人工智能：超越炒作

如果有一个真正的指标可以衡量新技术的破坏性，那肯定是公众对恐惧和怀疑的滔滔不绝。如果我们以社会焦虑作为衡量标准，那么目前人工智能（AI）的复兴是开创性技术破坏的良好候选者。人工智能将改变我们所知道的生活，正如伊隆马斯克，比尔盖茨，斯蒂芬霍金和其他伟大的思想家告诉我们的那样。对人工智能应用程序有害后果的广泛担忧并不是对技术变革的无与伦比的反应，而是对新技术相关变化以及随之而来的巨大潜力的社会不安的表达。
我们正在寻求超越今天的物联网，迈向未来，智能连接设备不仅相互通信，而且他们使用AI代表我们彼此互动。有朝一日这种人工智能事物的全新结构将被称为AIoT，即人工智能。
当纯数学开始对现实生活产生影响时作为一门数学学科 - 在某种程度上，哲学 - 人工智能生活在阴影中已有六十多年，之后公共利益在此期间突然飙升。当前宣传的一个原因是，长期以来，人工智能应用的考虑纯粹是理论上的，或者至少是科幻小说。对于人工智能用例在当前物联网环境中变为现实，必须满足三个条件：

• 非常大的真实数据集
• 具有重要处理能力的硬件架构和环境
• 开发新的强大算法和人工神经网络（ANN）以充分利用上述内容
  

很明显，后两种要求相互依赖，并且如果没有显着增加处理能力，深部神经网络的突破就不会发生。至于输入：越来越多的嵌入式物联网设备正在生成各种质量的大型数据集 - 视觉，音频和环境数据。今天，数据流呈指数增长。实际上，到2020年，年度数据生成预计将达到44 zettabytes（一个zettabyte为10亿TB），这意味着五年内复合年增长率（CAGR）为141％。仅仅五年之后，它就可以达到180个zettabytes。
从2015年左右开始，当多核应用处理器和图形处理单元（GPU）广泛使用时，我们还指挥了处理这些数据量的工具。并行处理成为一种更快，更便宜，更强大的业务。添加快速，丰富的存储和更强大的算法来对数据进行排序和构建，突然间有一个AI可以繁荣发展的环境。
在2018年，神经网络训练的AI语音识别软件是各种消费和工业应用的组成部分。计算能力每年增加大约10倍，主要是由新类别的定制硬件和处理器架构驱动。这种计算热潮是人工智能发展的关键组成部分，有助于将AI作为未来的主流。而这仅仅是个开始。
AI：反映人类推理的对象根据经典的定义，人工智能是一个相当不引人注目的事件。在他开创性的1976年论文“ 人工智能：个人观点”中，英国神经科学家和人工智能先驱大卫马尔说：人工智能的目标是识别和解决有用的信息处理问题，并给出如何解决它的抽象说明，这被称为一个方法。
人工智能的一个小但具有决定性的细节是它处理的信息处理问题源于生物信息处理的各个方面。换句话说：人工智能希望重新设计人脑的结构和功能，使机器能够以人类的方式解决问题 - 更好。
与科学努力相比，今天的行业对人工智能的方法更加务实。当前的AI开发不是试图实现人类思维的复制，而是使用人类推理作为提供更好服务或创造更好产品的指南。但是这有什么作用呢？我们来看看目前的方法。
ML：解析，学习，确定或预测的算法作为人工智能的一个子集，机器学习使用统计技术使计算机无需明确编程即可学习。在最粗略的方法中，机器学习使用算法来分析数据，然后根据其解释进行预测。为实现这一目标，机器学习应用模式识别和计算学习理论，包括概率技术，核心方法和贝叶斯概率，它们已从专业领域发展成为当前ML方法的主流。ML算法通过从示例训练输入集构建模型来操作，以便将数据驱动的预测表示为输出。
计算机视觉是应用ML的最活跃和最受欢迎的应用领域。它是从现实世界中提取高维数据以产生数字或符号信息 - 最终以决策的形式。然而，直到最近，手机编码的大部分涉及机器以开发先进的模式识别技能。人类操作员必须提取边缘以定义对象开始的位置和结束的位置，应用噪声去除滤波器或添加几何信息，例如，给定对象的深度。事实证明，即使使用先进的机器学习培训软件，机器真正意义上的环境数字复制也不是一项微不足道的任务。这是深度学习发挥作用的地方。

DL：镜像人类神经元网络软件可以在人工“神经网络”中模拟生物新皮质的神经元阵列，这已有几十年的历史。深度学习算法恰好尝试 - 模仿人类神经元网络的多层结构和功能。实际上，深度学习算法学习识别声音，图像和其他数据的数字表示中的模式。但是怎么样？
随着当前算法的改进和处理能力的提高，我们现在可以模拟比以往更多的虚拟神经元层，从而以更大的深度和复杂性运行模型。今天，贝叶斯深度学习被用于多层神经网络来解决复杂的学习问题。
然而，我们今天所能做的仍然主要落入“狭隘”或“弱”AI的概念- 能够执行特定任务的技术，或者比人类更好的技术。例如，用于图像分类或人脸识别的AI技术执行人类智能的某些方面，但不是全谱，甚至是几种人类能力的组合。能够执行大量复杂任务的机器，其表现出至少与人类一样熟练和灵活的行为，将被视为“强AI”。虽然专家们对是否能够实现强大的人工智能的问题存在分歧，但并不能阻止他们尝试。

自2013年以来，人工智能的外部投资增长了两倍这项技术具有破坏性潜力的一个可靠指标是投资方面。根据麦肯锡的数据，2016年人工智能投资额为2600亿至390亿美元，其中大部分投资于Google™和Baidu™等科技巨头。作为资金最充足的类别之一，该领域的创业公司增长了约141％。认识到该行业的巨大潜力，全球各国***都希望将自己置于人工智能的最高位置。虽然创造了大量的国家AI计划，但预计中国（2030年GDP增​​长26％）和北美（增长14.5％）的经济增长最大，占全球影响力的近70％。

根据最近的研究，到2025年，人工智能有可能使数字经济的价值几乎翻倍至23万亿美元。从战略角度来看，人工智能最大的潜力在于它与物联网的互补性。集成的技术组合为数字业务价值创造了一个强大的新平台。
将AI推向边缘I：
高性能处理来完成工作正如我们所看到的，人工智能展开其巨大的潜力在很大程度上依赖于足够的硬件。特别是机器学习需要巨大的处理和存储容量。例如，百度语音识别模型之一的训练周期不仅需要4TB的训练数据，而且需要20次计算 - 这相当于每秒20,000万亿次数学运算 - 在整个训练周期内。由于对强大硬件的渴望，难怪今天的AI仍主要局限于数据中心。
将AI从数据中心解耦并将其推进到物联网的端点将使我们充分挖掘其潜力。边缘处理已将计算应用程序，数据和服务的控制从一些中心节点（“核心”）转移到因特网的外围。在边缘处理此数据可显着减少要移动的数据量，从而增加隐私，减少延迟并提高服务质量。
不再依赖中央核心也意味着消除了一个主要的瓶颈和潜在的单点故障。边缘处理基于在诸如自动车辆，植入式医疗设备，高度分布式传感器领域和各种移动设备之类的应用中可能不连续地连接到网络的分布式资源。为了在这个充满挑战的环境中使用AI，需要一个能够保持学习并将其快速应用于新数据的敏捷应用程序。这种功能称为推理：采用较小的实际数据块并根据程序的训练对其进行处理。
为了推理在边缘环境中工作，需要优化处理架构和硬件，并对处理能力，能效，安全性和连接性提出某些要求。恩智浦在机器学习领域建立了领先地位 - 特别是在推理任务方面。恩智浦产品组合涵盖了几乎所有用于现代AI应用的MCU和应用处理器产品组合：i.MX 6,7和8产品系列，Kinetis MCU和低功耗Cortex，QorIQ®通信处理器产品系列以及S32 MCU和微处理器单元。事实上，我们已被评为全球三大人工智能芯片组公司之一。
将AI推向Edge II：专用机器学习环境为了构建具有尖端功能的创新AI应用程序，开发人员依赖于机器学习软件环境，通常可以将专用功能轻松集成到消费电子产品，工业环境，车辆和其他嵌入式应用程序中。但是，要在更广泛的范围内推出基于AI的商业模式，并为所有垂直行业的数十亿最终用户提供AI应用程序，该行业必须首先克服过去的限制。
这就是恩智浦开发机器学习硬件和软件的原因，它使推理算法能够在现有架构中运行。恩智浦ML环境支持快速增长的机器学习用例，包括视觉，语音，路径规划和异常检测，以及用于在这些引擎上部署机器学习模型（包括神经网络和经典机器学习算法）的平台和工具的集成。
这只是第一步，因为恩智浦已经在努力将可扩展的人工智能加速器集成到其设备中，这将使机器学习性能提升至少一个数量级。
未来的一瞥：事物的人工智能通过设计具有智能属性的东西并将它们连接到物联网，我们创建了一个全球资产网络，它改善了我们的生活，使它们更容易，更安全。物联网给了我们眼睛和耳朵，甚至是手，从网络的边缘伸出到我们收集原始信息的物理现实中，我们将这些信息传输到云端，在那里它被处理成具有超值价值的东西：适用的知识。
通过添加高性能处理，我们已经开始在数据中心和云中更少地处理和分析信息，现在更多地处于边缘，我们看到了神奇的发生。我们见证了智能交通基础设施，智能供应链工厂，移动设备，前端商店以及实时的魔力，所有行动都让我们的生活变得丰富多彩。
目前形态的物联网为我们提供了前所未有的丰富生活的机会。然而，在通往更大，更具影响力的道路上，这只是一个中途停留。我们正在谈论事物的人工智能。
今天的智能对象，即使它们流式传输数据，了解我们的偏好并且可以通过应用程序进行控制，它们也不是AI设备。他们互相“交谈”，但他们并没有一起玩。监测疫苗供应冷链的智能容器不是人工智能系统，除非它做“某事”，例如预测容器中的温度发展并自动调节冷却。
自动驾驶或自主驾驶离岸的搜救无人机实际上是人工智能系统。如果它代表您开车或飞行，您可以相信会涉及一些严重的AI功能。阅读，说话或翻译语言，预测物体的质量和速度，代表你购买股票，识别面部或诊断乳腺癌，都是通过算法完成的人工智能特征。
现在，想象一下整个AI事物的连接世界。通过学习，解决问题和决策等认知功能扩展物联网的优势，将今天的智能化工具从纯粹的实用工具转变为我们自己的真正延伸，增加了我们与物理世界互动的可能性。
作为物联网的一个组成部分，人工智能是全新用例和服务的基础。例如，西门子®正在使用AI来改善燃气轮机的运行。通过学习运行数据，该系统可以显着减少有毒氮氧化物的排放，同时提高涡轮机的性能和使用寿命。西门子还使用AI系统自动调整下游风力涡轮机的叶片角度，以提高工厂的产量。GE的无人机和基于机器人的工业检测服务，Rolls-Royce®物联网支持的飞机发动机维护服务和Duplex的AI语音是证明迈向人工智能的另一个例子。
现在，这对未来意味着什么？事实是，即使有大量新生的AIoT应用程序出现，我们甚至无法理解其他的东西。但有一件事是肯定的 - 今天的数字时代社会正在发生根本性的变化。人工智能和物联网融合带来的范式转变，甚至会超过我们在推出个人电脑或移动电话时所见证的范式转变。恩智浦正在通过边缘安全的连接处理解决方案推动这一转型，在未来的AIoT中实现无限的多种应用。