根據(jù)德勤全球的預(yù)測(cè)，2017 年超過3億部智能手機(jī)——或售出的超過五分之一——將具備機(jī)載神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)能力。這些計(jì)算機(jī)模型旨在模擬人腦結(jié)構(gòu)與功能的方方面面，用各個(gè)組件來代表神經(jīng)元及其互連情況。也就是說，機(jī)器學(xué)習(xí)將真正走入這一我們最常見的移動(dòng)端設(shè)備，智能手機(jī)。
在總結(jié)這一趨勢(shì)之外，德勤提出以下三個(gè)主要論點(diǎn)：
機(jī)器學(xué)習(xí)移動(dòng)化的歷史變遷趨勢(shì)
機(jī)器學(xué)習(xí)移動(dòng)化的必然性
移動(dòng)端機(jī)器學(xué)習(xí)在中國(guó)的發(fā)展現(xiàn)狀和未來趨勢(shì)
從核心到邊緣：分布式智能發(fā)展簡(jiǎn)史
縱觀計(jì)算機(jī)發(fā)展史，我們不難發(fā)現(xiàn)，它其實(shí)也是一部智能邊緣化（更貼近終端用戶）簡(jiǎn)史。
早在20世紀(jì)70、80年代，大部分企業(yè)計(jì)算都由辦公大樓地下室里的大型主機(jī)和微型計(jì)算機(jī)完成，工作人員則在操作由沒有機(jī)載處理能力的陰極射線管監(jiān)視器（被稱為“綠屏”）和鍵盤組成的“簡(jiǎn)易終端”。在計(jì)算的歷史上，處理和內(nèi)存不僅稀少，而且昂貴。因此，IT架構(gòu)通常都高度集中，所有智能都位于核心位置，各種外圍設(shè)備則相對(duì)簡(jiǎn)易。
到了20世紀(jì)80年代，處理和內(nèi)存的價(jià)格大幅下降，這些功能也就被推向臺(tái)式電腦。最初的應(yīng)用包括會(huì)計(jì)、電子制表（比如20世紀(jì)80年代超級(jí)流行的Lotus 1-2-390）和文字處理。較之前面提到的集中式處理，這些任務(wù)可以完成得稍好一些。不過隨著時(shí)間流逝，個(gè)人電腦發(fā)展出許多更有趣、更重要的用途和效能。
同樣，在臺(tái)式電腦之后，將智能推向筆記本電腦也開創(chuàng)出全新的市場(chǎng)。隨著智能手機(jī)的出現(xiàn)，智能進(jìn)一步向邊緣靠近，早期顯而易見的應(yīng)用就是即便遠(yuǎn)離PC也能瀏覽網(wǎng)頁和電子郵件。在上一個(gè)十年，從應(yīng)用程序到更精良的攝像頭再到語言翻譯，我們已經(jīng)見識(shí)了這些一手即可掌握的智能設(shè)備可以有多強(qiáng)大，多具顛覆性。
在這一趨勢(shì)的基礎(chǔ)上，我們可以預(yù)見將機(jī)器學(xué)習(xí)——智能的一種特殊形式——推向網(wǎng)絡(luò)邊緣是具有顛覆意義的。它不僅可以開創(chuàng)先機(jī)，甚至還可能創(chuàng)建我們現(xiàn)在都無法想象的行業(yè)。
值得注意的是，隨著時(shí)間的推移，針對(duì)物聯(lián)網(wǎng)設(shè)備的應(yīng)用將更具顛覆性。便攜式機(jī)器學(xué)習(xí)能力不僅限于智能手機(jī)。在以后，無人機(jī)、平板電腦、汽車、虛擬或增強(qiáng)現(xiàn)實(shí)設(shè)備、醫(yī)療器具、物聯(lián)網(wǎng)設(shè)備以及現(xiàn)在還無法預(yù)測(cè)的新技術(shù)都將具備這些能力。
機(jī)器學(xué)習(xí)移動(dòng)化趨勢(shì)有其必然性
機(jī)器學(xué)習(xí)與傳統(tǒng)的顯式編程相比，能更好的的執(zhí)行復(fù)雜的認(rèn)知任務(wù)，這已經(jīng)是不爭(zhēng)的事實(shí)。拿翻譯來說，傳統(tǒng)的翻譯過程是以單詞為單位進(jìn)行的，從存儲(chǔ)的詞典里查找一個(gè)或多個(gè)單詞，然后再替換成另外一門語言中所對(duì)應(yīng)的單詞。這種大規(guī)模的基于統(tǒng)計(jì)模型的機(jī)器翻譯結(jié)果往往差強(qiáng)人意。但如果加上神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯，翻譯工作就不用零敲碎打地進(jìn)行，而是一次可以完成好幾個(gè)句子甚至一整個(gè)段落的翻譯，最后的結(jié)果也更加符合語法規(guī)則、符合語言習(xí)慣，也更容易理解。
然而到2016年為止，這些機(jī)器學(xué)習(xí)的過程全部都依賴于云端而非移動(dòng)設(shè)備，因此在沒有蜂窩網(wǎng)或Wi-Fi 連接的情況下就無法執(zhí)行。人們對(duì)于手機(jī)的日益依賴，以及手機(jī)功能的日益強(qiáng)大，使得它們的連接能力不足已經(jīng)不僅僅是不便，更可能造成致命傷害。我們需要移動(dòng)設(shè)備能夠持續(xù)而穩(wěn)定的執(zhí)行機(jī)器學(xué)習(xí)任務(wù)，在斷網(wǎng)情況下，也可以提升諸多應(yīng)用的性能，包括室內(nèi)導(dǎo)航、圖像分類、增強(qiáng)現(xiàn)實(shí)、語音識(shí)別和語言翻譯等。且在這一過程中，所有數(shù)據(jù)不必再連接到遠(yuǎn)程的大型數(shù)據(jù)中心，更具隱私性。
同時(shí)，在手機(jī)端執(zhí)行如圖像識(shí)別之類的任務(wù)可以減少必需傳輸?shù)臄?shù)據(jù)量。與觀看或上傳視頻相比，這一點(diǎn)對(duì)消費(fèi)者使用智能手機(jī)的影響并不大。但是，在潛在的物聯(lián)網(wǎng)應(yīng)用及分析領(lǐng)域，減少需要傳輸?shù)臄?shù)據(jù)量（以及延遲）則重要得多。
短期內(nèi)，大多數(shù)的本機(jī)機(jī)器學(xué)習(xí)能力都是在消費(fèi)類電子設(shè)備上實(shí)現(xiàn)的，比如智能手機(jī)和平板電腦。不過隨著時(shí)間的推移，針對(duì)物聯(lián)網(wǎng)設(shè)備的應(yīng)用將更具顛覆性，譬如自動(dòng)駕駛、醫(yī)療設(shè)備或者油氣管道鉆探等。
移動(dòng)端機(jī)器學(xué)習(xí)在中國(guó)的發(fā)展現(xiàn)狀和未來走勢(shì)
總的來說，在云上智能向端上轉(zhuǎn)移的趨勢(shì)中，硬件實(shí)現(xiàn)將向類腦神經(jīng)元芯片方向發(fā)展，緊湊型神經(jīng)網(wǎng)絡(luò)將隨之取得進(jìn)展，從而為用戶提供更具針對(duì)性的優(yōu)化體驗(yàn)。
端上智能的硬件實(shí)現(xiàn)方向是類腦神經(jīng)元芯片。德勤預(yù)測(cè)，2017 年支持硬件端自主學(xué)習(xí)的類腦神經(jīng)元芯片將得到發(fā)展，并投入實(shí)際的產(chǎn)業(yè)化應(yīng)用。
具體可分為兩類：一類是專用式的輔助處理器，它們的功能是在原有主機(jī)處理器的基礎(chǔ)上加速深度學(xué)習(xí)算法，從而獲得在某些領(lǐng)域的突出表現(xiàn)。這方面巨頭公司已經(jīng)出產(chǎn)包括谷歌的TPU(Tensor Processing Unit)，英偉達(dá)的Nvidia Tesla P100芯片等，我國(guó)于今年發(fā)布的“星光智能”、“寒武紀(jì)”等亦皆屬此類。
“星光智能”是全球首顆具備深度學(xué)習(xí)人工智能的嵌入式視頻采集壓縮編碼系統(tǒng)級(jí)芯片，這款基于深度學(xué)習(xí)的芯片運(yùn)用在人臉識(shí)別上，最高能達(dá)到98%的準(zhǔn)確率，超過人眼的識(shí)別率。“寒武紀(jì)”優(yōu)勢(shì)集中在人臉識(shí)別、聲音識(shí)別等方面。二者可廣泛應(yīng)用于人臉識(shí)別、語音識(shí)別、無人機(jī)、智能駕駛輔助等方面。德勤預(yù)測(cè)，2017 年或?qū)⒊霈F(xiàn)裝有輔助式深度學(xué)習(xí)芯片的手機(jī)、攝像頭、無人機(jī)等移動(dòng)端設(shè)備，以優(yōu)化人工智能體驗(yàn)。
另一種類腦神經(jīng)元芯片是可獨(dú)立運(yùn)行不再需要CPU 輔助的處理器，如英特爾剛剛推出的Knights Mill芯片，能充當(dāng)主處理器，可以直接接入RAM系統(tǒng)。我國(guó)也已先行出現(xiàn)一批獨(dú)立的類腦神經(jīng)元芯片，根據(jù)神經(jīng)形態(tài)工程學(xué)原理，利用電路模擬人類“神經(jīng)元”形態(tài)，從而模擬人腦運(yùn)行，其特點(diǎn)是可在無網(wǎng)絡(luò)情況下自主學(xué)習(xí)，且相比通用處理器功耗更低、效率更高。支持離線學(xué)習(xí)的芯片已在電腦上運(yùn)行試驗(yàn)，但目前還未嵌入更小的移動(dòng)設(shè)備如手機(jī)、無人機(jī)等。德勤預(yù)測(cè)，2017 年可以期望該類芯片的進(jìn)一步改進(jìn)，并在未來裝載于更小型的移動(dòng)端。
端上智能的技術(shù)實(shí)現(xiàn)方向是更緊湊的神經(jīng)網(wǎng)絡(luò)算法。針對(duì)特定移動(dòng)端優(yōu)化的緊湊型神經(jīng)網(wǎng)絡(luò)算法將產(chǎn)生并活躍于2017 年，這也將成為各大廠商的新戰(zhàn)場(chǎng)，比如，優(yōu)化出能支持在智能手機(jī)上離線運(yùn)行語言翻譯、符號(hào)識(shí)別、語音識(shí)別等任務(wù)的小型神經(jīng)網(wǎng)絡(luò)算法。
端上智能的體驗(yàn)趨勢(shì)是用戶針對(duì)性優(yōu)化。德勤認(rèn)為，通過移動(dòng)端自主學(xué)習(xí)的能力，我們可以期望產(chǎn)生更具針對(duì)性的優(yōu)化體驗(yàn)，這一優(yōu)化體驗(yàn)可延伸應(yīng)用于手寫符號(hào)識(shí)別、自然語言理解、圖像處理等領(lǐng)域。自主學(xué)習(xí)的手機(jī)將成為人們工作、學(xué)習(xí)、娛樂上的助手。并且，移動(dòng)端的離線機(jī)器學(xué)習(xí)在教育、醫(yī)療、智能家居、物聯(lián)網(wǎng)等行業(yè)都可廣泛應(yīng)用。
雷鋒網(wǎng)結(jié)語：
目前而言，我們現(xiàn)在所談到的智能應(yīng)用，大多數(shù)都是再云端上整理、計(jì)算來的模型，本地端的終端，比如說智能手機(jī)，在機(jī)器學(xué)習(xí)上扮演的角色其實(shí)并不是很重要，計(jì)算性能較弱，加上功耗預(yù)算有限，手機(jī)本身能達(dá)到的學(xué)習(xí)機(jī)制相當(dāng)有限。但隨著半導(dǎo)體技術(shù)的發(fā)展，以及手機(jī)應(yīng)用的智能化以及個(gè)人化要求的強(qiáng)化，手機(jī)上機(jī)器學(xué)習(xí)能力的強(qiáng)化，也變成未來必走的方向。由此而產(chǎn)生的對(duì)于移動(dòng)設(shè)備軟硬件等方面的要求，必將在本就是群雄逐鹿的移動(dòng)端市場(chǎng)上掀起新一輪的激烈競(jìng)爭(zhēng)。雷鋒網(wǎng)認(rèn)為，可以預(yù)見的是，如果廠商有足夠的預(yù)算和人力，以及可見的市場(chǎng)空間，那么自己定規(guī)格、造芯片會(huì)是不錯(cuò)的方式。目前，intel、Google、蘋果等巨頭企業(yè)已經(jīng)在此投入重本，力圖先人一步。但是對(duì)于一般中小規(guī)模的終端從業(yè)者或方案設(shè)計(jì)業(yè)者，可能就很難采取上述方式，此時(shí)就必須要使用標(biāo)準(zhǔn)架構(gòu)，在市場(chǎng)上找到最佳的現(xiàn)成方案，縮小和那些資金充足的廠商之間的差距。具體如何選擇，則需對(duì)應(yīng)用場(chǎng)景做出全盤考量了。
本文由 新型建材網(wǎng)http://www.ghjob.com.cn