边缘计算将如何影响人工智能？
时间：2018-01-03 人气：30 来源： 作者：
概述：人工智能是通过计算机模拟人脑思维逻辑的一种技术，它可以进行语言识别、人脸识别、图像识别以及无人驾驶等多种场景。人工智能拥有从感知、分析运算到决策的强大能力，能取代人类智力型工作，已经成为人们热议的主要话题，其影响力之大足以掀起新一轮科技革命。
万物互......
人工智能是通过计算机模拟人脑思维逻辑的一种技术，它可以进行语言识别、人脸识别、图像识别以及无人驾驶等多种场景。人工智能拥有从感知、分析运算到决策的强大能力，能取代人类智力型工作，已经成为人们热议的主要话题，其影响力之大足以掀起新一轮科技革命。
万物互联时代会产生巨大数据，如果这些数据都要传输到云端平台处理，那么这对网络造成巨大的负载。因此，边缘计算就应势而生，在设备端对部份数据进行分析处理，将能解决掉网络拥堵的问题，同时能提供运行系统的效率和减轻云端平台的负载。
随着边缘计算的进步以及越来越强大的芯片推出，本地设备的运算能力将不断增强，使得人工智能算法能够在没有网络，离开云计算的情况下正常运行。
最近，滑铁卢大学一个人工智能项目研究人员表示，他们可以让人工智能够在离开计算机和内存的情况下正常运行。这听起来似乎有点不可思议，如果他们真能做到这样，就意味神经网络不再受到互联网和云计算的影响。
科学家认为他们可以引导AI在不需要大量资源的条件下进行机器学习，其优点是达到更好的隐私性，数据发送成本低以及具有携性等特点，即使在偏远的地区也能使用到人工智能程序。
其主要实施方法是将神经网络置于虚拟环境当中，设计自然复制的能力，然后逐步重复剥夺硬件和网格资源，让人工智能程序学习自主适应环境的能力。
通常人工智能需在较大功率和处理能力的PC上运行，但科学家认为机器本身需要学会处理现实环境局限性的问题，即使它没有大量的资源可以借鉴，也能够进行运算，深度学习程序能通过改变自身来适应环境和保持运转。
当离开人工智能实验室的计算机和存储器后，人工智能载体将会变得更小，从而使得这些程序能够边缘计算环境中生存下去。例如把深度学习引擎安装到机器人、智能手机或者无人机等产品的芯片上，其连通性和重量将是重点考虑的一个问题，设计者需要最大限度降低硬件体积和重量，但又要确保人工智能的正常运行。
在过去，人工智能运算成本非常昂贵，主要原因是依赖于庞大的平行运算，即是需要同时使用多种计算资源解决计算问题。
如今，随着芯片技术的进步，新一代人工智能芯片诞生，如Google的TPU、寒武纪的DianNao系列、Eyeriss的NPU、华为的麒麟970芯片等，预计各种人工智能苾片将会陆续推出，这些产品基本都朝着低功耗、高吞吐量的方向发展。
当把边缘智能芯片嵌入智能手机中时，一些小巧的人工智能可以运行，实现语音激活的虚拟助手和其他智能功能。
人工智能的发展应用将进一步提升终端设备的能力，智能手机就是一个很好的案例，从过去的手输密码到指纹识别，再到现在的人脸识别等，开机变得更方便。利用语音识别可以大大提升文字输入的速度，提高人机交互的效率，这些技术给人们带来更多便捷生活体验。
边缘计算蕴含着巨大的市场潜力，如果每一个设备都安装上智能芯片，那么这将是一个超级大的需求。今年7月份，英特尔公司就推出了一款Movidius神经计算棒，这也是世界首个基于USB模式的深度学习的AI加速器，相当于将人工智能运算能力集成到一个U盘里，协助开发者分析、调试、验证和部署神经网络的功能。
这也意味着开发者可以在没有网络，没有云计算的环境下，实现种各图像识别、物体识别等人工智能运算。而且Movidius是插即用的神经计算设备，一台设备可以接入多个神经计算棒，每秒1000亿次浮点运算消耗1W功率，满足了人工智能离线部署的要求。
这种人工智能产品可以安装在摄像机、无人机、机器人等设备上，实现了人工智能的本地化运算，使产品脱离网络也能够获得深度学习的能力，作为独立的智能个体运行于更多应用场景。随着越来越多的边缘智能计算设备推出，将有效推动人工智能在不同领域的应用普及。
