高通在機器學(xué)習領(lǐng)域的探索可以追溯到2007年,自那時(shí)起,高通就開(kāi)始了面向計算機視覺(jué)和運動(dòng)控制應用的機器學(xué)習脈沖神經(jīng)方法研究,隨后,其研究范圍從仿生方法拓展到了人工神經(jīng)網(wǎng)絡(luò ),也就是深度學(xué)習領(lǐng)域。而就在上個(gè)月,高通還參與投資了一家位于美國的人工智能公司Brain Corp。20170829-AI-2

人工智能正向終端遷移

終端側人工智能是高通最近在多個(gè)場(chǎng)合反復提及的詞匯。根據Jeff Gehlhaar的表述,移動(dòng)終端正成為全球最普遍的人工智能平臺。數據顯示,未來(lái)5年全球智能手機的累計出貨量將超過(guò)85億部,這也是移動(dòng)終端將成為全球最普遍人工智能平臺的原因。Qualcomm一直以來(lái)在移動(dòng)領(lǐng)域擁有領(lǐng)導地位,這為他們提供了利用已有的規模和機會(huì ),去促進(jìn)手機和毗鄰領(lǐng)域發(fā)展的機會(huì )。20170829-AI-3移動(dòng)領(lǐng)域的規?;?,成為了Qualcomm將人工智能帶給大眾的基石。加之不可阻擋的物聯(lián)網(wǎng)趨勢和即將到來(lái)的5G時(shí)代,使得高通認為智能互聯(lián)所需要的計算能力正通過(guò)云端分布到設備端。因此,高通提出的AI愿景將更專(zhuān)注于幫助智能手機、汽車(chē)和機器人等廣泛而普及的海量終端實(shí)現人工智能,以確保在有無(wú)網(wǎng)絡(luò )或Wi-Fi連接的情況下都能夠完成處理。其優(yōu)勢包括即時(shí)響應、可靠性提升、隱私保護增強,以及高效利用網(wǎng)絡(luò )帶寬。20170829-AI-4“我們于十年前就開(kāi)始了基礎研究,目前我們的現有產(chǎn)品支持了許多人工智能用例:從計算機視覺(jué)和自然語(yǔ)言處理,到各種終端,如智能手機和汽車(chē)上的惡意軟件偵測。同時(shí),我們正在研究更廣泛的課題,例如面向無(wú)線(xiàn)連接、電源管理和攝影的人工智能。”Jeff Gehlhaar說(shuō)未來(lái)Qualcomm 將持續推進(jìn)人工智能研究,把先進(jìn)的機器學(xué)習技術(shù)帶到業(yè)界最前沿,具體工作將包括:  針對半監督和無(wú)監督訓練,如生成式對抗網(wǎng)絡(luò )(GANs)、分布式學(xué)習和隱私保護,提升神經(jīng)網(wǎng)絡(luò )技術(shù);  面向終端側應用的網(wǎng)絡(luò )優(yōu)化,包括壓縮、層間優(yōu)化、稀疏優(yōu)化,以及更好地利用內存和空間/時(shí)間復雜度的其他技術(shù);  以及專(zhuān)門(mén)的硬件架構,旨在加速機器學(xué)習運算,從而在嵌入式終端上帶來(lái)更佳性能和更低功耗。

但他同時(shí)也指出,對于終端側人工智能而言,人工智能需要的大量密集計算與終端所能承受的功耗和熱效率,是業(yè)界無(wú)法回避的巨大挑戰。而高效的硬件、算法改進(jìn)和軟件工具將是高通應對挑戰的三把利器。“對Qualcomm來(lái)說(shuō),我們的算法優(yōu)化和提升主要包括壓縮、層間優(yōu)化和稀疏優(yōu)化等;軟件方面,Qualcomm一方面提供自己的軟件工具以支持在終端側進(jìn)行的人工智能,同時(shí)也和生態(tài)系統里的合作伙伴合作,支持TensorFlow、Caffe、Caffe2以及一些未來(lái)即將發(fā)布的框架。”20170829-AI-5

人工智能硬件的未來(lái)會(huì )是怎樣?

為了向更多行業(yè)(包括移動(dòng)、汽車(chē)、醫療健康、安全與圖像)的開(kāi)發(fā)者提供他們所需的工具,以實(shí)現終端側的、由神經(jīng)網(wǎng)絡(luò )驅動(dòng)的用戶(hù)體驗,2016年,高通正式發(fā)布了Qualcomm驍龍神經(jīng)處理引擎(Neural Processing Engine, NPE) SDK,開(kāi)發(fā)者可充分利用該SDK實(shí)現諸如情景探測、面部識別、自然語(yǔ)言理解、物體追蹤與規避、手勢和文本識別等深度學(xué)習用戶(hù)體驗。

該SDK基于分布式架構,目前可支持驍龍600和800系列平臺,以及TensorFlow、Caffe、Caffe2和一些即將發(fā)布的框架,可以讓深度神經(jīng)網(wǎng)絡(luò )引擎運行在驍龍異構平臺的CPU、GPU、DSP等各個(gè)單元上。未來(lái),再利用5G無(wú)線(xiàn)通信技術(shù),就可以實(shí)現終端側與云之間的人工智能配合和連接。20170829-AI-6首款整合驍龍神經(jīng)處理引擎SDK的公司之一是Facebook,目前正在使用它來(lái)加速其移動(dòng)應用程序中的增強型現實(shí)過(guò)濾器。數據顯示,通過(guò)使用神經(jīng)處理引擎,Facebook的過(guò)濾器速度比通用CPU實(shí)現方案要快5倍,在拍攝照片和直播視頻時(shí),可實(shí)現更流暢、無(wú)縫且逼真的AR特性應用。

智能駕駛是Jeff Gehlhaar列舉的另一個(gè)典型的終端側AI應用場(chǎng)景。在CES 2017上,Qualcomm展示了采用驍龍820Am處理器的Qualcomm Drive Data平臺。這是一個(gè)數據收集和分析平臺,可以通過(guò)車(chē)上的傳感器(前置攝像頭、后視攝像頭、雷達等)收集汽車(chē)的大量信息,用于實(shí)現車(chē)輛管理與地圖生成等功能。

該汽車(chē)技術(shù)平臺的重要組成部分便是基于終端的機器學(xué)習(on-device machine learning)。Qualcomm Drive Data平臺采用了驍龍820Am汽車(chē)處理器,支持汽車(chē)隨時(shí)隨地、精確地判斷城市街道的水平精確度(lane-level accuracy),以此來(lái)實(shí)現精準的定位。其次,通過(guò)集成X12 LTE調制解調器,它還可以連接至云端。除此之外,它還支持基于云端處理的地圖和數據應用。以上這些都是Qualcomm通過(guò)Qualcomm Drive Data平臺所展示的技術(shù)。

通常來(lái)說(shuō),汽車(chē)中的很多應用都會(huì )收集大量數據,然后在云端進(jìn)行機器學(xué)習處理,比如判斷交通路況、交通信號燈、車(chē)道偵測等。事實(shí)上,我們可以篩選掉某些不相關(guān)的數據,僅僅把交通路況和環(huán)境視頻等需要的數據上傳至云端。因為驍龍820Am處理器的性能十分強大,它集成了定位、機器學(xué)習、連接等多項出色特性,有很多數據就可以在終端上進(jìn)行處理。

此外,對于用戶(hù)關(guān)心的“安全和用戶(hù)隱私保護”,Jeff Gehlhaar表示,“高通與谷歌合作,研究了幾種技術(shù),我們相信這些技術(shù)將引領(lǐng)發(fā)展方向,而這些想法彼此間也都有一定的聯(lián)系。其中一個(gè)想法是,讓多臺終端一起作為整體協(xié)同學(xué)習,這樣就沒(méi)有一臺終端能獲取所有的數據。第二個(gè)想法叫做隱私保護深度學(xué)習(privacy preserving deep learning),可以保證數據只提供給訓練模型,從而保護數據隱私,同時(shí)也保護數據所有人的個(gè)人信息。用戶(hù)可以在不被泄露個(gè)人信息的情況下放心地分享數據。”