解決方案的速度太慢,，無法發(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(yù)算,，可以說上述兩種方案都不夠理想，難以實(shí)施,。
由此可見,，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(jì)算所需的能耗,。人工智能推理需要以比傳統(tǒng)微控制器或處理器解決方案更少的能量來執(zhí)行,，并且無需借助能耗高、尺寸大,、成本大的外部組件（如存儲(chǔ)器）,。如果人工智能推理解決方案實(shí)際上能夠消除機(jī)器視覺的能量損失,，那么即便是最小的設(shè)備也能看到并識(shí)別周圍世界發(fā)生的事情。
幸運(yùn)的是,，人們現(xiàn)在已經(jīng)處于這場“小型機(jī)器”革命的開端,。目前，ADI已經(jīng)在市場上推出了相關(guān)產(chǎn)品,，能夠消除人工智能推理的能源成本,，并實(shí)現(xiàn)電池供電的機(jī)器視覺功能。
