將人工智能帶給大眾，深度解讀高通AI愿景

高通在機器學習領域的探索可以追溯到2007年，自那時起，高通就開始了面向計算機視覺和運動控制應用的機器學習脈沖神經方法研究，隨后，其研究范圍從仿生方法拓展到了人工神經網(wǎng)絡，也就是深度學習領域。而就在上個月，高通還參與投資了一家位于美國的人工智能公司Brain Corp。

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場合反復提及的詞匯。根據(jù)Jeff Gehlhaar的表述，移動終端正成為全球最普遍的人工智能平臺。數(shù)據(jù)顯示，未來5年全球智能手機的累計出貨量將超過85億部，這也是移動終端將成為全球最普遍人工智能平臺的原因。Qualcomm一直以來在移動領域擁有領導地位，這為他們提供了利用已有的規(guī)模和機會，去促進手機和毗鄰領域發(fā)展的機會。移動領域的規(guī)?；?，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)趨勢和即將到來的5G時代，使得高通認為智能互聯(lián)所需要的計算能力正通過云端分布到設備端。因此，高通提出的AI愿景將更專注于幫助智能手機、汽車和機器人等廣泛而普及的海量終端實現(xiàn)人工智能，以確保在有無網(wǎng)絡或Wi-Fi連接的情況下都能夠完成處理。其優(yōu)勢包括即時響應、可靠性提升、隱私保護增強，以及高效利用網(wǎng)絡帶寬。“我們于十年前就開始了基礎研究，目前我們的現(xiàn)有產品支持了許多人工智能用例：從計算機視覺和自然語言處理，到各種終端，如智能手機和汽車上的惡意軟件偵測。同時，我們正在研究更廣泛的課題，例如面向無線連接、電源管理和攝影的人工智能。”Jeff Gehlhaar說未來Qualcomm 將持續(xù)推進人工智能研究，把先進的機器學習技術帶到業(yè)界最前沿，具體工作將包括：  針對半監(jiān)督和無監(jiān)督訓練，如生成式對抗網(wǎng)絡(GANs)、分布式學習和隱私保護，提升神經網(wǎng)絡技術；  面向終端側應用的網(wǎng)絡優(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/時間復雜度的其他技術；  以及專門的硬件架構，旨在加速機器學習運算，從而在嵌入式終端上帶來更佳性能和更低功耗。

但他同時也指出，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)界無法回避的巨大挑戰(zhàn)。而高效的硬件、算法改進和軟件工具將是高通應對挑戰(zhàn)的三把利器。“對Qualcomm來說，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行的人工智能，同時也和生態(tài)系統(tǒng)里的合作伙伴合作，支持TensorFlow、Caffe、Caffe2以及一些未來即將發(fā)布的框架。”

人工智能硬件的未來會是怎樣？

為了向更多行業(yè)(包括移動、汽車、醫(yī)療健康、安全與圖像)的開發(fā)者提供他們所需的工具，以實現(xiàn)終端側的、由神經網(wǎng)絡驅動的用戶體驗，2016年，高通正式發(fā)布了Qualcomm驍龍神經處理引擎(Neural Processing Engine, NPE) SDK，開發(fā)者可充分利用該SDK實現(xiàn)諸如情景探測、面部識別、自然語言理解、物體追蹤與規(guī)避、手勢和文本識別等深度學習用戶體驗。

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，可以讓深度神經網(wǎng)絡引擎運行在驍龍異構平臺的CPU、GPU、DSP等各個單元上。未來，再利用5G無線通信技術，就可以實現(xiàn)終端側與云之間的人工智能配合和連接。首款整合驍龍神經處理引擎SDK的公司之一是Facebook，目前正在使用它來加速其移動應用程序中的增強型現(xiàn)實過濾器。數(shù)據(jù)顯示，通過使用神經處理引擎，F(xiàn)acebook的過濾器速度比通用CPU實現(xiàn)方案要快5倍，在拍攝照片和直播視頻時，可實現(xiàn)更流暢、無縫且逼真的AR特性應用。

智能駕駛是Jeff Gehlhaar列舉的另一個典型的終端側AI應用場景。在CES 2017上，Qualcomm展示了采用驍龍820Am處理器的Qualcomm Drive Data平臺。這是一個數(shù)據(jù)收集和分析平臺，可以通過車上的傳感器(前置攝像頭、后視攝像頭、雷達等)收集汽車的大量信息，用于實現(xiàn)車輛管理與地圖生成等功能。

該汽車技術平臺的重要組成部分便是基于終端的機器學習(on-device machine learning)。Qualcomm Drive Data平臺采用了驍龍820Am汽車處理器，支持汽車隨時隨地、精確地判斷城市街道的水平精確度(lane-level accuracy)，以此來實現(xiàn)精準的定位。其次，通過集成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(shù)據(jù)應用。以上這些都是Qualcomm通過Qualcomm Drive Data平臺所展示的技術。

通常來說，汽車中的很多應用都會收集大量數(shù)據(jù)，然后在云端進行機器學習處理，比如判斷交通路況、交通信號燈、車道偵測等。事實上，我們可以篩選掉某些不相關的數(shù)據(jù)，僅僅把交通路況和環(huán)境視頻等需要的數(shù)據(jù)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、機器學習、連接等多項出色特性，有很多數(shù)據(jù)就可以在終端上進行處理。

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