一文解读人工智能的应用领域及发展方向

摘要：现如今人工智能已经应用到多个领域，如路边的摄像头、道路上无人驾驶的汽车等，那么，人类将同人工智能共同创造一个怎样的未来？双方协同还是竞争？面对这些问题Quaclomm 执行副总裁 Matt Grob 分享了自己的观点。

自2017年8月以来，国内首档人工智能挑战类节目《机智过人》在中央电视台综合频道播出，此档节目定位为“科技改变生活 创新引领未来”，网罗了国内20项顶尖人工智能技术，通过“人机比拼”的方式，普及人工智能前沿科技知识。

那么，我们将同人工智能共同创造一个怎样的未来？双方协同还是竞争？面对这些问题Quaclomm 执行副总裁 Matt Grob 分享了自己的观点。

人工智能应用多个领域

路边的摄像头、道路上无人驾驶的汽车、家中的电冰箱、地上的扫地机器人、记录身体各项指标的手环等等终端出现在我们工作和生活的每个细节当中。大量的数据从终端产生，并进行初步的处理而传到云端进行进一步的分析和存储。这样的终端如今越来越智能，各类传感器能精确地感知到外界如今的环境数据；扫地机器人可以不知匹配的进行打扫工作；智能手环可以将人的心率等数据进行全面记录为科学的健身方案提供依据。

可以说人工智能在模仿和替代人类的肢体运动能力、认知感官能力、思维判断能力已经有了大幅度的提升，取得了令人惊叹的发展，但是有不少权威专家认为，仅仅依靠大量的运算和数据处理，人工智能永远无法实现人脑特有的创造力和想象力。

Quaclomm 执行副总裁 Matt Grob表示，人工智能的更大的突破性发展，需要对人工智能的底层架构进行改革，引入量子引力及其他相关效应。虽然人工智能的前景是美好的，也有了许多令人惊叹的应用，但距实现人脑般的智能还有很长的路要走。

人工智能的未来：云+终端智能

人工智能包含两大重要方面，感知能力和认知能力。智能终端是人的感官，云就是大脑，把智能终端和云大脑完美地结合起来，才是人工智能未来的方向。

在人工智能时代，智能终端和传感器将无处不在。Matt Grob表示，当我们以合理的成本在移动环境中让人工智能无处不在时，不可思议的事情就发生了。以无人驾驶汽车为例，它是一个移动的“物体”，需要足够的本地数据处理能力，即终端侧人工智能。同时，它也需要从网络中获取强大的处理能力，并且需要确保高可靠性和低延迟（环境）。

大规模数据产生于各类终端是人工智能时代一大特点，如果数据能够在智能终端得到筛选和处理，仅将有价值的信息通过网络传至云端甚至于直接可以将用户需要的结果返回，如此数据就近处理的理念可以实现网络带宽以及数据中心的存储和计算资源将得到极大的节省，同时提高了系统效率，人工智能系统的TCO也将得到降低。

Qualcomm让终端侧人工智能无处不在

自 2007 年，Qualcomm 开始探索面向计算机视觉和运动控制应用的机器学习脉冲神经方法，随后还将其研究范围从仿生方法拓展到了人工神经网络——主要是深度学习领域。

Qualcomm发布了骁龙移动平台，该平台是最高性能移动终端的首选系统级芯片（SoC），专长于移动异构计算。全新Qualcomm®骁龙™845移动平台则是一款集合Qualcomm所有核心技术，打造出的一款支持包括 XR（扩展现实）、终端侧 AI 和快如闪电般的连接速度在内的沉浸式多媒体体验的平台，同时引入了全新的安全处理单元（SPU），带来如保险库般的安全性能。

另一方面，跟骁龙™845相配的是骁龙神经处理引擎（Snapdragon Neural Processing Engine，简称：SNPE）SDK，该神经处理引擎能缩短终端侧卷积神经网络（CNN）和递归神经网络（RNN）在合适的骁龙引擎（例如 Kryo CPU、Qualcomm Adreno GPU 和 Hexagon DSP）上的运行时间，对图形识别和自然语言处理分别都有着重要作用。相同的开发者 API 给每个引擎都提供接入口，从而使开发者能够方便地无缝切换人工智能任务。

近日手机QQ基于腾讯AI Lab计算机视觉中心独家支持的“肢体动作追踪”技术，结合Qualcomm SNPE SDK推出了“高能舞室”功能。该功能为年轻人社交提供了更多个性化内容和用户体验。

通过SNPE SDK，该功能可以直接运行手机上相应的人工智能神经网络，而无需在云端进行处理。具体来说，用户可以直接根据屏幕提示动作录制跳舞短视频，并通过QQ社交关系链分享互动舞蹈视频。Qualcomm SNPE为高能舞室提供了高性能和高能效的运行环境，将人体姿态估计识别的时间大大降低，用户可以享受更加流畅、有趣的舞蹈体验。

与在云端运行的人工智能相比，在终端侧运行人工智能算法具有诸多优势，如即时响应、可靠性提升、隐私保护增强，以及高效利用网络带宽等。基于SNPE SDK，开发者和OEM厂商能更方便地在终端上利用异构计算，能在诸如智能手机、安全摄像头、汽车以及无人机等搭载骁龙的终端上运行自己的神经网络模型，且完全无须与云端相连，就能提供由深度学习驱动的体验，如风格转换与滤镜（增强现实应用）、情景探测、面部识别、自然语言理解、物体追踪与规避、手势和文本识别等。SNPE适用于骁龙600和800系列移动平台，可支持通用深度学习框架，如Caffe、Caffe2和Tensorflow，并提供对自定义层的支持。该SDK包括了运行时软件、库、API、离线模型转换工具、示例代码、文档，以及调试与基准测试工具。

结语

十多年来，Qualcomm一直专注于在移动终端的功耗、散热和尺寸限制之内，高效地处理多种计算工作负载。在终端侧完成全部或大部分思考的、“始终开启”的智能终端中蕴藏着巨大的机遇，因此期待通过研究和产品化推动先进机器学习的发展。