人工智能開始從云端轉(zhuǎn)移到邊緣。人工智能研究現(xiàn)在提供了一種有趣的可能性，即使用數(shù)千小時(shí)的強(qiáng)大計(jì)算資源來訓(xùn)練和改進(jìn)神經(jīng)網(wǎng)絡(luò)，然后能夠在廉價(jià)、低功耗的設(shè)備上運(yùn)行。這使得邊緣人工智能設(shè)備成為可能，即使在離線時(shí)也可以運(yùn)行，因此網(wǎng)絡(luò)連接不是必需的。這種方法利用了進(jìn)化式神經(jīng)網(wǎng)絡(luò)訓(xùn)練技術(shù)的力量，例如對(duì)抗性神經(jīng)網(wǎng)絡(luò)。

限制能量和存儲(chǔ)使用的神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程自然會(huì)創(chuàng)建一個(gè)神經(jīng)網(wǎng)絡(luò)，將其有限的資源集中在更有用的路徑上，同時(shí)修剪不太關(guān)鍵的區(qū)域。此過程非常適合創(chuàng)建在低功耗、低成本設(shè)備上運(yùn)行的網(wǎng)絡(luò)。隨后，神經(jīng)網(wǎng)絡(luò)壓縮技術(shù)可以進(jìn)一步壓縮經(jīng)過訓(xùn)練的網(wǎng)絡(luò)，將內(nèi)存需求減少多達(dá) 90%，同時(shí)幾乎不影響性能——類似的技術(shù)也有助于減少計(jì)算負(fù)載。

神經(jīng)網(wǎng)絡(luò)壓縮可以像降低變量的精度一樣簡單，還包括分析、重組和修剪網(wǎng)絡(luò)。令人驚訝的結(jié)果是，巨大的計(jì)算能力（也許也可以被描述為“智能和經(jīng)驗(yàn)”）可以被提煉成一種在廉價(jià)、低功耗設(shè)備上運(yùn)行的形式。（事實(shí)上??，從廣義上講，我們可以將這種方法與數(shù)十億年的對(duì)抗性進(jìn)化相比較，最終將智能生命封裝在微小的 DNA 鏈中）。

如果您假設(shè) AI 意味著一種可以學(xué)習(xí)和改進(jìn)的人類智能，那么這種邊緣計(jì)算策略的目標(biāo)可能看起來有悖常理。這是因?yàn)樵S多簡單的邊緣應(yīng)用程序最好由部署后不會(huì)更改或顯著改進(jìn)的設(shè)備提供服務(wù)——我們只希望它們能夠可靠且可預(yù)測(cè)地執(zhí)行任務(wù)。

對(duì)于低成本邊緣設(shè)備和物聯(lián)網(wǎng)設(shè)備的開發(fā)者來說，AI 工具包在不斷擴(kuò)展，價(jià)格也在下降。新產(chǎn)品包括支持 AI 的FPGA到神經(jīng)網(wǎng)絡(luò)加速器，如 Redpine 的 QueSSence智能連接平臺(tái)，以及為典型的低功耗計(jì)算和連接模塊添加 AI 加速功能的 AAEON UP AI Core X系列，這些都是物聯(lián)網(wǎng)邊緣設(shè)備的理想選擇。

人工智能使革命性的新產(chǎn)品成為可能

想象一下添加人工智能如何增強(qiáng)日常設(shè)備和物聯(lián)網(wǎng)。板載、低成本的人工智能可以改造最普通的設(shè)備——例如，為免提操作的開關(guān)添加可靠的語音識(shí)別——但讓我們也看看一些更復(fù)雜的潛在應(yīng)用：

配備 AI 的安全攝像頭可以快速學(xué)會(huì)識(shí)別熟悉的面孔、寵物等，并在看到意外的人或動(dòng)物時(shí)觸發(fā)警報(bào)。即使在斷開電源和網(wǎng)絡(luò)的情況下也能決定是否發(fā)出警報(bào)，這顯然是安全設(shè)備的優(yōu)勢(shì)！借助機(jī)器學(xué)習(xí)技術(shù)，這種智能安全攝像頭的作用可以遠(yuǎn)遠(yuǎn)超出傳統(tǒng)的自動(dòng)攝像頭，例如，它可以識(shí)別并警告火災(zāi)、泄漏、結(jié)構(gòu)故障（例如損壞的屋頂或窗戶）以及各種其他危險(xiǎn)和事件。

經(jīng)過訓(xùn)練的發(fā)動(dòng)機(jī)監(jiān)控系統(tǒng)可以利用其板載 AI 功能通過集成傳感器讀數(shù)、分析振動(dòng)模式和其他線索來檢測(cè)異常并優(yōu)化性能。這種來自廣泛傳感器融合的分析超出了傳統(tǒng)算法的能力，在某些情況下可能超過人類工程師的表現(xiàn)。本地化 AI 在沒有網(wǎng)絡(luò)連接的情況下工作的能力允許超低延遲響應(yīng)以實(shí)時(shí)微調(diào)性能，并且在由于遠(yuǎn)程位置或射頻干擾而網(wǎng)絡(luò)連接困難的情況下以及在移動(dòng)應(yīng)用程序中是一個(gè)巨大的好處，例如車輛和飛機(jī)。

機(jī)器中的幽靈：問題和解決方案

人工智能可能是不可預(yù)測(cè)的，并且在我們沒有機(jī)會(huì)測(cè)試的邊緣情況下可能會(huì)出錯(cuò)?？紤]減輕這種情況的方法，例如為用戶提供后備模式。這可能會(huì)讓他們關(guān)閉“智能”人工智能，并讓設(shè)備重新依賴更簡單的老式算法，因此它仍然可以正常工作且有用，盡管沒有高級(jí)人工智能功能。此外，雖然板載智能是一個(gè)關(guān)鍵賣點(diǎn)，但開發(fā)人員仍然可以權(quán)衡何時(shí)在邊緣做出決策以及何時(shí)將其推回云端或請(qǐng)求人工指導(dǎo)的利弊（事實(shí)上，這種選擇本身可能由設(shè)備上的AI實(shí)時(shí)引導(dǎo)）。

啞設(shè)備即將變得智能

將強(qiáng)大的、預(yù)先訓(xùn)練的 AI 封裝到低功耗、低成本設(shè)備中的潛力為改造普通商品設(shè)備、為其增加價(jià)值以及開發(fā)新產(chǎn)品和新市場提供了幾乎無限的機(jī)會(huì)。

審核編輯：郭婷