آی فون جدید X ادغام موتور های عصبی برای تشخیص چهره، اما این فقط آغاز است. موتور های عصبی جاسازی شده و یک پردازنده اختصاصی پیاده سازی یک هوش مصنوعی هوشمند (هوش مصنوعی) در لبه دستگاه، به شکستن وابستگی به ابر. مزایای پردازش لبه عبارتند از تاخیر، پوشش شبکه گسترده کاهش می یابد، افزایش امنیت و حریم خصوصی، و ارتباط را کاهش می دهد با ابر، در نتیجه کاهش هزینه. به دلیل داشتن مزایای فوق، دستگاه تلفن همراه ممکن است استفاده از هوش مصنوعی بیشتر برای رسیدن به تنها به تازگی صحنه هایی که در علم تخیلی ظاهر می شود.
ماشین های گذشته در حال حاضر مراکز پردازش داده در زمان واقعی هستند
من فقط به پایان رسید سمینارهای سالیانه ما، فرصت های نزدیک به تکنولوژی هوش مصنوعی در جهان تعبیه شده است. ماشین آلات یک بار کاملا مکانیکی، مانند اتومبیل، وسایل نقلیه هوایی بدون سرنشین و ربات بود، و در حال حاضر در حال تبدیل شدن هوشمند، با تصویری ، قابلیت درک، ردیابی، طبقه بندی، تشخیص، شناسایی و دیگر اکنون، این دستگاه ها استفاده بینایی کامپیوتر و ترکیب سنسورها برای جمع آوری و پردازش داده ها، و تصمیم گیری زمان واقعی است. در برخی موارد، مانند وسایل نقلیه بدون سرنشین و هواپیماهای بدون سرنشین، تصمیم مهم است، پردازش تاخیر ممکن است در ابر زمان پاسخ غیر قابل قبول است. بر روی تراشه هوش، این دستگاه ها دقیق تر را برای مرکز داده تعریف شده است.
خودرو یک مثال خوب از بدون سرنشین است، آن نیاز به مقدار زیادی از بینایی و سایر حسگرها، و همچنین اطلاعات موقعیت ماهواره ای و اتصال های مختلف راه حل بود. همچنین باید یک مغز برای یکپارچه سازی داده ها و تجزیه و تحلیل به طور همزمان مبتنی بر ابر پردازش و اطلاعات نیز نقش مهمی در عملکرد خلبان اتوماتیک بازی، پس باید تصمیمات خرد و دوم در هیئت مدیره پردازنده. حتی مورد پراکنده وجود داشته باشد، وجود خواهد داشت نه عملیات خطرناک از یک وسیله نقلیه است بسیار حیاتی است. بنابراین، پردازنده می تواند کنترل محاسبات عمیق یادگیری عمیق ضروری است، نه یک ویژگی اختیاری.
پردازش لبه های شبکه های عصبی در حال تبدیل شدن به جریان اصلی است
در زمینه تلفن های هوشمند، اپل است که معمولا یکی از ویژگی های جدید را به عنوان یک جریان اصلی و یا طاقچه بازار ضروری است (تو رفتگی در دیوار بازار) لوازم جانبی سنگ محک. با انتشار پرچمدار جدید اپل آیفون X با یک موتور عصبی اختصاصی مجهز است در تلفن لبه رویداد پردازش عمده هوش مصنوعی. به عنوان همکار من قبل از آخرین نسخه از تلفن همراه اپل به عنوان پیش بینی شده، به این معنی که به زودی به هر دستگاه با یک دوربین شامل یک DSP بصری یا سایر پردازنده شبکه عصبی تخصصی آیفون X در داخل موتور عصبی پیاده سازی فن آوری صورت ID که اجازه می دهد تا کاربران را به تماشای تلفن خود را به منظور باز کردن قفل آی فون. زمان پاسخ فوق سریع همراه با سطح ملاحظات امنیتی و حفظ حریم خصوصی نیاز تمام فرایند شناسایی باید بر روی گوشی انجام می شود. در حال حاضر به دستگاه با توانایی AI، قطعا به معرفی ویژگی های هیجان انگیز AI ادامه خواهد داد.
گوگل همچنین شدن پیکسل تلفن شاخص خود 2 اضافه شده یکی از ویژگی های مشابه، به نام پیکسل دست آمده از طریق هسته ای بصری (پیکسل ویژوال هسته) پردازنده در زمینه بسیار رقابتی از تلفن های هوشمند، گوگل باید تفاوت را درک کنند. روش نخست، معرفی دوربین نرم افزار پیکسل با تلفن های هوشمند برجسته مجهز شده است. با این حال، بهبود تصویر مورد نیاز برای، تک لنز افکت بوکه محاسبه جامع، افزایش محدوده دینامیکی از عکس ها، بسیاری از این ویژگی است در حال حاضر پیشرو گوشی های هوشمند همراه با درمان استاندارد نمی تواند در یک دستگاه اجرا موثر است. بنابراین گوگل تصمیم به اضافه کردن یک تراشه دوم برای این ویژگی ها با اضافه کردن تابع AI می تواند تفاوت عمده دیگر در گوشی Huawei منعکس تازگی اعلام کرد ادغام موتور عصبی کیرین 970، علاوه بر بسیاری از شرکت های دیگر نیز به رقابت ها پیوستند.
چگونه موتورهای مبتنی بر DSP بصری را به اطلاعات هوشمند مبتنی بر تراشه می رسانند؟
اگرچه مزایای پردازش لبه روشن، آن را نیز به ارمغان می آورد چالش است. چالش این است که در غول محاسبات داده های سرور باید انجام شود، برای قرار دادن یک دستگاه های دستی کوچک در حالی که قدرت نیز در بسیاری از وظایف پردازش دیگر مصرف به همین دلیل است که DSP های بصری برای پردازش AI لبه های حیاتی ضروری هستند. قابلیت های بردار ساده و کارآمد اما قدرتمند، پردازنده DSP را بهترین گزینه برای انجام کارهای موتور عصبی می باشد.
چالش دیگر این است که چگونه برای تبدیل شبکه عصبی موجود در محیط DSP تعبیه شده است. این ممکن است مقدار زیادی از زمان توسعه مصرف، هزینه های بسیار گران قیمت است. اما زنجیره ابزار اتوماسیون برای پشتیبانی از عملیات کلید 'از خدمات یک مرحله ای تجزیه و تحلیل و بهینه سازی شبکه به محیط تعبیه روشن باشد. برای چنین ابزار، شبکه پیشرفته ترین پوشش بسیاری از آن بسیار مهم است که اطمینان حاصل شود که هر شبکه به راحتی می توان بهینه سازی شده و قابل اجرا بر روی دستگاه تعبیه شده.
پس از پیوند و بهینه سازی فرایند کامل است، معمولا داده های ورودی است که در نمونه برداری، با حداقل از دست دادن اطلاعات به منظور تکمیل روند سرعت بیشتری. به عنوان مثال، در روند سریع تر RCNN (PDF)، ما باید دو مرحله پردازش، توصیه منطقه ای (پیشنهاد مناطق) و طبقه بندی مناطق.
خانواده CEVA، XM از DSP بصری پردازنده برق فوق العاده کم، اقتباس شده است به انجام چنین کاری ممکن است اضافه شود برای بهبود بیشتر عملکرد های CEVA-سی ان ان شتاب دهنده سخت افزار (HWA)، شبکه عصبی شتاب پردازش (به عنوان مثال سریع تر RCNN). از شکل ما می توانید ببینید که ما پنجم پردازنده های دید در نسل CEVA-XM6، در مقایسه با نسل قبلی از عملکرد CEVA-XM4 برنده جایزه قابل توجهی بهبود یافته است. اضافه کردن CEVA-سی ان ان سخت افزار عملکرد شتاب دهنده یک گام بزرگ به جلو در است.
مطالعه عمق بر اساس هوش مصنوعی به ارمغان می آورد فرصت های بی پایان برای دستگاه های دستی: بهبود تصویر به دست آمده توسط DSLR عکس با کیفیت، افزایش یافته و برنامه های کاربردی واقعیت مجازی، آگاهی های زیست محیطی، اجتناب و ناوبری، تشخیص، ردیابی، شناسایی، طبقه بندی، تقسیم بندی، نقشه برداری، موقعیت، افزایش تصویر، و غیره با قدرت در دست ما، به نظر می رسد ویژگی های تماس تلفنی بی اهمیت است.
