人工智能是什么時候再次流行起來的?這可以追溯到2016年3月，當時，谷歌的神經(jīng)網(wǎng)絡(luò)驅(qū)動的人工智能 (AI)機器人 AlphaGo在圍棋比賽中擊敗了韓國冠軍李世石，在此之前，沒有任何機器可以用來破解圍棋的棋局。

當前，人工智能基本處于“炒作”的狀態(tài)，連大眾媒體都在宣傳智能機器帶來的希望和恐懼。這讓人聯(lián)想到人們都熟悉的另一種被炒作的事物：物聯(lián)網(wǎng) (IoT) 。在Google Trends上搜索詞條IoT和人工智能，當繪制這兩個詞條的流行度曲線時，如圖1所示，會發(fā)現(xiàn)二者的模式非常相似。

圖1. Google Trends，IoT(紅色)和人工智能(藍色)曲線

雖然有一些物聯(lián)網(wǎng)初創(chuàng)企業(yè)出現(xiàn)后消失了，但物聯(lián)網(wǎng)仍然存在，并且正在逐步發(fā)展，最終必將開花結(jié)果。而物聯(lián)網(wǎng)和人工智能之間的碰撞正與此類似。

有思考能力的物體

絕大多數(shù)人工智能應(yīng)用最初主要集中在Facebook、谷歌、亞馬遜等提供的互聯(lián)網(wǎng)服務(wù)，這些服務(wù)的算法運行在配備多核CPU和GPU的服務(wù)器上，運行頻率達GHz，內(nèi)存達兆兆字節(jié)。緊接著，人工智能進入高性能的消費設(shè)備，出現(xiàn)在智能手機、自動駕駛汽車、游戲機、電視和智能音響中。雖然技術(shù)上處于“邊緣”狀態(tài)，并且通常被歸類為“物聯(lián)網(wǎng)”，但這些設(shè)備在物聯(lián)網(wǎng)設(shè)備中是特殊的，因為它們?nèi)匀恍枰拇罅康墓?、性能和?nèi)存，并且需要通過高帶寬鏈路連接到互聯(lián)網(wǎng)。

雖然物聯(lián)網(wǎng)將幾十億的設(shè)備連接在一起，但絕大多數(shù)設(shè)備的功能都很有限。而人工智能的引入，為這些位于網(wǎng)絡(luò)邊緣的設(shè)備帶來革命性的影響，但前提是需要在資源、連接能力、成本和功率之間達到適當?shù)钠胶狻?/p>

有人可能會質(zhì)疑：在這么小的設(shè)備上實現(xiàn)邊緣的人工智能有什么用?

為了說明白這一點，我們將這些設(shè)備與動物大腦所能達到的智能水平進行比較。

維基百科簡要介紹了幾種動物的平均神經(jīng)元，包括一些動物的突觸(神經(jīng)元連接)數(shù)量，借此可以推斷其余動物的突觸/神經(jīng)元。如果想用深度神經(jīng)網(wǎng)絡(luò)模擬動物大腦的處理能力，如表1所示，粗略的模擬情況是每個神經(jīng)元(輸出)需要一個字節(jié)，每個突觸(重量)需要一個字節(jié)。

表1. 模擬動物大腦所需的存儲量總結(jié)

(數(shù)據(jù)來源：維基百科，“動物神經(jīng)元列表”)

小螞蟻的強大能力

微控制器 (MCU) 的存儲器范圍為1兆字節(jié)到4兆字節(jié)，因此，MCU中的人工智能水平與水母或蝸牛的大腦類似。

蝸牛和水母可以自己覓食、活動、繁殖，并在感受到威脅時躲藏起來。它們管理與環(huán)境的復雜交互過程、識別模式并控制身體動作。這種智能水平對于簡單的設(shè)備已經(jīng)足夠，如恒溫器、真空吸塵器和門鈴。這個例子的理念是讓設(shè)備根據(jù)對環(huán)境的感知做出簡單的決策。

擁有蝸牛大腦的設(shè)備可以控制一些簡單的行為模式，可以識別篡改企圖的門鎖，或者根據(jù)衣服顏色定義程序的洗衣機就屬于這種級別的智能水平。

動物(即使是那些智力較低的動物)在互動方面也比計算機的性能更高。動物通過視覺、嗅覺和觸覺進行本能地交流和互動。如果設(shè)備擁有蝸牛的大腦，肯定會帶來敏感、更直觀、更自然的用戶界面。

具有千兆字節(jié)外部存儲的微處理器可以達到螞蟻或蜜蜂的智力水平。昆蟲智力的典型用例是群體效應(yīng)。這意味著大量的簡單機器人具有足夠的智能來展示群體行為，可以執(zhí)行復雜的任務(wù)，就像蟻群那樣。世界上有10 quintillion (100,000,000,000億)只昆蟲，而人只有76億 ， 由此可見一大群昆蟲大腦所具備的能力是多么強大。

這一應(yīng)用的范圍非常廣泛，包括農(nóng)業(yè)、城市、環(huán)境、安防、救援和國防。哈佛大學的研究人員演示了1024個機器人組成的群體，這是迄今為止最大的一個機器人群。就像螞蟻或蜜蜂一樣，1024個機器人群可以完成可觀的工作任務(wù)，如運輸大型物體或自主建造真人大小的結(jié)構(gòu)。

實現(xiàn)終端智能化

在智能手機、安全攝像頭和汽車等功能豐富的嵌入式設(shè)備中，機器視覺一直推動著人工智能的應(yīng)用。由于有具體的用例、巨大的潛在市場和高效的算法，CNN(卷積神經(jīng)網(wǎng)絡(luò))機器視覺可實現(xiàn)硬件加速?，F(xiàn)在，幾乎所有能夠進行圖像采集和處理的設(shè)備都集成了CNN AI加速器。

在網(wǎng)絡(luò)端點處的小型IoT設(shè)備中實現(xiàn)人工智能并不容易，有很多應(yīng)用都沒有經(jīng)過驗證。對硬件加速進行適當?shù)亩x也很難，因此，許多硬件公司采取的方法是通過通用控制器上的工具和軟件實現(xiàn)人工智能，并監(jiān)控演變過程。

針對這一點，瑞薩電子最早發(fā)布了嵌入式AI解決方案 (e-AI)，該解決方案使用戶能夠?qū)⒔?jīng)過訓練的網(wǎng)絡(luò)從Tensorflow或Caffe轉(zhuǎn)換為其MCU可用的代碼。瑞薩電子提供的工具包括一個e-AI轉(zhuǎn)換器，它可以轉(zhuǎn)換神經(jīng)網(wǎng)絡(luò)成為MCU工具可用的C代碼，并提供一個預測轉(zhuǎn)換網(wǎng)絡(luò)性能功效的e-AI檢查器。瑞薩電子已經(jīng)確定了幾個用例，例如預測性維護，目的是推動用戶和社區(qū)的發(fā)明和創(chuàng)新。因此，瑞薩電子提供了瑞薩電子社區(qū) “gadget Renesas” 開發(fā)板的教程，而且瑞薩電子美國公司一直在推動使用RZ/A1H嵌入式MPU設(shè)計GR-PEACH開發(fā)板的e-AI設(shè)計競賽。

嵌入式AI正在不斷增加

嵌入式AI正處于典型的“商業(yè)模型定義”階段，即解決方案已被發(fā)明并被早期采用者使用，但還沒有被主流大眾所接受。從事這項研究的初創(chuàng)公司和創(chuàng)新公司必將竭盡全力跨越這條鴻溝。隨著發(fā)展的日新月異，可以肯定，在找到有實際商業(yè)價值的用例和增長點以取得成功之前，必須有許多支點為這個目標提供支撐。