摘要：現(xiàn)如今人工智能已經(jīng)應用到多個領(lǐng)域，如路邊的攝像頭、道路上無人駕駛的汽車等，那么，人類將同人工智能共同創(chuàng)造一個怎樣的未來？雙方協(xié)同還是競爭？面對這些問題Quaclomm 執(zhí)行副總裁 Matt Grob 分享了自己的觀點。

自2017年8月以來，國內(nèi)首檔人工智能挑戰(zhàn)類節(jié)目《機智過人》在中央電視臺綜合頻道播出，此檔節(jié)目定位為“科技改變生活 創(chuàng)新引領(lǐng)未來”，網(wǎng)羅了國內(nèi)20項頂尖人工智能技術(shù)，通過“人機比拼”的方式，普及人工智能前沿科技知識。

那么，我們將同人工智能共同創(chuàng)造一個怎樣的未來？雙方協(xié)同還是競爭？面對這些問題Quaclomm 執(zhí)行副總裁 Matt Grob 分享了自己的觀點。

人工智能應用多個領(lǐng)域

路邊的攝像頭、道路上無人駕駛的汽車、家中的電冰箱、地上的掃地機器人、記錄身體各項指標的手環(huán)等等終端出現(xiàn)在我們工作和生活的每個細節(jié)當中。大量的數(shù)據(jù)從終端產(chǎn)生，并進行初步的處理而傳到云端進行進一步的分析和存儲。這樣的終端如今越來越智能，各類傳感器能精確地感知到外界如今的環(huán)境數(shù)據(jù)；掃地機器人可以不知匹配的進行打掃工作；智能手環(huán)可以將人的心率等數(shù)據(jù)進行全面記錄為科學的健身方案提供依據(jù)。

可以說人工智能在模仿和替代人類的肢體運動能力、認知感官能力、思維判斷能力已經(jīng)有了大幅度的提升，取得了令人驚嘆的發(fā)展，但是有不少權(quán)威專家認為，僅僅依靠大量的運算和數(shù)據(jù)處理，人工智能永遠無法實現(xiàn)人腦特有的創(chuàng)造力和想象力。

Quaclomm 執(zhí)行副總裁 Matt Grob表示，人工智能的更大的突破性發(fā)展，需要對人工智能的底層架構(gòu)進行改革，引入量子引力及其他相關(guān)效應。雖然人工智能的前景是美好的，也有了許多令人驚嘆的應用，但距實現(xiàn)人腦般的智能還有很長的路要走。

人工智能的未來：云+終端智能

人工智能包含兩大重要方面，感知能力和認知能力。智能終端是人的感官，云就是大腦，把智能終端和云大腦完美地結(jié)合起來，才是人工智能未來的方向。

在人工智能時代，智能終端和傳感器將無處不在。Matt Grob表示，當我們以合理的成本在移動環(huán)境中讓人工智能無處不在時，不可思議的事情就發(fā)生了。以無人駕駛汽車為例，它是一個移動的“物體”，需要足夠的本地數(shù)據(jù)處理能力，即終端側(cè)人工智能。同時，它也需要從網(wǎng)絡中獲取強大的處理能力，并且需要確保高可靠性和低延遲（環(huán)境）。

大規(guī)模數(shù)據(jù)產(chǎn)生于各類終端是人工智能時代一大特點，如果數(shù)據(jù)能夠在智能終端得到篩選和處理，僅將有價值的信息通過網(wǎng)絡傳至云端甚至于直接可以將用戶需要的結(jié)果返回，如此數(shù)據(jù)就近處理的理念可以實現(xiàn)網(wǎng)絡帶寬以及數(shù)據(jù)中心的存儲和計算資源將得到極大的節(jié)省，同時提高了系統(tǒng)效率，人工智能系統(tǒng)的TCO也將得到降低。

Qualcomm讓終端側(cè)人工智能無處不在

自 2007 年，Qualcomm 開始探索面向計算機視覺和運動控制應用的機器學習脈沖神經(jīng)方法，隨后還將其研究范圍從仿生方法拓展到了人工神經(jīng)網(wǎng)絡——主要是深度學習領(lǐng)域。

Qualcomm發(fā)布了驍龍移動平臺，該平臺是最高性能移動終端的首選系統(tǒng)級芯片（SoC），專長于移動異構(gòu)計算。全新Qualcomm?驍龍?845移動平臺則是一款集合Qualcomm所有核心技術(shù)，打造出的一款支持包括 XR（擴展現(xiàn)實）、終端側(cè) AI 和快如閃電般的連接速度在內(nèi)的沉浸式多媒體體驗的平臺，同時引入了全新的安全處理單元（SPU），帶來如保險庫般的安全性能。

另一方面，跟驍龍?845相配的是驍龍神經(jīng)處理引擎（Snapdragon Neural Processing Engine，簡稱：SNPE）SDK，該神經(jīng)處理引擎能縮短終端側(cè)卷積神經(jīng)網(wǎng)絡（CNN）和遞歸神經(jīng)網(wǎng)絡（RNN）在合適的驍龍引擎（例如 Kryo CPU、Qualcomm Adreno GPU 和 Hexagon DSP）上的運行時間，對圖形識別和自然語言處理分別都有著重要作用。相同的開發(fā)者 API 給每個引擎都提供接入口，從而使開發(fā)者能夠方便地無縫切換人工智能任務。

近日手機QQ基于騰訊AI Lab計算機視覺中心獨家支持的“肢體動作追蹤”技術(shù)，結(jié)合Qualcomm SNPE SDK推出了“高能舞室”功能。該功能為年輕人社交提供了更多個性化內(nèi)容和用戶體驗。

通過SNPE SDK，該功能可以直接運行手機上相應的人工智能神經(jīng)網(wǎng)絡，而無需在云端進行處理。具體來說，用戶可以直接根據(jù)屏幕提示動作錄制跳舞短視頻，并通過QQ社交關(guān)系鏈分享互動舞蹈視頻。Qualcomm SNPE為高能舞室提供了高性能和高能效的運行環(huán)境，將人體姿態(tài)估計識別的時間大大降低，用戶可以享受更加流暢、有趣的舞蹈體驗。

與在云端運行的人工智能相比，在終端側(cè)運行人工智能算法具有諸多優(yōu)勢，如即時響應、可靠性提升、隱私保護增強，以及高效利用網(wǎng)絡帶寬等?；赟NPE SDK，開發(fā)者和OEM廠商能更方便地在終端上利用異構(gòu)計算，能在諸如智能手機、安全攝像頭、汽車以及無人機等搭載驍龍的終端上運行自己的神經(jīng)網(wǎng)絡模型，且完全無須與云端相連，就能提供由深度學習驅(qū)動的體驗，如風格轉(zhuǎn)換與濾鏡（增強現(xiàn)實應用）、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。SNPE適用于驍龍600和800系列移動平臺，可支持通用深度學習框架，如Caffe、Caffe2和Tensorflow，并提供對自定義層的支持。該SDK包括了運行時軟件、庫、API、離線模型轉(zhuǎn)換工具、示例代碼、文檔，以及調(diào)試與基準測試工具。

結(jié)語

十多年來，Qualcomm一直專注于在移動終端的功耗、散熱和尺寸限制之內(nèi)，高效地處理多種計算工作負載。在終端側(cè)完成全部或大部分思考的、“始終開啟”的智能終端中蘊藏著巨大的機遇，因此期待通過研究和產(chǎn)品化推動先進機器學習的發(fā)展。