飛行汽車、機器人管家……在一些未來暢想中,，今天的人們已經(jīng)擁有了各式“智慧”產(chǎn)品,。如果運氣不好的話,，高智能機器人大行其道，開始起來反抗人類,，再現(xiàn)《機械公敵》劇情,。雖然這些想象并未成真，但在當下,，人工智能(AI)技術(shù)已經(jīng)走進了人們的世界,。比如，每當給Alexa智能音箱指令時,，機器學(xué)習(xí)技術(shù)都會努力弄清話語內(nèi)容,，并試圖做出最佳判斷。每次Netflix或亞馬遜推薦了“下一部電影”或“下一次購貨商品”時,，均是基于復(fù)雜機器學(xué)習(xí)算法而定向推薦,，讓這些推薦遠比之前的促銷看上去誘人。盡管自動駕駛汽車尚未普及,，但人們紛紛意識到自主導(dǎo)航的潛力和趨勢,。
人工智能技術(shù)大有前途——它讓機器可以根據(jù)周圍的世界做出決策，像人一樣處理信息,，甚至處理方式還會優(yōu)于人類,。但是，如果細想上述事例,，便會發(fā)現(xiàn)目前的很多人工智能,，只能通過“大型機器”來實現(xiàn)——這些機器發(fā)熱量高、擁有線路功耗,、體積巨大,，而且昂貴。像Alexa和Netflix依靠云端的大型,、高耗電服務(wù)器來分析用戶的意圖,。而自動駕駛汽車則要依賴電池供電，考慮到電池必須能夠驅(qū)動車輪和轉(zhuǎn)向,，因此需要提供很高的容量,，與非常昂貴的人工智能決策相比，同樣也要消耗大量能源,。
目前,，人工智能技術(shù)穩(wěn)步發(fā)展，但是人工智能的“小型化,，邊緣化”卻明顯滯后,。那些由小型電池供電或存在成本和尺寸限制的設(shè)備無法實現(xiàn)機器的視覺和聽覺分析功能,。目前，這些小型機器只能利用簡單的人工智能技術(shù)：也許只是聽一個關(guān)鍵詞,，或者分析低維信號,，比如用光容積描記術(shù)(PPG)來測量心率。
如果小型機器有視覺和聽覺功能會怎么樣,？
事實上,，小型設(shè)備一旦能夠看到和聽到，是否有實用價值呢,？思考一下,，像門鈴攝像頭這樣的小產(chǎn)品需要使用自動駕駛或自然語言處理等高階人工智能技術(shù)嗎？似乎也沒有必要,。因此可以考慮采用不太復(fù)雜,、處理強度不大的小型化的、邊緣的人工智能計算,，比如詞匯識別,、語音識別和圖像分析。
-普通的門鈴攝像頭和消費類安保攝像頭經(jīng)常會被一些無關(guān)緊要的事件觸發(fā),，比如刮風引起的植物擺動,、云彩引起的劇烈光線變化、甚至是狗或貓在攝像頭前跑動,。這些事件可能會導(dǎo)致誤觸發(fā),，從而需要房主去操作忽視并清除此類觸發(fā)事件。尤其糟糕的是,，如果房主正好在世界其它地方旅行,，而家里的攝像頭卻對日出、云彩,、日落造成的光線變化發(fā)出了誤警報會影響他們睡眠和旅行,。但一個智能攝像頭卻能夠基于更具體的事件進行觸發(fā)，例如在所監(jiān)控的畫面中出現(xiàn)了一個人,。
-門鎖或其它出入口可使用面部識別,，甚至是語音識別來授予人員訪問權(quán)限，在某些情況下不需要鑰匙或胸卡,。
-很多攝像頭都希望在發(fā)生某些特定事件時才觸發(fā)：例如,，跟蹤攝像頭可能希望在畫面中出現(xiàn)鹿時被觸發(fā)，安保攝像頭可能希望在畫面中有人或出現(xiàn)開門或腳步聲等噪音時被觸發(fā),，而個人攝像頭可能希望通過語音命令來觸發(fā),。
-雖然有很多“Hey Alexa”這樣的簡單解決方案，但多詞匯量命令在很多應(yīng)用中都非常有用,。如果具備識別20個或更多單詞的詞匯表,，就可以在工業(yè)設(shè)備、家居自動化,、烹飪設(shè)備和大量其它設(shè)備中應(yīng)用,，以簡化人機交互。
盡管這些例子只觸及表層：讓小型機器看到,、聽到和解決過去需要人為干預(yù)的問題,，但實際上這是一種顛覆性思路，因為人們每天都不斷發(fā)現(xiàn)可智能化創(chuàng)造的新場景,。
讓小機器具備視覺和聽覺功能,，面臨哪些挑戰(zhàn)？
既然人工智能對小型機器具有如此實用價值,，為何沒有被大量開發(fā)呢,？答案是受限于算力。人工智能推理是神經(jīng)網(wǎng)絡(luò)模型計算的結(jié)果,?？梢园焉窠?jīng)網(wǎng)絡(luò)模型看作是大腦處理圖像或聲音的粗略近似形態(tài)，將其分解為非常小的片段,，然后在這些小碎片組合在一起時識別出模型?，F(xiàn)代化視覺問題的主要模型是卷積神經(jīng)網(wǎng)絡(luò)(CNN)。這類模型在圖像分析方面非常出色,，在音頻分析方面也非常有用,。問題在于，這些模型需要數(shù)百萬或數(shù)十億次的數(shù)學(xué)計算,。對于傳統(tǒng)硬件設(shè)計,，這些應(yīng)用在實施時卻會面臨一些困難抉擇：
-使用低成本、低功耗的微控制器解決方案,。雖然平均功耗可能很低,，但卷積神經(jīng)網(wǎng)絡(luò)可能需要幾秒鐘時間來計算，這意味著人工智能推理不是實時的,，并會消耗大量的電池電量,。
-購置一個昂貴的高性能處理器，能在規(guī)定延遲內(nèi)完成這些數(shù)學(xué)運算,。不過,，這些處理器通常很大，需要很多外部組件,，包括散熱器或類似的冷卻組件,。好處是，它們執(zhí)行人工智能推理的速度非?？?。
-低功耗微控制器解決方案的速度太慢,，無法發(fā)揮作用，而高性能處理器方法會超出成本,、尺寸和電源預(yù)算,，可以說上述兩種方案都不夠理想，難以實施,。
由此可見,，人們需要的是一種全新的嵌入式人工智能解決方案，盡可能減少卷積神經(jīng)網(wǎng)絡(luò)計算所需的能耗,。人工智能推理需要以比傳統(tǒng)微控制器或處理器解決方案更少的能量來執(zhí)行,，并且無需借助能耗高、尺寸大,、成本大的外部組件（如存儲器）,。如果人工智能推理解決方案實際上能夠消除機器視覺的能量損失，那么即便是最小的設(shè)備也能看到并識別周圍世界發(fā)生的事情,。
幸運的是,，人們現(xiàn)在已經(jīng)處于這場“小型機器”革命的開端。目前,，ADI已經(jīng)在市場上推出了相關(guān)產(chǎn)品,，能夠消除人工智能推理的能源成本，并實現(xiàn)電池供電的機器視覺功能,。
