飛行汽車、機(jī)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(yùn)氣不好的話，高智能機(jī)器人大行其道，開始起來反抗人類，再現(xiàn)《機(jī)械公敵》劇情。雖然這些想象并未成真，但在當(dāng)下，人工智能(AI)技術(shù)已經(jīng)走進(jìn)了人們的世界。比如，每當(dāng)給Alexa智能音箱指令時(shí)，機(jī)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(shí)，均是基于復(fù)雜機(jī)器學(xué)習(xí)算法而定向推薦，讓這些推薦遠(yuǎn)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(jī)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(xì)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(jī)器”來實(shí)現(xiàn)——這些機(jī)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(shí)現(xiàn)機(jī)器的視覺和聽覺分析功能。目前，這些小型機(jī)器只能利用簡單的人工智能技術(shù)：也許只是聽一個(gè)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(jī)器有視覺和聽覺功能會怎么樣？

事實(shí)上，小型設(shè)備一旦能夠看到和聽到，是否有實(shí)用價(jià)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(qiáng)度不大的小型化的、邊緣的人工智能計(jì)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(fèi)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(fēng)引起的植物擺動、云彩引起的劇烈光線變化、甚至是狗或貓?jiān)跀z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(bào)會影響他們睡眠和旅行。但一個(gè)智能攝像頭卻能夠基于更具體的事件進(jìn)行觸發(fā)，例如在所監(jiān)控的畫面中出現(xiàn)了一個(gè)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(shí)才觸發(fā)：例如，跟蹤攝像頭可能希望在畫面中出現(xiàn)鹿時(shí)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(shí)被觸發(fā)，而個(gè)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(gè)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(jī)交互。

盡管這些例子只觸及表層：讓小型機(jī)器看到、聽到和解決過去需要人為干預(yù)的問題，但實(shí)際上這是一種顛覆性思路，因?yàn)槿藗兠刻於疾粩喟l(fā)現(xiàn)可智能化創(chuàng)造的新場景。

讓小機(jī)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(jī)器具有如此實(shí)用價(jià)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(jì)算的結(jié)果。可以把神經(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(shí)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(jì)算。對于傳統(tǒng)硬件設(shè)計(jì)，這些應(yīng)用在實(shí)施時(shí)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(shí)間來計(jì)算，這意味著人工智能推理不是實(shí)時(shí)的，并會消耗大量的電池電量。

購置一個(gè)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(yùn)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?？臁?/p>

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(shí)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(jì)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(shí)際上能夠消除機(jī)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(yùn)的是，人們現(xiàn)在已經(jīng)處于這場“小型機(jī)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(shí)現(xiàn)電池供電的機(jī)器視覺功能。了解更多有關(guān)構(gòu)建能夠執(zhí)行人工智能推理但能耗卻只有微焦耳的微控制器的信息。

責(zé)任編輯：彭菁