PowerVR Series2NX神经网络加速器设计

我的母亲是一名护士，目前已经退休。她是一个非常聪明的人，对自己的工作业务非常的尽职尽责。几天前我和她说我正在研究Imagination最新的神经网络加速器，她诧异的说：“你说的是什么意思？”，当然只有她在护理学校进行外科手术培训或者照顾老年痴呆患者时才会真正思考神经网络意味着什么。我向她解释我说的是人工智能（AI），不是人的大脑，我决定编写一个关于神经网络的入门说明，让我的母亲（和其他无技术背景的人）能够对神经网络有一定的初步了解并且借助其他阅读资料真正迈入人工智能的世界。

神经网络是什么？

如果你借助谷歌浏览器搜索并查看“ 什么是神经网络”（当然这也是被大家频繁问道的问题）这篇文章，你会发现有很多学术文章，每篇文章都有和下图类似的图片，并且详细说明神经网络的功能，涉及很多专业名词如“感知器”和“反向传播”等，如果你不擅长数学或者工程学，那么你阅读几段就会感到乏味无趣。

虽然我们大部分人不是专业的工程师，可能不能够真正理解这些算法是如何工作的（我甚至不确定那些技术人员是否真正理解其中的奥秘—— 比如黑盒问题），但是神经网络仍然有很多有用的信息需要我们去了解。

因为神经网络正在不断的改变着我们的生活！我并不是谈论“ 天网（终结者电影）”或者 VIKI（电影中的超级计算机）等（但是有些场景确实发生在真实生活中），我要说的就是我们每天所经历的事情，一些新技术正在改变我们的生活方式比如智能音箱/声音辅助、购物、照片编辑、欺诈检测等，还有一些技术则正在颠覆一些行业，比如自动驾驶汽车。还有一些技术可能会极大的改变全球社会（比如基因组医学），还有很多我们现在没有构想的变化。

Ophir Tanz（ @OphirTanz）和 Cambron Carter在 TechCrunch网站上发表了一篇文章，将“神经网络是如何工作的？”这个问题进行了分解说明，但是从广义上讲真正缺少的是能够让我们理解的神经网络专业术语。

将问题分解

人工智能（AI）准确的定义是什么？我索性去查了下 牛津字典：AI是计算机系统理论和发展的结果，它能够执行一些类似人类智能的任务，比如视觉感知、语音识别、决策和语言翻译等。AI也分为多个子集，包括机器人、机器学习、自然语言处理等，1956年在达特茅斯学院的一场研讨会上首次提出人工智能（AI）研究，虽然在这里不向大家介绍这段历史，但是鼓励大家自己去了解。

现在我们知道的是“弱人工智能（Narrow AI）”，划分为很多类型的网络，每种网络面向某种具体的功能（比如图片分类等），这门科学不断发展最终会发展为“通用人工智能（General AI）”，到时候计算机会像人类一样行动和思考，虽然现在我们还没有达到这个程度，但是那个时代到来后，计算机能够完成人类的每一项智能工作，包括对自己重新编程（类似于电影中的“天网”和“VIKI超级计算机”，那时候可能会引起人们的恐慌）。但是很多人正在努力的研究工作，确保一些场景只存在于科幻小说中，大家不妨阅读 @cademetz的文章： 教会AI系统规范自己的行为。

机器学习是目前AI科学最先进的领域，它描述的是机器如何采集数据、解析并且基于这些数据做出一些预测。机器系统会进行自学习，不需要重复的进行人工编程。直到最近我们才将其强大的处理能力应用到现实中来，比如谷歌、亚马逊等很多大型公司都在利用机器学习技术。

深度学习是机器学习的一种类型，它需要在网络中设计很多层来进行数据处理，可能达到上万层。比如卷积神经网络（CNNs）非常适合 图片检测和分类，它就设计了数十个或者数百个网络处理层，每层都负责检测一些复杂的属性，从学习如何检测边缘到最终学习检测图片具体的形状，随着训练数据的不断增多深度学习网络性能会不断得到提升。

人工神经网络（ANNs或者简称NNs）和CNNs网络类似也是基于计算机处理器的智能网络，能够像人脑一样工作（或者接近人脑），NNs网络使用不同的数学算法处理网络层，能够不断提升对于接收信息的敏感度，从图片到语音、文本等。此外还有很多种类型的神经网络，除了CNNs，还有BRNNs、DNNs、FFNNs、LSTMs、PNNs、RNNs、TDNNs等，这里就不一一详细介绍了。每种类型的网络都面向不同的具体功能，如果你想深入了解， 阿西莫夫（Asimov）研究机构的网站上进行了详细的介绍。

对于神经网络（NNs）要用于具体应用前还需要输入大量数据进行训练，比如卷积神经网络（CNNs）用于图片分类，在“硅谷（Silicon Valley）”这部电视中我们看到一个使用CNN网络实现的“鉴别热狗”的App应用，能够从150000张照片中分拣出热狗、香肠等图片（确实实现了！）。 @timanglade写了一篇训练这个网络的处理过程：“ HBO推出的硅谷电视剧中如何借助TensorFlow、Keras&React Native实现鉴别热狗App应用的”。要想训练这个网络实现高精度需要大量的计算能力而且经常需要借助数据中心大量的GPU阵列来进行。

神经网络经过训练后就可以解析新的输入数据，通过“推理”操作进行一定的预测。比如这款“鉴别热狗”的应用，你可以将手机摄像头对准一个物体它就会帮你判断这个物体是不是热狗了。为了实现这个功能需要根据之前大量的训练获得的理解功能迅速做出推理排序，最后提供一个物体是否为热狗的概率。

推理操作（不仅用于检测热狗！）正是 PowerVR Series2NX神经网络加速器（NNA）所擅长的。它的性能远远超过手机，我们将在无人机、监控摄像、汽车等其他领路见证它的性能，根据它所处的应用环境都会根据一定的推断操作给我们提供全新的服务， 不妨看看这个2NX网络识别不同物体的视频。

应用中的神经网络

正如我之前谈到的，不同的网络擅长做不同的事情，我不太赞同夸大某一种网络（这是其他网站上经常做的事），我认为更重要的是这个网络能够通过训练实现哪些功能。现在使用的NNs网络涉及的功能包括识别、分类、图片质量提升、人脸及各种物体检测与识别等。神经网络（NNs）越来越多的被用于语言翻译、音乐制作、文本/语音识别。“Alexa，你正在使用神经网络吗？”（是的，她确实在用）。

亚马逊、谷歌、百度、脸书（facebook）等都在使用神经网络技术（NNs），而且我们每天在不同的平台上也使用这些技术，从搜索引擎到社交媒体等。

从实际方面来讲，亚马逊使用的算法让我们的购物变得更加的简单，但是也有一些相互竞争的算法经常向我推荐一些不相关的书籍，因此我可能也错过了很多应该要读的书（从Goodreads网站上获得的建议），我不得不怀疑这与付费广告有关，希望他们能够采取一定的方法让这些恶意竞争现象不那么明显。

作为一个肤色白皙却有着黑素瘤家族病史的红头发人，我也非常高兴可以通过努力建立一个能够通过照片 高精度监测皮肤癌的神经网络系统。

如果你觉得枯燥无聊，可以尝试使用一些有神经网络技术的App应用，用手机摄像头扫描你周围的环境，能够根据画面给你提供一些你 意想不到的信息。

将你的手机摄像头对准一个有红头发特征的人，打开App应用，会有 语音报告你一些相关信息，你甚至还可以 改变实时照片画面，变得更年轻或者更高兴（你还可改变其他人的脸部照片，但是不能用这种方法制造假新闻！）。

Yaron Hadad写的一篇博客中详细概述了深度学习实现的一些令人惊奇的事情，而且还有一些 非常炫酷的视频。

当然对于任何一项技术都会有人滥用它，神经网络会不断处理反馈的数据。无论是密码破解、窃取金钱或身份、劫持基础设施系统等违法行为，我们知道还有很多人“狂热”的研究这些。

展望未来

最后希望我的母亲能够对神经网络（NNs）有基础的了解，并且像我一样受到研发人员的研究成果的不断启发并且利用这些技术。随着我们接触更多的数据、更好更经济的处理技术，比如PowerVR 2NX神经网络加速器、深度学习技术等都将会融入我们社会的每一个领域。它们会被用于自动驾驶汽车、管理智能家居和办公室，显著提高生产力，让大家远离医院，给大家提供无穷无尽的乐趣。