作者：蘇勇Andrew

作為一家國際知名半導體公司的人工智能技術專家，我在向客戶介紹瑞薩的AI硬件和AI工具時，總會收到我關于機器學習算法的詢問，例如：卷積神經網絡、K均值算法或其他什么算法。但事實是，在構建人工智能解決方案的過程中，算法并不是最重要的因素（雖然是必要的），尤其是對于端側應用。數(shù)據才是關鍵，一旦有了數(shù)據，真正起決定作用的，其實是隱藏在其中的“特征”（Feature）。

在機器學習的術語中，特征是作為算法輸入的特定變量。特征可以是直接來自于輸入數(shù)據中的原始值，也可以是對這些數(shù)據進行處理（預處理）后間接得到的值。有了合適的特征，幾乎任何機器學習算法都能找到你要找的東西。如果沒有好的特征，任何算法都無濟于事。對于現(xiàn)實世界中的問題來說尤其如此，因為現(xiàn)實世界中的數(shù)據往往帶有大量的固有噪聲和差異，干擾和迷惑我們，妨礙我們直接通過數(shù)據看到真相。

我的同事Jeff（瑞薩AI COE部門的技術總監(jiān)，前Reality AI獨立公司的聯(lián)合創(chuàng)始人）喜歡用這樣一個例子跟同事們解釋機器學習中關于特征的概念：

“假設我試圖用人工智能模型檢測我妻子何時回家，我會準備一組傳感器，將其對準門口并收集數(shù)據。為了將這些數(shù)據應用于機器學習，我需要確定一組特征，這些特征能幫助模型將妻子與傳感器可能檢測到的其他任何事物區(qū)分開來。那么，最好用的特征會是什么呢？是能表明“她在那兒！”的那個特征。那將是完美的——一個具有完全預測能力的特征。這樣一來，機器學習的任務就變得輕而易舉了。”

誠然，如果能預知直接從底層數(shù)據中計算出完美特征的算法就最好了，實際上，深度學習通過多層卷積神經網絡踐行了這個思路，但這會帶來大量的計算開銷，并且需要大量的數(shù)據樣本做支撐。正如在前文《深度學習的困局》中所闡述的那樣。不過，還有其他方法，比如，使用Reality AI提供的工具集。

瑞薩的Reality AI工具基于連續(xù)采樣的信號輸入（如加速度、振動、聲音、電信號等等）來創(chuàng)建分類器和探測器，而這些輸入通常帶有大量噪聲和固有的信號波動。我們的價值在于，能夠探索到那些以最低計算開銷實現(xiàn)最強推測能力（關聯(lián)度最高）的特征。Reality AI工具會遵循一套數(shù)學流程，先從數(shù)據中發(fā)現(xiàn)經過優(yōu)化的特征，然后才會考慮使用這些特征來做出決策的算法（SVM或者NN）細節(jié)。Reality AI工具探索到越接近完美的特征，最終得到的推測結果就越好，需要參與訓練和推理過程的數(shù)據更少，訓練時間更少，結果更準確，并且所需的處理能力也更低。經過驗證，行之有效。

這里舉個例子說明有效的特征對后續(xù)判決起到顯著作用。當以比較高的采樣率（50 Hz及以上）對客觀上世界的信號數(shù)據進行分析，比如，從振動或聲音轉化成的電信號進行采樣得到的數(shù)據中發(fā)現(xiàn)某些規(guī)律或模式。在信號處理領域，工程師們通常采用頻率分析方法提取信號特征。對于這類數(shù)據，機器學習的常見做法是，也是對輸入數(shù)據流進行快速傅里葉變換（FFT），然后將這些頻率系數(shù)中的峰值作為神經網絡或其他某種算法的輸入。

為什么采用這種方法呢？

一方面，是因為它很方便，畢竟數(shù)據工程師使用的所有數(shù)據處理工具都支持FFT，例如：MATLAB、Numpy、Scipy。

另一方面，也是因為他們理解這種方法，因為在學校里，每個人都會學習FFT。

同時，也是因為這種方法易于解釋，因為其結果很容易與底層物理原理聯(lián)系起來。

但是，F(xiàn)FT并不是總會提供最優(yōu)的特征，它常會模糊掉重要的時間信息，而這些時間信息對于底層時序信號的分類或檢測可能極為有用。

例如

在一項測試中，將Reality AI優(yōu)化后的特征與FFT在一組中等復雜程度且?guī)в性肼暤男盘柹线M行了比較。在圖1中，展示了針對這一特定信號輸入進行FFT處理后的時頻圖（或稱為頻譜圖）。縱軸是頻率，橫軸是時間，在流信號上的滑動窗口中每次計算FFT。圖中的顏色是熱圖，顏色越暖表示在該特定頻率范圍內的能量越高。

圖1 測試信號的頻譜圖

把現(xiàn)在看到的這張圖，同另一張圖做個對比，見圖2。圖2是對當前這個分類問題，用Reality AI探索到的方法做出來的，它展示的是經過優(yōu)化的特征。在圖2中，細節(jié)展現(xiàn)得更豐富，之前模糊的地方現(xiàn)在都能分辨出來，而且降低了描述的復雜度（不需要使用不同的顏色在第三個維度上表達能量的分布情況）。如此，理解圖中的內容也容易多了。

圖2 測試信號在Reality AI探索到特征空間中的分布

仔細看這個圖，就可以試著解釋這段信號的模式：

最基礎的信號其實是一種低沉的（初始頻率分布在較低的頻段）、帶著好幾種音調（能量分布在多個頻點）的嗡嗡聲

同時還伴隨著一陣一陣逐漸變響的啁啾聲（有效頻率分布的范圍隨著時間的推移在逐步升高）

另外還有一些突然出現(xiàn)又消失的其他信號（隨著時間的推移，在某些頻點出現(xiàn)能量后又消失）。

哈哈，你可能猜到了，這是一種獨特的鳥在傳遞某種信息時發(fā)出的鳴叫聲。

因為用了Reality AI探索出的方法，圖中的信息不再模糊不清，那些干擾的噪聲也被去掉了。所以，即使不是專業(yè)搞信號處理的人，也能一下子能看明白。現(xiàn)在，無論使用什么分類方法，要檢測這些信號可比以前簡單太多了。

一開始就對特征進行優(yōu)化還有另一個關鍵的好處，可以提升最終分類器的計算效率。對于嵌入式解決方案而言，內存空間和計算負載都是最寶貴的資源，如果沒有選對合適的特征，可能會導致最終可用模型的尺寸和計算復雜度急劇攀升，從而導致選型的芯片成本增加。

如前文《深度學習的困局》所述，深度學習也能夠發(fā)現(xiàn)特征，不過效率不高。盡管如此，深度學習方法在處理某些使用信號數(shù)據的問題時非常成功，包括圖像中的物體識別以及聲音中的語音識別。對于廣泛的各類問題，它都是一種可行的方法，但深度學習需要大量的訓練數(shù)據，計算效率不是很高，而且對于非專業(yè)人士來說使用起來可能有難度。分類器的準確性往往對大量的配置參數(shù)有著敏感的依賴，這使得許多使用深度學習的開發(fā)者把大量精力放在調整預訓練的模型上，而不是專注于為每個新問題找到最佳特征。

我的同事Jeff（同時作為數(shù)學家的他）也解釋說，深度學習的本質上是“一種廣義的非線性函數(shù)映射 ——數(shù)學原理很精妙，但與幾乎任何其他方法相比，其收斂速度慢得離譜”。而Reality AI的方法則是針對信號進行了優(yōu)化調整，通過探索和提取有效特征的方法，能夠在使用較少數(shù)據的情況下實現(xiàn)更快的收斂。對于資源有限的端側AI的應用場景，這種方法的效率將比深度學習高出好幾個數(shù)量級。

雖然，深度學習在目前主流的AI產品中取得了顯著的成功，這使得相關領域的人們將更多的關注放到了算法方面。在深度學習及其周邊領域，機器學習算法已經有了大量令人興奮的創(chuàng)新成果。但是，不要忘記一些基本的要義：

歸根結底，一切都來自于數(shù)據，與特征有關。