AI是當下最火的技術話題，軟件行業(yè)有以AI為特色的云服務，硬件行業(yè)有AI處理器，高端手機也用上了AI處理器，汽車的人無人駕駛技術更是AI最典型應用，取代有人駕駛，完美的解釋了什么是人工智能，就是讓機器系統(tǒng)具有人類的智能。

01

工業(yè)機器人手臂

圖源：Think b/stock.adobe.com

在前30年，得益于計算機技術的軟硬件發(fā)展，自動化技術在工業(yè)領域得到了大規(guī)模應用，各種自動化生產(chǎn)線降低了工業(yè)生產(chǎn)對人力的需求，以致出現(xiàn)了無人工廠的概念。與此同時，高度自動化的工業(yè)系統(tǒng)帶來了“機器將會取代人”、“機器人將會統(tǒng)治世界”之類的話題。其實工業(yè)自動化系統(tǒng)，或者工業(yè)機器人本質(zhì)上只是一個計算機控制系統(tǒng)，所謂的取代人類在工廠的作用，僅僅停留在執(zhí)行動作層面，也就是說其所有的行為只是根據(jù)相應的電信號來執(zhí)行相應動作的開關處理。這在自動化系統(tǒng)的軟件上就是體現(xiàn)為分支跳轉，系統(tǒng)按照預想的場景編寫相應的處理對策，一切都是早已設定好的程序，不需要系統(tǒng)來自己思考應該怎么處理問題。這類系統(tǒng)在傳統(tǒng)的工業(yè)商業(yè)應用中用來驅動電機，自動開關門，自動貨物打包分揀，甚至飛機自動駕駛都沒有問題。從自動控制角度看，以上是相對比較簡單的任務，在這些自動化系統(tǒng)實現(xiàn)了機器為人干活，機器達到甚至超過了人的水平。

02

模式識別

圖源：Metamorworks/stock.adobe.com

如果我們想再進一步，希望機器能夠聽得懂，看得懂外語，可以做翻譯。還希望機器能夠識別圖像，能夠在海量的視頻數(shù)據(jù)中抓得到恐怖分子。最好還能夠成為頂尖水平的醫(yī)生，能夠給人類看病，使得人人享受頂級醫(yī)療診斷服務。科技造福人類，科技人員早就開始了這方面的研究，針對以上應用場景，專門誕生了一門學科，就是以語音文字、圖像、海量數(shù)據(jù)為識別對象的模式識別學科，大學和研究所幾十年前就開始了這方面的研究，也產(chǎn)生了許多成功的應用。在技術上基本分成兩大類，一類以純數(shù)學算法為基礎實現(xiàn)了機器學習、深度數(shù)據(jù)挖掘、專家系統(tǒng)等具有模擬人類思維模式的技術。另一類就是以神經(jīng)網(wǎng)絡模型這一仿生學技術為基礎建立的人工智能算法，其實就是對人腦的模擬。

03

神奇的仿生學

圖源：Peshkova/stock.adobe.com 仿生學大家早已熟悉，如同雷達的回波定位技術來自蝙蝠，飛機機翼氣動外形來自飛鳥，人工神經(jīng)網(wǎng)絡結構來自人腦。所以我們可以簡單認為，人工神經(jīng)網(wǎng)絡系統(tǒng)就是人腦系統(tǒng)，如同我們?nèi)祟愐粯樱ㄟ^學習訓練行為，可以掌握相應的技能，從而輕松的處理與訓練學習相關的問題?；氐絼偛诺脑掝}，人工神經(jīng)網(wǎng)絡系統(tǒng)能夠給我們當翻譯，能夠在安防網(wǎng)絡中準確識別出要抓的恐怖分子，也能夠給病人提供診斷以及醫(yī)療建議。

04

BP（back propagation）神經(jīng)網(wǎng)絡模型

圖源：AndSus/stock.adobe.com

BP（back propagation）神經(jīng)網(wǎng)絡是1986年由Rumelhart和McClelland為首的科學家提出的概念，是一種按照誤差逆向傳播算法訓練的多層前饋神經(jīng)網(wǎng)絡，是應用最廣泛的神經(jīng)網(wǎng)絡。其結構可以分層，簡單說就是輸入層、隱含層和輸出層，每個圓圈代表一個神經(jīng)元，同層之間神經(jīng)元不互相連接，每個神經(jīng)元都與下層神經(jīng)元互連。拋開煩瑣的數(shù)學描述，我們可以認為神經(jīng)網(wǎng)絡系統(tǒng)就是一套打分系統(tǒng)，以人臉識別為例子，輸入層接收的就是一系列人臉的參數(shù)，也就是人臉的幾何信息，隱含層就是打分系統(tǒng)，輸出層就是輸出打分結果。

人工神經(jīng)網(wǎng)絡智能系統(tǒng)看起來就是一個黑盒子，似乎在認知上無所不能，如同一個頂級聰明的天才。但是與人類一樣，再聰明的天才如果沒有受過好的教育，那也很難掌握非凡的本領，發(fā)揮王者級大腦的性能。BP人工神經(jīng)智能系統(tǒng)經(jīng)過學習訓練，并且通過識別誤差收斂的考試后才能夠上崗。學習訓練的過程，對應神經(jīng)網(wǎng)絡系統(tǒng)這套打分系統(tǒng)就是在調(diào)整各神經(jīng)元通道的打分權重，每個通道的權重都是不一樣的。不同的學習樣本，訓練出來的打分系統(tǒng)肯定是不一樣的，這也造成了不同人工神經(jīng)網(wǎng)絡智能產(chǎn)品的不同性能。所以訓練對于神經(jīng)網(wǎng)絡系統(tǒng)是極其重要的。

從上面的圖來看，這套系統(tǒng)似乎不復雜，那是因為我們只看到了一個簡單的結構，事實上隱含層并不只是一層，輸出層也不是一個節(jié)點。單層的隱含層并沒有實用價值，如果一個過于簡單的大腦，腦容量太低，智力就不夠。多層結構請看下圖，隱含層也不是越多越好，首先過高的隱含層，在硬件上不容易實現(xiàn)，計算單元過多。另外有研究表明大于20層的隱含層似乎意義也不大。

人工神經(jīng)網(wǎng)絡最大的魅力，我個人認為就是自然的神奇。根據(jù)人腦神經(jīng)網(wǎng)絡模型搭建的計算機模型，通過學習訓練后，竟然也可以實現(xiàn)人類的智能，說到這里我想到了特斯拉的老板馬斯克的觀點：對待人工智能要謹慎，因為我們還沒有完全掌握其背后的人腦相關的科學理論。

圖源：Egor/stock.adobe.com

在十幾年前，筆者的大學畢業(yè)設計題目就是基于人工神經(jīng)網(wǎng)絡的模糊控制系統(tǒng)應用于航空發(fā)動機的故障診斷，其設計目的就是通過發(fā)動機的聲音判斷出是否有故障，是什么樣的故障。一個非常簡單的神經(jīng)網(wǎng)絡模型算法模型，其訓練及工作過程需要大量的運算，把電腦跑的夠嗆。這樣海量的運算行為，所謂吃計算芯片的算力，所以傳統(tǒng)的CPU/MPU/MCU包括DSP都是不適合用來運行神經(jīng)網(wǎng)絡系統(tǒng)的。這種大型計算需求屬于典型的云服務需求，通?？梢园岩幚淼膱D像、視頻、音頻和文字信息傳輸?shù)紸I云上，在AI服務器上進行相關的解算，不過這會帶來一個新的問題，就是網(wǎng)絡延遲，因為要傳上云，又要從云上獲取結果，一來一去網(wǎng)絡是否暢通就成了系統(tǒng)反應時間的關鍵。這也是5G技術的典型應用場景，低延遲，高速通信網(wǎng)絡保障AI的應用及時有效。

那么為什么還是有神經(jīng)網(wǎng)絡智能芯片的終端產(chǎn)品，很簡單那是因為有些神經(jīng)網(wǎng)絡的智能系統(tǒng)需要在終端上運行，比如汽車自動駕駛。當雷達和攝像頭獲取的實時信息不能夠得到實時的本地處理，那無人駕駛技術也就不能工作了?，F(xiàn)在有些手機也用上了神經(jīng)網(wǎng)絡AI芯片，因為以語音和圖像為處理對象的AI應用與上面提到的汽車應用一樣，需要高速的網(wǎng)絡條件。另外手機上的照片視頻還涉及到隱私問題，大數(shù)據(jù)量的圖像視頻傳輸也必然加大流量與電量的開銷，所以手機上搭載本地AI處理器還是十分有必要的。 除了云計算、汽車和手機的AI應用，最近我們還看到一些傳統(tǒng)的MCU廠商也推出了AI MCU，巧妙的將AI計算單元與MCU結合在一起，瞄準了物聯(lián)網(wǎng)市場。這些AI MCU部署到物聯(lián)網(wǎng)是可以快速的本地化執(zhí)行AI計算，進一步將AI融入到我們的生活、在智慧能源、智慧城市市場中發(fā)揮巨大的作用，會不會帶來某些方面的AI變革？讓我們拭目以待！人工神經(jīng)網(wǎng)絡智能系統(tǒng)的應用一定會越來越多的出現(xiàn)在我們的生活中，不斷造福人類。