Mohanbir Sawhney作者forbes翻译自

为什么苹果和微软将AI推向边缘?

传统上人工智能是部署在云上,因为AI算法处理大量数据并消耗大量计算资源。但人工智能并不只存在于云端,在许多情况下,基于人工智能的数据处理和决策需要在接近网络边缘设备的本地上进行。

边缘的AI可以更快、更可靠、更安全地做出关键任务和时间敏感的决策。智能手机、智能手表以及安装在机器和基础设施上的传感器等等,这些在网络边缘的智能设备的迅速增长推动了将人工智能推向边缘的热潮。

本月早些时候,苹果斥资2亿美元收购了Xnor,这是一家总部位于西雅图的人工智能初创公司AI专注于低功耗机器学习软件和硬件。而微软提供了一个名为Azure IoT Edge的综合工具包,允许人工智能工作负载转移到网络边缘。

人工智能会继续向边缘移动吗?与云中的人工智能相比,边缘的人工智能有什么优点和缺点?要理解人工智能的未来,有必要回顾一下计算的历史,以及在四种计算范式下,钟摆是如何从集中式智能转向分散式智能。

集中与分散的

从计算的早期开始,设计的挑战之一就是智能应该存在于网络中。正如我2001年在《哈佛商业评论》上发表的一篇文章中所观察到的,有一种从集中情报到分散情报的“情报迁移”——一个现在正在重复的循环。

计算机的第一个时代是大型机,智能集中在一个拥有所有计算能力的大型中央计算机上。在网络的另一端是终端,它们基本上由一个绿色的屏幕和一个本身没什么智能的键盘组成,因此它们被称为“哑终端”。

计算的第二个时代是桌面计算机或个人计算机(PC),它将大型机范式颠倒了过来。pc包含了本地存储和计算的所有智能,甚至不需要连接到网络。这种去中心化的智能带来了计算的民主化,并导致了微软英特尔的崛起,其愿景是让每一个家庭和每一张桌子上都有一台个人电脑。

第三个计算时代称为客户机-服务器计算,它在两个极端的智能之间提供了一个折衷方案。大型服务器在后端完成繁重的工作,“前端智能”被收集并存储在联网的客户端硬件和软件上。

计算的第四个时代是云计算范式,由亚马逊的Amazon Web服务、Salesforce.com的SaaS(软件即服务)产品和微软的Azure云平台等公司开创。云提供了大规模的计算能力和非常便宜的内存和存储。人工智能应用程序被安置在云里是有道理的,因为在2012年到2019年间,人工智能算法的计算能力增加了30万倍,每三个半月就翻一番。

钟摆又摆动了

然而,基于云的人工智能也有它的问题。首先,基于云的人工智能会遭遇延迟——数据转移到云上进行处理,结果通过网络传输回本地设备时的延迟。在许多情况下,延迟会产生严重的后果。例如,当一家化工厂的传感器预测即将发生爆炸时,该工厂需要立即关闭。机场或工厂的安全摄像头必须识别入侵者并立即做出反应。当人工智能算法预测即将发生碰撞时,自动驾驶汽车甚至不能等待十分之一秒来启动紧急制动。在这些情况下,人工智能必须位于边缘,在边缘处可以更快地做出决策,而不需要依赖网络连接,也不需要在网络上来回移动大量数据。

钟摆再次摆动,从集中到分散的智能,正如我们看到40年前从主机计算到桌面计算的转变。

然而,正如我们在个人电脑上发现的那样,要想转到边缘并不容易。相机、传感器或智能手机的计算能力是有限的。此外,网络边缘的许多设备没有连接电源,这就带来了电池寿命和散热问题。特斯拉、ARM和英特尔等公司正在应对这些挑战,因为它们正在开发更高效的处理器和更精简的算法,不需要使用那么多的电力。

人工智能在云中的表现仍有好一些的时候。当决策需要巨大的计算能力,不需要实时做出决定时,人工智能应该留在云中。例如,当人工智能被用于解释核磁共振扫描或分析农场上空无人机收集的地理空间数据时,我们可以利用云的全部力量,即使我们必须等待几分钟或几个小时才能做出决定。

训练与推理

判断人工智能应该存在于何处的一种方法是,理解人工智能算法中的训练和推理之间的区别。当人工智能算法被建立和训练时,这个过程需要大量的数据和计算能力。要教会一辆自动驾驶汽车识别行人或红绿灯,你需要向算法输入数百万张图像。然而,一旦该算法被训练,它可以执行“推断”——局部观察一个对象,以确定它是否是行人。在推理模式下,该算法利用其训练在网络边缘做出较少计算密集型的决策。

云中的人工智能可以与边缘的人工智能协同工作。考虑一下像特斯拉这样的人工智能汽车。边缘的人工智能能实时做出无数决定,比如刹车、转向和换道。晚上,当汽车停好并连接到Wi-Fi网络时,数据会上传到云端,以进一步训练算法。然后,更智能的算法可以通过云端下载到车上,这是一个良性循环,特斯拉已经通过基于云的软件更新重复了数百次。

拥抱“和”的智慧

云计算将需要人工智能,就像有更多理由将人工智能置于边缘一样。这不是一个非此即彼的答案,而是一个“和”。人工智能将出现在它需要出现的地方,就像智能将出现在它需要出现的地方一样。我看到人工智能正在进化成“环境智能”——分布式的、无处不在的和相互连接的。在对未来的展望中,边缘智能将补充云中的智能,从而更好地平衡集中式计算和本地化决策的需求。

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业AI微软苹果
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

https://www.intel.cn/content/www/cn/zh/homepage.html
相关技术
微软机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

环境智能技术

推荐文章
暂无评论
暂无评论~