人工智能的一个分支，即所谓的深度学习，已经给了我们新的奇迹，如自动驾驶汽车和手机即时语言翻译。将智能注入到每一个可以想象的事物中，现在正当时。
这是因为一些硅芯片处理器制造商巨头，如英特尔和高通技术公司，以及一些中小企业的也开始嵌入深度学习软件到他们的芯片中，特别是对于移动视觉应用。在短时间内，可能会有更智能的手机、无人机、机器人、摄像机以及可穿戴设备等。
“消费者将会对这些设备的性能感到无比震惊，”加州San Mateo视觉处理器芯片制造商–Movidius公司的机器学习副总裁Cormac Brick说道。
本周的嵌入式视觉峰会在加利福尼亚州圣克拉拉市举行，Movidius是几家参展芯片公司之一。Movidius曾宣布与谷歌公司的一月份交易，供应一种芯片（见上图），该芯片将用于一款来自搜索巨头的尚未推出的移动设备中，与此同时，被称为首个嵌入USB记忆棒的深度学习模块已于4月28日首次亮相。使用1瓦的电量，目的就是为移动设备，如寄生虫、照相机和机器人等等提供神经网络性能。
手机芯片领导者高通公司，宣布一款其Snapdragon神经处理引擎的软件开发工具包，该工具包可以让智能手机、无人驾驶飞机和其他设备更好地追踪对象和识别声音。英特尔、ARM、CEVA和Cadence Design Systems公司也对自家芯片的深度学习实用性做了相应的推广。与此同时，谷歌，作为在深度学习的领导者之一，于本周宣布，其开源TensorFlow深度学习软件将支持低功耗八位处理器，这对移动应用而言是至关重要的。
深度学习通常模拟一些大脑神经元的活动，可以让计算机学会如何识别数据模式。 “我们有太多的数据需要电脑来理解，而不需要人来做，”谷歌大脑项目高级研究员Jeff Dean解释说。 用深度学习的能力进行分析，更重要的是，学习那些数据是对最新语言和物体识别，以及自然语言处理的高度负责。
即使深度学习以及其他人工智能技术正越来越多地被作为云服务形式由谷歌、IBM和微软等公司开发，移动设备的独特需求正推动着将AI融入到芯片中去。
具体来说，深度学习愈发集中地应用到各种计算机视觉问题中去，通常依赖于数据的实时本地处理，这是相当有用的。事实证明，对于许多视觉应用，深度学习被证实已经优于大多数其他计算机视觉技术很长一段时间。
“我们正处在一个圈地运动阶段，”伯克利设计技术公司嵌入式芯片发起人Jeff Bier说道。“芯片制造商正在优化硅芯片来运行这些算法，以达到最低的功耗。”
移动设备的低功耗需求，是一个关键原因，深度学习算法越来越需要嵌入芯片。设备和云之间移动数据来回需要花费大量的电能，需要更强大的功能，更昂贵的并行处理芯片，如Nvidia的图形处理单元（GPU），Brick说道。 “智能移动和嵌入式设备关键要素，”。工程高通公司物联网和移动计算高级工程师Raj Talluri说道。
更重要的是，一些应用，如自动驾驶汽车（尤其是避免碰撞和制动方面），不涉及连接到云，特别是首先要在处理器和内存之间移动数据，这是一个持续存在问题。 “延迟可能是我们要解决的下一个大问题，”Talluri说。 “延迟可以区分有用和无用之处”。
最后，安全和隐私问题，是在设备上衡量数据的处理，而不是将其存储在云中。
由于深度学习变得更加普及，无论是在云中，还是在芯片上，它可以让更多的企业开发新的应用程序，特别是让计算机的行为更加人性化。
一些设想的新应用包括直飞并了解最佳着陆地点而无需全球定位系统功能，智能相机识别镜头里人们的行为（如某个跌倒的老人）。
【更多行业资讯，请关注DOIT官方微信（微信号：doitmedia），关注科技与数据经济，洞察IT走向DT。】
