普遍觀點認為，人工智能需要通過計算機進行大量數(shù)據(jù)訓練來達到與人類類似甚至超過人類的知識、推理、決策與操控能力。與在云端數(shù)據(jù)中心進行大規(guī)模數(shù)據(jù)模型訓練的傳統(tǒng)人工智能不同，嵌入式人工智能具有去中心化、模型簡化、訓練數(shù)據(jù)縮減、高實時性等特點。

7月22日，科技日報記者從鄭州輕工業(yè)大學獲悉，由鄭州輕工業(yè)大學計算機與通信工程學院教授蘇日建領(lǐng)銜的團隊主持的國家自然科學基金“基于超順磁性納米粒子的無創(chuàng)測溫方法研究”項目有了新進展。

本項目率先將嵌入式技術(shù)用于生物信息測量領(lǐng)域，進行了嵌入式人工智能的重要創(chuàng)新并取得了突破。項目通過嵌入式人工智能算法，明晰了熱療靶區(qū)的溫度與磁性納米粒子特性參數(shù)之間的關(guān)系，并探索出了一種基于磁性納米粒子的非侵入式、在體的靶區(qū)溫度場測量方法，可為腫瘤靶向熱療中溫度測量提供有效的溫度、濃度磁化模型及生物熱傳導模型，對于提高惡性腫瘤的治療效果具有重要的意義。

未聯(lián)網(wǎng)也能進行實時計算

“嵌入式人工智能是當前最熱門的人工智能商業(yè)化技術(shù)之一。所謂嵌入式人工智能，就是設(shè)備無須通過云端數(shù)據(jù)中心進行大規(guī)模計算，而是在本地、不聯(lián)網(wǎng)的情況下就可以做到實時環(huán)境感知、人機交互、決策控制等。”蘇日建在接受科技日報記者采訪時表示，嵌入式人工智能利用嵌入式終端設(shè)備僅通過邊緣計算進行簡化模型訓練。

業(yè)界的普遍觀點認為，人工智能需要通過計算機進行大量數(shù)據(jù)訓練來達到與人類類似甚至超過人類的知識、推理、決策與操控能力。與在云端數(shù)據(jù)中心進行大規(guī)模數(shù)據(jù)模型訓練的傳統(tǒng)人工智能不同，嵌入式人工智能具有去中心化、模型簡化、訓練數(shù)據(jù)縮減、高實時性等特點。

蘇日建說，5G技術(shù)會催生更多的人工智能應用場景，據(jù)預測，2025年，人工智能將會產(chǎn)生5.1萬億美元的應用市場。嵌入式人工智能可以應用在醫(yī)療、零售、智能交通及智能制造等領(lǐng)域。

將龐大計算縮減至微小終端中

全球移動通信系統(tǒng)協(xié)會統(tǒng)計，2020年全球物聯(lián)網(wǎng)聯(lián)網(wǎng)設(shè)備數(shù)量已達126億個。如果所有設(shè)備均按現(xiàn)有人工智能模型的訓練方向進行云計算，很大一部分物聯(lián)網(wǎng)終端將受制于網(wǎng)絡帶寬速度的影響，無法實現(xiàn)高實時的決策與控制。這必然帶來糟糕的用戶體驗，甚至造成更嚴重的問題，如自動駕駛中的高延時將帶來駕駛風險;人臉識別數(shù)據(jù)上傳則可能造成隱私信息泄露等。

“當然這并不是說在云端進行模型訓練和決策控制的人工智能與嵌入式人工智能是矛盾的，只是二者的訴求不同，適合的應用場景也不同。”蘇日建解釋，云端更適合數(shù)據(jù)吞吐量高且模型復雜的訓練;而嵌入式人工智能則在需要高實時計算的應用場景更具優(yōu)勢。

“可以說嵌入式人工智能本質(zhì)是將云端的算法部署至終端設(shè)備，也就是運算邊緣化。其最大的難點在于將云端的海量數(shù)據(jù)及龐大的計算規(guī)?？s減至終端設(shè)備中運算、處理。”蘇日建說，具體來說，一是如何根據(jù)模型訓練的算法在芯片設(shè)計上增加神經(jīng)處理單元或節(jié)點;二是如何在不降低描述精度的情況下簡化訓練模型，降低算法復雜性;三是如何在保證決策準確度和控制精度的情況下，減少訓練數(shù)據(jù)的數(shù)量。“這些既是業(yè)界所面臨的問題，更是我國研究人員要突破的技術(shù)瓶頸”?！蚩萍既請笥浾唏R愛平

標簽： 微小終端 嵌入式 人工智能 決策本地化