AI是當(dāng)下最火的技術(shù)話題，軟件行業(yè)有以AI為特色的云服務(wù)，硬件行業(yè)有AI處理器，高端手機(jī)也用上了AI處理器，汽車的人無人駕駛技術(shù)更是AI最典型應(yīng)用，取代有人駕駛，完美的解釋了什么是人工智能，就是讓機(jī)器系統(tǒng)具有人類的智能。

01

工業(yè)機(jī)器人手臂

圖源：Think b/stock.adobe.com

在前30年，得益于計(jì)算機(jī)技術(shù)的軟硬件發(fā)展，自動(dòng)化技術(shù)在工業(yè)領(lǐng)域得到了大規(guī)模應(yīng)用，各種自動(dòng)化生產(chǎn)線降低了工業(yè)生產(chǎn)對(duì)人力的需求，以致出現(xiàn)了無人工廠的概念。與此同時(shí)，高度自動(dòng)化的工業(yè)系統(tǒng)帶來了“機(jī)器將會(huì)取代人”、“機(jī)器人將會(huì)統(tǒng)治世界”之類的話題。其實(shí)工業(yè)自動(dòng)化系統(tǒng)，或者工業(yè)機(jī)器人本質(zhì)上只是一個(gè)計(jì)算機(jī)控制系統(tǒng)，所謂的取代人類在工廠的作用，僅僅停留在執(zhí)行動(dòng)作層面，也就是說其所有的行為只是根據(jù)相應(yīng)的電信號(hào)來執(zhí)行相應(yīng)動(dòng)作的開關(guān)處理。這在自動(dòng)化系統(tǒng)的軟件上就是體現(xiàn)為分支跳轉(zhuǎn)，系統(tǒng)按照預(yù)想的場景編寫相應(yīng)的處理對(duì)策，一切都是早已設(shè)定好的程序，不需要系統(tǒng)來自己思考應(yīng)該怎么處理問題。這類系統(tǒng)在傳統(tǒng)的工業(yè)商業(yè)應(yīng)用中用來驅(qū)動(dòng)電機(jī)，自動(dòng)開關(guān)門，自動(dòng)貨物打包分揀，甚至飛機(jī)自動(dòng)駕駛都沒有問題。從自動(dòng)控制角度看，以上是相對(duì)比較簡單的任務(wù)，在這些自動(dòng)化系統(tǒng)實(shí)現(xiàn)了機(jī)器為人干活，機(jī)器達(dá)到甚至超過了人的水平。

02

模式識(shí)別

圖源：Metamorworks/stock.adobe.com

如果我們想再進(jìn)一步，希望機(jī)器能夠聽得懂，看得懂外語，可以做翻譯。還希望機(jī)器能夠識(shí)別圖像，能夠在海量的視頻數(shù)據(jù)中抓得到恐怖分子。最好還能夠成為頂尖水平的醫(yī)生，能夠給人類看病，使得人人享受頂級(jí)醫(yī)療診斷服務(wù)。科技造福人類，科技人員早就開始了這方面的研究，針對(duì)以上應(yīng)用場景，專門誕生了一門學(xué)科，就是以語音文字、圖像、海量數(shù)據(jù)為識(shí)別對(duì)象的模式識(shí)別學(xué)科，大學(xué)和研究所幾十年前就開始了這方面的研究，也產(chǎn)生了許多成功的應(yīng)用。在技術(shù)上基本分成兩大類，一類以純數(shù)學(xué)算法為基礎(chǔ)實(shí)現(xiàn)了機(jī)器學(xué)習(xí)、深度數(shù)據(jù)挖掘、專家系統(tǒng)等具有模擬人類思維模式的技術(shù)。另一類就是以神經(jīng)網(wǎng)絡(luò)模型這一仿生學(xué)技術(shù)為基礎(chǔ)建立的人工智能算法，其實(shí)就是對(duì)人腦的模擬。

03

神奇的仿生學(xué)

圖源：Peshkova/stock.adobe.com 仿生學(xué)大家早已熟悉，如同雷達(dá)的回波定位技術(shù)來自蝙蝠，飛機(jī)機(jī)翼氣動(dòng)外形來自飛鳥，人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來自人腦。所以我們可以簡單認(rèn)為，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)就是人腦系統(tǒng)，如同我們?nèi)祟愐粯樱ㄟ^學(xué)習(xí)訓(xùn)練行為，可以掌握相應(yīng)的技能，從而輕松的處理與訓(xùn)練學(xué)習(xí)相關(guān)的問題。回到剛才的話題，人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)能夠給我們當(dāng)翻譯，能夠在安防網(wǎng)絡(luò)中準(zhǔn)確識(shí)別出要抓的恐怖分子，也能夠給病人提供診斷以及醫(yī)療建議。

04

BP（back propagation）神經(jīng)網(wǎng)絡(luò)模型

圖源：AndSus/stock.adobe.com

BP（back propagation）神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McClelland為首的科學(xué)家提出的概念，是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)，是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)。其結(jié)構(gòu)可以分層，簡單說就是輸入層、隱含層和輸出層，每個(gè)圓圈代表一個(gè)神經(jīng)元，同層之間神經(jīng)元不互相連接，每個(gè)神經(jīng)元都與下層神經(jīng)元互連。拋開煩瑣的數(shù)學(xué)描述，我們可以認(rèn)為神經(jīng)網(wǎng)絡(luò)系統(tǒng)就是一套打分系統(tǒng)，以人臉識(shí)別為例子，輸入層接收的就是一系列人臉的參數(shù)，也就是人臉的幾何信息，隱含層就是打分系統(tǒng)，輸出層就是輸出打分結(jié)果。

人工神經(jīng)網(wǎng)絡(luò)智能系統(tǒng)看起來就是一個(gè)黑盒子，似乎在認(rèn)知上無所不能，如同一個(gè)頂級(jí)聰明的天才。但是與人類一樣，再聰明的天才如果沒有受過好的教育，那也很難掌握非凡的本領(lǐng)，發(fā)揮王者級(jí)大腦的性能。BP人工神經(jīng)智能系統(tǒng)經(jīng)過學(xué)習(xí)訓(xùn)練，并且通過識(shí)別誤差收斂的考試后才能夠上崗。學(xué)習(xí)訓(xùn)練的過程，對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)系統(tǒng)這套打分系統(tǒng)就是在調(diào)整各神經(jīng)元通道的打分權(quán)重，每個(gè)通道的權(quán)重都是不一樣的。不同的學(xué)習(xí)樣本，訓(xùn)練出來的打分系統(tǒng)肯定是不一樣的，這也造成了不同人工神經(jīng)網(wǎng)絡(luò)智能產(chǎn)品的不同性能。所以訓(xùn)練對(duì)于神經(jīng)網(wǎng)絡(luò)系統(tǒng)是極其重要的。

從上面的圖來看，這套系統(tǒng)似乎不復(fù)雜，那是因?yàn)槲覀冎豢吹搅艘粋€(gè)簡單的結(jié)構(gòu)，事實(shí)上隱含層并不只是一層，輸出層也不是一個(gè)節(jié)點(diǎn)。單層的隱含層并沒有實(shí)用價(jià)值，如果一個(gè)過于簡單的大腦，腦容量太低，智力就不夠。多層結(jié)構(gòu)請(qǐng)看下圖，隱含層也不是越多越好，首先過高的隱含層，在硬件上不容易實(shí)現(xiàn)，計(jì)算單元過多。另外有研究表明大于20層的隱含層似乎意義也不大。

人工神經(jīng)網(wǎng)絡(luò)最大的魅力，我個(gè)人認(rèn)為就是自然的神奇。根據(jù)人腦神經(jīng)網(wǎng)絡(luò)模型搭建的計(jì)算機(jī)模型，通過學(xué)習(xí)訓(xùn)練后，竟然也可以實(shí)現(xiàn)人類的智能，說到這里我想到了特斯拉的老板馬斯克的觀點(diǎn)：對(duì)待人工智能要謹(jǐn)慎，因?yàn)槲覀冞€沒有完全掌握其背后的人腦相關(guān)的科學(xué)理論。

圖源：Egor/stock.adobe.com

在十幾年前，筆者的大學(xué)畢業(yè)設(shè)計(jì)題目就是基于人工神經(jīng)網(wǎng)絡(luò)的模糊控制系統(tǒng)應(yīng)用于航空發(fā)動(dòng)機(jī)的故障診斷，其設(shè)計(jì)目的就是通過發(fā)動(dòng)機(jī)的聲音判斷出是否有故障，是什么樣的故障。一個(gè)非常簡單的神經(jīng)網(wǎng)絡(luò)模型算法模型，其訓(xùn)練及工作過程需要大量的運(yùn)算，把電腦跑的夠嗆。這樣海量的運(yùn)算行為，所謂吃計(jì)算芯片的算力，所以傳統(tǒng)的CPU/MPU/MCU包括DSP都是不適合用來運(yùn)行神經(jīng)網(wǎng)絡(luò)系統(tǒng)的。這種大型計(jì)算需求屬于典型的云服務(wù)需求，通常可以把要處理的圖像、視頻、音頻和文字信息傳輸?shù)紸I云上，在AI服務(wù)器上進(jìn)行相關(guān)的解算，不過這會(huì)帶來一個(gè)新的問題，就是網(wǎng)絡(luò)延遲，因?yàn)橐獋魃显疲忠獜脑粕汐@取結(jié)果，一來一去網(wǎng)絡(luò)是否暢通就成了系統(tǒng)反應(yīng)時(shí)間的關(guān)鍵。這也是5G技術(shù)的典型應(yīng)用場景，低延遲，高速通信網(wǎng)絡(luò)保障AI的應(yīng)用及時(shí)有效。

那么為什么還是有神經(jīng)網(wǎng)絡(luò)智能芯片的終端產(chǎn)品，很簡單那是因?yàn)橛行┥窠?jīng)網(wǎng)絡(luò)的智能系統(tǒng)需要在終端上運(yùn)行，比如汽車自動(dòng)駕駛。當(dāng)雷達(dá)和攝像頭獲取的實(shí)時(shí)信息不能夠得到實(shí)時(shí)的本地處理，那無人駕駛技術(shù)也就不能工作了。現(xiàn)在有些手機(jī)也用上了神經(jīng)網(wǎng)絡(luò)AI芯片，因?yàn)橐哉Z音和圖像為處理對(duì)象的AI應(yīng)用與上面提到的汽車應(yīng)用一樣，需要高速的網(wǎng)絡(luò)條件。另外手機(jī)上的照片視頻還涉及到隱私問題，大數(shù)據(jù)量的圖像視頻傳輸也必然加大流量與電量的開銷，所以手機(jī)上搭載本地AI處理器還是十分有必要的。 除了云計(jì)算、汽車和手機(jī)的AI應(yīng)用，最近我們還看到一些傳統(tǒng)的MCU廠商也推出了AI MCU，巧妙的將AI計(jì)算單元與MCU結(jié)合在一起，瞄準(zhǔn)了物聯(lián)網(wǎng)市場。這些AI MCU部署到物聯(lián)網(wǎng)是可以快速的本地化執(zhí)行AI計(jì)算，進(jìn)一步將AI融入到我們的生活、在智慧能源、智慧城市市場中發(fā)揮巨大的作用，會(huì)不會(huì)帶來某些方面的AI變革？讓我們拭目以待！人工神經(jīng)網(wǎng)絡(luò)智能系統(tǒng)的應(yīng)用一定會(huì)越來越多的出現(xiàn)在我們的生活中，不斷造福人類。