從970人工智慧說起 | 帶賈維斯去拯救世界

華為Mate10評測: 說起人工智慧, 很多人的印象都停留在科幻電影裡. 在編劇的想象中, 類似甚至超過人類智慧的機器智能將成為未來的主要力量, 不管是拯救地球, 還是毀滅地球, 人工智慧都擁有比人類更加強大的智慧與能力. 比如漫威迷都知道鋼鐵俠智能系統管家賈維斯, 可以為托尼提供資訊, 幫助托尼控制設備, 甚至能夠自由操控鋼鐵俠的35台機甲.

當然這樣的人工智慧自然離我們還很遙遠, 但很多人都不知道的是, 人工智慧其實早就進入了我們的生活. '人工智慧 (Artificial Intelligence) , 英文縮寫為AI. 它是研究, 開發用於類比, 延伸和擴展人的智能的理論, 方法, 技術及應用系統的一門新的技術科學. ' 百度百科這樣對人工智慧做出解釋. 舉一個簡單的例子, 比如已經普及於智能手機的指紋識別, 通過識別系統, 機器可以類比人識別的過程, 這就屬於人工智慧的一種.

人工智慧從某種意義上說是對人類智能的類比, 所以人類智能的複雜性也決定了人工智慧的涵蓋面之廣. 其實具體的說, 人工智慧就是在類比人類智能的單一功能, 比如視覺感知, 聽覺感知等等, 進而複合成更加複雜的智能系統, 比如在之前提到的智能管家賈維斯, 想要達到這種智能效果, 需要由一個個人工智慧功能的分支組合而成.

一句 '組合而成' 說起來簡單, 但實際操作起來卻是極為複雜, 這也是人類處在人工智慧的初級探索階段的原因之一. 其實我們每天都在使用著人工智慧設備, 比如智能手機. 而我們也不難發現, 近期的手機廠商都在主打人工智慧功能.

前不久剛剛發布的華為Mate 10系列機型, 其搭載的麒麟970晶片整合了神經網路運算單元NPU (Neural Network Processing Unit) , 其AI運算能力相比四個Cortex-A73核心有大約25倍性能和50倍能效的優勢, 可以大幅提升手機在映像識別, 語音交互, 智能拍照等方面的能力. 為什麼麒麟970的NPU會這麼神奇? 人工智慧實現的原理又是什麼? 本期的發燒學堂, 我們就從麒麟970的NPU說起, 聊一聊人工智慧AI的現狀與未來.

本文屬於原創文章, 如若轉載, 請註明來源: 從970人工智慧說起 帶賈維斯去拯救世界http://mobile.zol.com.cn/661/6615797.html

以上是關於華為Mate10產品評測的報道, 有關華為Mate10的外觀, 屏幕, 拍照, 續航, 性能等後續內容, 請持續關注中關村線上關於華為Mate10評測的報道.

刨一刨麒麟970的NPU

想了解神經網路運算單元NPU, 就得先知道人工智慧的運行原理. 簡單地說, 機器的人工智慧就是一個不斷進行學習的過程. 機器通過設定好的演算法對感知的資訊進行處理過濾, 並將處理後的數據與資料庫中資訊比對, 符合條件即可實現對應功能, 樣本再次保存用以豐富資料庫. 舉個簡單例子, 我們用淘寶搜索一樣商品, 之後再開啟淘寶後會有相應的產品推薦, 這就是機器學習的一種.

但並不是所有的機器學習都像淘寶推薦一樣簡單, 比如語音識別轉換或者圖片識別轉換, 就需要強大的計算能力和龐大的資料庫支援, 這些在便攜的手機上難以實現, 所以才有雲計算一說. 這就好比前兩年比較火的物聯網, 核心的操作是在雲端實現的. 再舉個例子, 比如iPhone的Siri語音助手, 沒有聯網時是無法工作的, 因為它需要雲端的計算和資料庫支援, 之後從雲端傳來輸出的結果.

當然其中還有需要不低計算能力的人工智慧但所需沒必要依靠雲端計算和資料庫的情況, 這時候就在本地直接進行機器學習. 但本地的處理器並不善於機器學習計算, 這時候就需要一個專門處理機器學習的單位以獲得更高的效能, 也就是我們所說的神經網路運算單元NPU. 在之前說的比四個Cortex-A73核心有大約25倍性能和50倍能效的優勢就是指在機器學習上NPU有更高的能效比.

麒麟970的NPU帶來的性能提升主要體現在了智能拍照, 映像識別和語音交互上. 麒麟970每分鐘可識別映像2005張, 遠超業界同期水準; 通過與AI技術相結合, 能夠更準確識別夜景, 精準地改善夜晚拍照的映像呈現.

麒麟970整合了硬體的人臉檢測模組, 針對不同膚色, 帽子, 眼睛, 口罩, 遮擋, 側臉等多種複雜的人臉場景進行了優化. 以人臉檢測為基礎, 無論在針對性的改善人臉部資訊的色彩和補光, 還是以人臉為基礎進行人臉追焦的優化, 都大大改善了人像的拍照體驗, 帶來更真實自然的人像拍照效果.

根據華為的思路, 未來麒麟970人工智慧技術將推動手機拍照從 '看見, 看清' 階段, 逐步向 '慧眼' 階段演化, 讓手機不僅能夠感知真實的世界, 更能夠智能識別拍攝環境, 判斷拍攝人臉, 人體, 物品, 甚至是識別人的情緒, 行為和動作, 開始認知這個世界.

目前的麒麟970也已經支援AI降噪技術, 利用深度學習演算法, 可以抑制非穩態噪音, 增強語音訊號, 提升語音識別在惡劣環境下的識別率, 尤其針對駕駛場景, 在車速很快 (如120千米/小時) , 車內噪音很大的情況下, 提升語音識別率.

據悉, 麒麟970上搭載的這顆NPU是由頂尖AI晶片企業寒武紀科技的寒武紀1A處理器 (Cambricon-1A Processor) 經過多方優化後的產物. 據寒武紀官方資訊, 這款AI晶片是國際上首個商用深度學習的處理器產品. 在2016年英特爾發布了可加速各類神經網路的Nervana AI處理器, 穀歌也在同年也發布了ASIC晶片TPU, 用於加速深度神經網路.

本文屬於原創文章, 如若轉載, 請註明來源: 從970人工智慧說起 帶賈維斯去拯救世界http://mobile.zol.com.cn/661/6615797.html

以上是關於華為Mate10產品評測的報道, 有關華為Mate10的外觀, 屏幕, 拍照, 續航, 性能等後續內容, 請持續關注中關村線上關於華為Mate10評測的報道.

從阿爾法狗說起的尖端AI

2016年3月, 阿爾法狗 (AlphaGo) 以4:1的總比分戰勝圍棋世界冠軍, 職業九段棋手李世石. 消息一出, 震驚圍棋界, 同時也引發了一場關於人工智慧發展與人類生存問題的討論. 機器智慧真的就從此超過了人類? 人類社會到最後是不是會被機器統治? 許多不了解人工智慧的人不免會產生這樣的恐慌.

其實, 再尖端的人工智慧也是依靠機器學習來實現的, 這就離不開在之前提到的計算能力, 演算法, 資料庫. 據悉, 戰勝李世石的AlphaGo共包含1202個CPU和176個GPU (亦有文獻說是1920個CPU和280個GPU) , 龐大的處理器集群擁有著巨大的計算能力; AlphaGo依靠相應演算法進行機器學習建立資料庫, 在和李世石對戰前已經和自己對弈3000萬盤.

初代的AlphaGo也並不是不可戰勝, 而且龐大的通用硬體集群帶來了巨大的耗電. 據悉, Google在2015年數據中心耗電量為57億千瓦時, 相當於北京712萬人的用電量. 高效能比的人工智慧計算核心就顯得十分重要了.

2016年年底, AlphaGo升級版AlphaGo Master依次對戰人類數十位圍棋大師, 最終獲得60:0的完美戰績; 2017年5月, 新版AlphaGo Zero在中國烏鎮圍棋峰會上, 以3:0的成績大敗排名世界第一的世界圍棋冠軍柯潔. 而且, AlphaGo Zero僅僅用了3天時間的自學習, 就戰勝了打敗李世石的AlphaGo, 用了40天的自學習, 又打敗了AlphaGo Master.

AlphaGo的不斷進化究其原因, 可以總結為兩點: 一是演算法的進化, 從最初的結合數百萬人類棋譜, 到後來只要自學習就可以成為圍棋高手; 二是技術核心不斷進化, 打敗柯潔的AlphaGo Zero只有4顆穀歌專門為人工智慧研發的TPU.

說到這裡, 相信不少讀者也會有這樣的問題: 人工智慧這麼厲害了, 人類豈不是要完蛋了? 其實不然, 就拿AlphaGo來說, 雖然它的下圍棋能力已經登峰造極, 但在演算法的約束下, 它也只能到此為止. 打個比方說, 你下圍棋下不過AlphaGo, 你可以掀翻桌子, 也可以將它的電斷掉, 但AlphaGo在未進行這樣的演算法設定和硬體支援下它並不具備這樣的能力. 人工智慧只是在其特定的功能下超過人類, 但在智能的多樣性上遠遠不如人類. 這也是人工智慧和人類智慧最大的區別所在.

所以說, 像終結者一樣擁有自己智慧的機器人也並不是一定不能實現, 人工智慧的單一功能不斷疊加總會有媲美人類智慧的時候. 但現在看來還不怎麼可能, 畢竟硬體的體積在這擺著, 這個姑且不論, 想要滿足大規模人工智慧系統的長時間運作, 估計怎麼著也得配一塊能夠容納核反應堆的電池.

本文屬於原創文章, 如若轉載, 請註明來源: 從970人工智慧說起 帶賈維斯去拯救世界http://mobile.zol.com.cn/661/6615797.html

以上是關於華為Mate10產品評測的報道, 有關華為Mate10的外觀, 屏幕, 拍照, 續航, 性能等後續內容, 請持續關注中關村線上關於華為Mate10評測的報道.

人工智慧在短期內的發展

以現在的技術水平, 弄一個跟終結者差不多的機器人很難, 但在很多領域都已經實現了突破, 比如家用語音助手, 無人駕駛等等. 就目前狀況來看, 人工智慧和人類智慧並不存在衝突, 成熟的人工智慧技術相比於人類的智慧擁有單項工作的專一性和高效性. 在未來很長的一段時間內, 人類要做的是和人工智慧協同工作, 以達到更高的工作效率.

近幾年的語音轉換文本也火了起來, 最有代表性的就是科大訊飛的語音輸入功能. 用戶可以直接對手機說話就可以實現語音向文本的轉換, 而且擁有著極高的識別率, 鎚子手機上的語音轉換就是用的科大訊飛的技術. 看似簡單的功能實現起來也頗為複雜, 因為語義擁有複雜性, 人工智慧需要對語義做出正確的判斷才能轉化出正確的文本. 科大訊飛的強大之處就在於鎚子手機斷網時仍能進行本地的語音文本轉換, 開啟網路後識別正確率更高.

但在語音識別的領域, 語音識別只是最初級的階段, 只能算作是基礎應用, 而對基礎應用的進一步開發才是目前最為迫切的需求, 比如蘋果的Siri, 阿里的天貓精靈X, 這類可以通過語音獲得更多服務的智能系統. 而這些就需要之前提到的雲伺服器, 因為大資訊處理需要雲計算的支援, 內容服務也需要第三方內容的接入. 在第三方接入的同時, 也就產生了商業價值.

當下正火的無人駕駛也得採用這種雲服務的模式, 目前比較知名的穀歌, 百度研發的無人駕駛功能就是依靠這種模式, 他們擁有強大計算能力的雲伺服器與龐大的導航數據, 所以相比於其它企業更具有開發無人駕駛的先天優勢. 無人駕駛的好處不僅在於方便司機的駕駛, 更在於對整個城市交通的調配. 通過雲端強大的計算能力, 可以給出每個出行者最佳的出行方案, 從而能夠更大程度得減少擁堵.

當然, 人工智慧在生活中的應用還有很多, 比如用在金融領域大家所熟知的人臉識別, 用在醫療領域的手術機器臂等等, 在這裡就不一一列舉. 可以肯定的是, 未來還會有更多人工智慧設備出現.

寫在最後

蒸汽機的發明帶動了第一次工業革命, 使人類社會發生了巨大變革, 而人工智慧恰恰也具備這樣的潛質, 當一個完整的人工智慧體系產生後, 社會生產力將再一次突飛猛進, 現有社會模式將再次發生變革, 人類的生活也會有翻天覆地的變化. 不得不說, 人工智慧的未來值得我們期待.

所以對於尋求突破的企業和創業者來說, 人工智慧將是個不錯的方向, 因為它擁有巨大的發展潛力, 而時代也將屬於能夠抓住人工智慧大潮的人.

本文屬於原創文章, 如若轉載, 請註明來源: 從970人工智慧說起 帶賈維斯去拯救世界http://mobile.zol.com.cn/661/6615797.html

以上是關於華為Mate10產品評測的報道, 有關華為Mate10的外觀, 屏幕, 拍照, 續航, 性能等後續內容, 請持續關注中關村線上關於華為Mate10評測的報道.