新しいiPhone Xは、顔認識のためのニューラルエンジンを統合したが、これはほんの始まりに過ぎません。組み込みの神経エンジンと専用プロセッサは、クラウドへの依存を破るために、デバイスの端にスマート人工知能（AI）を実装しています。エッジ処理の利点は減少待ち時間、ネットワーク全体のカバレッジが、なぜなら上記の利点を有すること。プライバシーとセキュリティを増加し、雲との通信を低減することによりコストを低減すること、モバイルデバイスは、ごく最近達成するために、人工知能の使用を促進することができる含みますサイエンスフィクションに現れることができるシーン。
過去のマシンはリアルタイムデータ処理センターになりました
私はちょうどそのような車、無人機やロボットなど、一度純粋に機械的なマシンだった。機会が埋め込まれた、世界のAI技術に近いことが、当社の年次セミナーを終え、今では、視覚的に、インテリジェントになってきています、知覚、追跡、分類、検出、同定、およびその他の機能。今、これらのデバイスは、収集し、プロセスデータを、リアルタイムの意思決定を行うためにコンピュータビジョンとセンサーフュージョンを使用しています。いくつかのケースでは、そのような無人車両や無人航空機として、決定は遅延処理がクラウド容認できない応答時間をもたらすことができる、非常に重要です。オンチップのインテリジェンス、これらのマシンは、より正確にデータセンターのために定義されています。
ドライバーレスの車両が良い例です。多数のビジュアルセンサーやその他のセンサー、衛星測位情報やさまざまな接続ソリューションが必要です。データの融合と分析を完了するためには「脳」も必要です。同時に、クラウドベースの処理また、オートパイロット機能では情報も重要な役割を果たしますので、迅速な意思決定が可能なオンボードプロセッサが必要です。たとえ散発的な状況であっても、危険なく車両を操作することが重要です。オプションの機能ではなく、集中的な深い学習の計算が必要です。
ニューラルネットワークのエッジ処理が主流になりつつあります
スマートフォンの分野では、アップルは主に新機能が主流であるかニッチ市場向けのアクセサリーになるための礎石になっています.Appleの新しい主力iPhone Xの発売に伴い、特殊な神経エンジンが人工知能のエッジ処理の大部分私の同僚が最新のiPhoneをリリースする前に予測していたように、これはカメラ付きの各デバイスにビジュアルDSPやその他の特殊なニューラルネットワークプロセッサが搭載されることを意味します。ゲーム内の神経エンジンは、顔認識技術を実装しており、ユーザーは電話を見てiPhoneのロックを解除できます。レスポンスタイムとプライバシーとセキュリティレベルを考慮すると、すべての認識処理を電話で行う必要があります。 AIの能力は、よりエキサイティングなAIの機能を引き続き紹介していきます。
GoogleはPixel Visual Coreと呼ばれるプロセッサを介して、Pixel 2の最新の主力電話機Pixel 2にも同様の機能を追加した。非常に競争の激しいスマートフォンの世界では、Googleはそれを差別化する必要がある。最初は、優れたソフトウェアを搭載したカメラ付きのPixelスマートフォンを導入することですが、画像の強化、単レンズボケ効果、写真のダイナミックレンジの強化に必要な集中的なコンピューティングは、今日の大手スマートフォンのほとんどに付随する標準処理です。 Huawei氏は、最近、Unicorn 970に神経エンジンを統合することを発表しました。他の多くの企業もこのコンペに参加しています。
ビジュアルDSPベースのエンジンはどのようにオンチップインテリジェンスを実現しますか？
エッジ処理の利点は明らかですが、巨大なサーバーで実行できるデータ操作を小さなハンドヘルドデバイスに配置する方法もありますが、他の多くの処理タスクでも電力が消費されます。これは、ビジュアルDSPがエッジAI処理を成功させるために不可欠である理由です。効率的ですが効率的ですが強力なベクトル化機能により、DSPプロセッサはニューラル・エンジン・ワークロードの実行に最適です。
もう1つの課題は、既存のニューラルネットワークを組み込みDSP環境に移行する方法です。これは開発時間がかかり、コストが非常に高価ですが、自動化されたツールチェーンは「キー操作」をサポートすることができます。ネットワーク解析と最適化は組み込み環境に変換されます。このようなツールでは、多数の最先端のネットワークをカバーして、あらゆるネットワークを組み込み機器で簡単に最適化して実行できるようにすることが非常に重要です。
移植および最適化プロセスが完了したら、通常の入力データをより迅速に処理を完了するために、情報の損失を最小限に抑えて、でサンプリングされています。例えば、プロセスの高速化RCNN（PDF）で、我々は二つの処理段階を持って、地域の提言（案を領域を分類し、領域を分類する。
超低電力プロセッサビジュアルDSPのCEVA-XMファミリは、このような作業を実行するように適合され、さらに、CEVA-CNNハードウェアアクセラレータ（HWA）、ニューラルネットワーク処理加速度（例えば高速RCNN）によって性能を改善するために添加されてもよい。から私たちは受賞歴のCEVA-XM4パフォーマンスが大幅に改善されたの前世代に比べて、我々は第五世代ビジョンプロセッサCEVA-XM6あることがわかります。CEVA-CNNのパフォーマンスハードウェアアクセラレータを追加します。図は、前方の主要なステップです。
人工知能に基づいて深さの研究では、ハンドヘルドデバイスのための無限の機会をもたらします：デジタル一眼レフの写真の品質によって得られた画像強調、強化された仮想現実のアプリケーション、環境意識、回避やナビゲーション、検出、追跡、識別、分類、セグメント化、マッピング、ポジショニング、ビデオの強化、などなど。私たちはあなたの手のひらの上で、このような力を持っているが、それはスマートフォンの通話機能はごくわずかであるに見えます。
