作者：貿(mào)澤電子Mark Patrick

復(fù)雜的人工智能（AI）曾經(jīng)僅限于研發(fā)實(shí)驗(yàn)室和超級(jí)計(jì)算機(jī)領(lǐng)域，但現(xiàn)在已成為消費(fèi)類產(chǎn)品和服務(wù)的重要組成部分，這其中包括體積更小、價(jià)格更便宜、功耗更低的設(shè)備和物聯(lián)網(wǎng)產(chǎn)品。無可否認(rèn)，在某些情況下，人工智能主要用于用表面的流行語來提升產(chǎn)品價(jià)值，但更多的情況下是啟用真正的新功能和新特性。

蘋果最新的iPhone CPU A11包括一個(gè)“神經(jīng)引擎”，其中有兩個(gè)處理器內(nèi)核，用于運(yùn)行機(jī)器學(xué)習(xí)算法，并提供諸如人臉識(shí)別解鎖和面部表情追蹤等功能。LG公司展示了具有人工智能的家用電器，包括機(jī)器人吸塵器、冰箱、空調(diào)和洗衣機(jī)等。美國初創(chuàng)公司Buoy表示，即將推出的水泵將采用機(jī)器學(xué)習(xí)算法優(yōu)化水流量，并能夠檢測(cè)泄漏等異常情況，以便在緊急情況下遠(yuǎn)程或自動(dòng)關(guān)閉供水。

目前有數(shù)量眾多的公司都在從事各種具有人工智能的助理產(chǎn)品開發(fā)，蘋果、谷歌、亞馬遜和微軟等都包括在其中，這些產(chǎn)品能夠以專有的硬件和應(yīng)用程序，通過使用人工智能來更好地理解人的要求，并可以更自然地回應(yīng)他們。未來的閥門、嬰兒監(jiān)視器、相機(jī)或耳機(jī)等許多日常設(shè)備的功能在某種程度上將依賴于現(xiàn)代人工智能技術(shù)，與傳統(tǒng)的愚笨產(chǎn)品相比，這些新產(chǎn)品能夠以更細(xì)致和更有益的方式來對(duì)事件做出反應(yīng)并處理數(shù)據(jù)，我們距離這一天已經(jīng)為時(shí)不遠(yuǎn)。

人工智能是如何以及為什么能夠走出實(shí)驗(yàn)室并進(jìn)入主流社會(huì)？正是幾種趨勢(shì)的組合推動(dòng)了這一深遠(yuǎn)的變化。

互聯(lián)網(wǎng)、視頻游戲和科學(xué)推動(dòng)了AI革命

在過去的十年中，我們已經(jīng)看到許多由研發(fā)而驅(qū)動(dòng)的重大實(shí)用突破，這大大提高了AI軟件的有效性。將深度學(xué)習(xí)技術(shù)應(yīng)用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)已經(jīng)使它們從一個(gè)有趣的玩具變成了一個(gè)偶爾能夠勝過人類的強(qiáng)大工具。這項(xiàng)研究突破的影響力由于最近的兩個(gè)最新進(jìn)展而得到了進(jìn)一步加強(qiáng)，一個(gè)進(jìn)展是互聯(lián)網(wǎng)提供的大量現(xiàn)實(shí)世界訓(xùn)練數(shù)據(jù)，另一個(gè)進(jìn)展則是最初為3D視頻游戲圖形開發(fā)的功能強(qiáng)大、低成本、并行處理硬件恰好正是AI的理想選擇。

鑒于這種新AI研究的優(yōu)點(diǎn)和實(shí)際應(yīng)用已經(jīng)從實(shí)驗(yàn)室過渡到產(chǎn)業(yè)，目前業(yè)界已經(jīng)開發(fā)了易于使用的軟件工具，而且培訓(xùn)計(jì)劃和相關(guān)文檔也大大改善?，F(xiàn)在的開發(fā)人員、設(shè)計(jì)師和工程師已經(jīng)對(duì)AI技術(shù)以及如何使用它們有了更好的理解。

在產(chǎn)業(yè)意識(shí)到圖形處理器單元（GPU）對(duì)AI的價(jià)值后，GPU制造商就開始致力于開發(fā)專門針對(duì)AI的功能和軟件工具。這種趨勢(shì)的第一波浪潮是利用GPU的并行處理能力，但下一波則包括運(yùn)行AI軟件的通用處理器、GPU和專用AI芯片。蘋果公司的新型iPhone CPU神經(jīng)引擎內(nèi)核就是其中的例子，而ARM和Qualcomm都在開發(fā)專門針對(duì)AI的處理器和處理器內(nèi)核，這些專用芯片自然可以提供更高能效、更加緊湊的AI功能，適用于移動(dòng)、物聯(lián)網(wǎng)和嵌入式設(shè)備等領(lǐng)域。

AI：在板上還是在云端？

在可能的情況下，把人工智能置于板上是一個(gè)明顯的趨勢(shì)，因?yàn)檫@可以消除連接性、延遲和隱私等顧慮（因?yàn)槿斯ぶ悄芡ǔＰ枰幚硐鄼C(jī)和音頻輸入等私密的或個(gè)人的數(shù)據(jù)，因而最后一個(gè)方面很重要）。但即使將AI構(gòu)建到設(shè)備中不太實(shí)際時(shí)，無處不在的低延遲、高帶寬互聯(lián)網(wǎng)連接將可使幾乎任何設(shè)備都能夠充分利用數(shù)據(jù)中心的集中式AI功能。例如，移動(dòng)電話的翻譯apps（如Google翻譯）可以將處理任務(wù)卸載到中央服務(wù)器，個(gè)人助理apps和設(shè)備通常會(huì)在云端執(zhí)行一些處理功能，導(dǎo)航apps則可能會(huì)使用類似的方法進(jìn)行高級(jí)路線規(guī)劃。

亞馬遜網(wǎng)絡(luò)服務(wù)（Amazon Web Services）等云計(jì)算提供商宣稱能夠利用虛擬化GPU條件來運(yùn)行深度學(xué)習(xí)應(yīng)用。目前，客戶仍然有責(zé)任提供運(yùn)行在這些云服務(wù)上的軟件，但這種趨勢(shì)最終會(huì)采用更為通用的形式，可能被稱為“人工智能服務(wù)（AI as a service）”。在這種模式下，設(shè)備會(huì)將數(shù)據(jù)發(fā)送給有用的基于AI的固定處理服務(wù)（canned processing services），這些服務(wù)功耗太大，無法在本地運(yùn)行，并在幾分之一秒內(nèi)才會(huì)收到反饋結(jié)果。

無處不在AI的挑戰(zhàn)

在AI這個(gè)瞬息萬變、不斷發(fā)展的領(lǐng)域，那些希望在產(chǎn)品中集成AI技術(shù)的公司可能會(huì)受到資深工程師和軟件開發(fā)人員稀缺的困擾。如上所述，隨著時(shí)間的推移，AI知識(shí)的不斷傳播，以及教育資源的改善，這種技能的短缺已變得越來越不成問題。但在短期內(nèi)，雇傭優(yōu)秀的AI開發(fā)人員需要付出高于平均水平的薪金，而且許多開發(fā)人員仍缺乏實(shí)際經(jīng)驗(yàn)。

另一個(gè)重大挑戰(zhàn)是，盡管AI可以產(chǎn)生一些顯著的、幾乎是神奇的結(jié)果，但它也會(huì)對(duì)調(diào)試過程帶來一些根本性的變化，產(chǎn)生一些不可預(yù)知的行為，并且可能使制造商無法保證其產(chǎn)品始終按事先的預(yù)期來運(yùn)行。事實(shí)上，任何軟件程序都可能出錯(cuò)，但AI卻增大了產(chǎn)品性能可能會(huì)超出預(yù)期參數(shù)的風(fēng)險(xiǎn)。

一些開發(fā)人員將高級(jí)人工智能看作是一個(gè)神秘的“黑盒子”，輸入的是數(shù)據(jù)，輸出的是決定。但即使是設(shè)計(jì)人員也不能完全理解這些決定是如何做出的，或者“黑盒子”內(nèi)到底發(fā)生了什么。

AI黑盒子透視

自動(dòng)駕駛汽車軟件開發(fā)商Drive.ai的共同創(chuàng)始人兼首席執(zhí)行官Sameep Tandon最近在接受IEEE Spectrum采訪時(shí)將黑盒子困境描述為“一個(gè)嚴(yán)重問題”，但他也提到了一些控制風(fēng)險(xiǎn)、監(jiān)控黑盒子以及調(diào)試AI系統(tǒng)的技術(shù)。Tandon的公司采用具有不同功能的獨(dú)立部件或模塊來構(gòu)建其駕駛系統(tǒng)，其中一些可能不是基于AI的部件，目的是不要?jiǎng)?chuàng)建一個(gè)全部大規(guī)?；贏I的車輛駕駛系統(tǒng)。這種模塊化方法可幫助開發(fā)人員隔離和調(diào)試有問題的組件

此外，該公司經(jīng)常以嚴(yán)格限制的輸入數(shù)據(jù)來測(cè)試其系統(tǒng)。例如，某些圖像識(shí)別測(cè)試可能會(huì)遮蔽場(chǎng)景的大部分區(qū)域，以便讓系統(tǒng)集中在某個(gè)細(xì)節(jié)及其反應(yīng)，這是一種與傳統(tǒng)調(diào)試方法有些類似的隔離方法。最后，Drive.ai將這種技術(shù)與廣泛的仿真結(jié)合起來，來測(cè)試在出現(xiàn)AI問題的駕駛場(chǎng)景中大量的微小變化，以便尋找不正常的行為并訓(xùn)練系統(tǒng)以最佳方式運(yùn)行。

盡管AI還有明顯的改進(jìn)空間，但人工智能的本質(zhì)是這些應(yīng)用會(huì)在學(xué)習(xí)過程中被“訓(xùn)練”或“成長”，而不像傳統(tǒng)程序那樣被“書寫”或“構(gòu)建”，因而意想不到的行為可能總是一個(gè)難以應(yīng)對(duì)的問題。對(duì)于安全至關(guān)重要的應(yīng)用，可能需要增大冗余量，由兩個(gè)或多個(gè)單獨(dú)的程序或設(shè)備“投票”決定最佳的行動(dòng)方案，或者至少監(jiān)視彼此的行為，并在檢測(cè)到特殊情況時(shí)發(fā)出警告或?qū)嵤╆P(guān)閉。

和技術(shù)發(fā)展歷程中的任何根本性轉(zhuǎn)變一樣，AI雖然會(huì)帶來一些革命性的變化，但為了充分利用其潛力，設(shè)計(jì)師和工程師也需要學(xué)習(xí)并改變產(chǎn)品開發(fā)的方式。事實(shí)上，即使是最終用戶，如果他們能夠?qū)W習(xí)適應(yīng)這種新技術(shù)，而不是以對(duì)待簡(jiǎn)單老式設(shè)備的方式來應(yīng)對(duì)AI增強(qiáng)型產(chǎn)品，那么他們也會(huì)從強(qiáng)大的AI新工具中獲益更多。這種觀念上的改變需要經(jīng)過深思熟慮的設(shè)計(jì)和市場(chǎng)推廣，以及大量的終端用戶教育。