1. Quand l'Internet des objets rencontre l'IA
Selon l'étude récente de SADA Systems sur les gestionnaires professionnels de l'industrie informatique à grande échelle, l'intelligence artificielle (AI) et l'Internet des objets (IoT) en 2018 deviennent les domaines les plus importants pour investir dans les nouvelles technologies.
Dans les 500 professionnels de l'informatique interrogés, 38% des répondants ont mentionné la route AI comme le principal objectif de l'investissement des entreprises, tandis que 31% des choses, la chaîne de bloc est à base de 10% sur la liste. Périphériques connectés choses Il génère généralement d'énormes données pour former des modèles d'apprentissage automatique (ML).
Parmi les entreprises interrogées, l'Internet des Objets a plus de disposition que l'IA, car les industries IoT et edge computing sont relativement stables au stade actuel, et une base aussi solide peut améliorer la précision de l'apprentissage automatique et devenir nécessaire pour l'IA. Prérequis.
Capacité de reconnaissance d'image / Figure: Université de Cambridge
AI entreprises veulent aussi faire l'investissement de réalisation ultime, plutôt que des établissements d'enseignement comme la recherche non-stop. CIO médias étrangers également mentionné Road, AI comment investir dans l'entreprise à droite dans un guide pour la tâche importante des chefs d'entreprise.
De plus, en arrière-plan de l'époque d'aujourd'hui, le coût et la difficulté d'exécuter AI aussi réduire de manière significative non seulement « plate-forme en tant que service » peut fournir davantage de données aux entreprises de formation informatique qui (PaaS) société qui fabrique également les dispositifs d'universel (Interopérabilité) Le degré d'amélioration En outre, un grand nombre de bibliothèques et d'API d'apprentissage automatique ont réduit le seuil d'entrée dans l'IA.
Avec le soutien des technologies AI et de nouvelles choses à venir, les organisations doivent adhérer au développement clé, a conduit à l'indéfini prévenir le cycle de développement de l'heure de la portée de fluage. Afin d'atteindre la période d'étape de temps, la rétention des talents est de plus en plus nécessaire.
Capacité de Reconnaissance d'Image de Machine / Graphique: Université de Cambridge
SADA estime également que les nouvelles technologies vont inciter les entreprises à investir davantage dans les nouvelles technologies, mais la sécurité et la confidentialité ont tendance à être à la traîne du développement des technologies, et l'investissement dans les nouvelles technologies sera certainement caché des préoccupations de sécurité. Si vous voulez vraiment devenir un pionnier dans les technologies émergentes, alors vous ne pouvez pas ignorer les tests de sécurité des technologies émergentes.
Dans un rapport de l'Université d'Oxford en 2018, les chercheurs ont souligné que l'efficacité de l'apprentissage automatique peut être minée et que le fonctionnement de l'entreprise peut être mis en danger si l'importance des tests de sécurité est négligée. Sexe, j'ai peur de ne pas l'avoir.
La blockchain a longtemps attiré l'attention des médias techniques de l'année dernière, mais elle est à la traîne de l'Internet des objets et de l'intelligence artificielle en termes d'investissement des entreprises. L'investissement dans ce domaine devrait concurrencer l'Internet des objets et l'IA.
2. Histoire des interprètes AI
En dehors de l'agenda principal, le forum de Boao pour l'Asie en 2018 a été l'introduction de l'intelligence artificielle pour la traduction orale en temps réel lors de la réunion, mais l'intelligence artificielle n'apparaissait pas dans l'industrie de l'interprétation rapide en temps réel. Face à la menace d'un chômage imminent, au contraire, le résultat de la traduction d'erreurs graves a, au contraire, soulagé les interprètes en temps réel: il semble que cette ligne puisse encore être consommée pendant longtemps.
« La Bible Ancien Testament Genèse » décrit au chapitre 11, après la grande inondation se sont retirées, ce monde humain sont les fils de Noé, parlent la même langue quand les humains ont commencé à coopérer, construire appelé Babel Tour de Babel tour. le mouvement alarmé Dieu, Dieu laisse les êtres humains partout dans le monde a commencé à avoir une autre langue, la race humaine ne fut plus la coopération unie. Babel a fait des plans soldées par un échec, lorsque les différences linguistiques deviennent aussi la plus grande communication humaine Obstacles Il est peut-être encore un rêve dans le sang de reconstruire la Tour de Babel, la traduction est devenue un projet culturel clé pour l'évolution continue de l'humanité au cours des mille dernières années.
La barrière linguistique n'est pas si facile à rompre, en particulier, il est nécessaire de comprendre le même concept à travers les langues.Pour la première fois dans l'histoire de l'humanité, un corpus parallèle a été produit par Rosetta Stone en 196 av. L'ancienne langue égyptienne, le grec ancien et les textes familiers locaux ont été utilisés pour enregistrer les écritures gravées du roi Ptolémée de l'ancien roi égyptien, ce qui constitue également une étape importante dans la traduction.
Traduction automatique basée sur des règles
En ce qui concerne la traduction de la machine source, peut remonter à 1949, théorie de l'information chercheur Warren Weave a officiellement proposé le concept de la traduction automatique. Cinq ans plus tard, à savoir en 1954, IBM en collaboration avec l'Université de Georgetown a annoncé la première traduction automatique du monde IBM-701. il est capable de traduire russe en anglais, mais il a un grand corps, ce qui en fait, il ne se construit six dispositions des règles de droit, ainsi que 250 mots. mais tout de même, cela est encore une percée technologique majeure, À ce moment-là, les humains ont commencé à sentir qu'ils devraient être capables de briser rapidement le mur de la langue.
Il était possible que Dieu ait remarqué quelque chose de différent et versé un seau d'eau froide sur le plan de reconstruction humaine de la Tour de Babel.En 1964, l'Académie Américaine des Sciences créa le Comité Consultatif de Traitement Automatique des Langues (ALPAC). rapport a exprimé l'opinion que la traduction automatique est pas la peine de continuer à investir, parce que ce rapport, ce qui dans la prochaine décennie, les États-Unis presque complètement la machine vierge de traduction stagnante.
De la naissance de la première machine de traduction aux années 1980, le courant dominant de la technologie était la traduction automatique basée sur des règles, la méthode la plus courante étant de traduire directement les mots selon le dictionnaire. mais honnêtement, le résultat est avéré très frustrant, car il semble stupide extrême. Ainsi, cette approche des années 1980 a disparu.
Pourquoi ne peut pas appliquer les règles de la langue? Parce que la langue est extrêmement système complexe et ambiguë, de l'ambiguïté du mot à toutes sortes de discours, toutes les règles exhaustives impossibles. Mais il est intéressant, la plupart des start-ups récentes engagés dans le langage naturel l'entreprise, tentent toujours d'utiliser une des règles exhaustives pour résoudre la sémantique chinoise, mais cette idée serait certainement pris fin en est l'échec.
Je vais donner un exemple pour illustrer pourquoi les règles ne sont pas réalisables.N'oubliez pas la complexité de la traduction en deux langues.Seul du point de vue chinois, le concept de livraison express est rapide.Quel genre d'enseignements pouvez-vous penser? Selon les statistiques en langage naturel que nous avons faites auparavant, il peut y avoir 3 600 sortes d'enseignements au total, et ce nombre devrait augmenter avec le temps. Pour un système complexe de règles, si vous utilisez des traductions, je crains que le nombre de règles ne soit un nombre astronomique étonnant, donc l'idée de traduction automatique basée sur des règles deviendra une fleur jaune hier.
Traduction automatique basée sur une instance
Tandis que le monde entier est tombé dans la phase basse de la traduction automatique, il y a un pays qui a de fortes obsessions pour la traduction automatique: le Japon Les Japonais ont un faible niveau d'anglais et ont donc une forte demande de traduction automatique.
Université de Kyoto Professeur Makoto Nagao proposée sur la base de traduction automatique, est d'arrêter la machine à partir de zéro et que vous voulez traduire, aussi longtemps que nous gardons un nombre suffisant de phrases, même face ne correspond pas exactement la phrase, nous aussi peut être comparé à des phrases, la traduction n'est pas le même aussi longtemps que le remplacement du mot peut être. Bien sûr, cela n'est pas naïf que la traduction automatique basée sur des règles combien intelligent, il a causé aucun problème. mais avant longtemps, l'humanité l'espoir de reconstruire la tour de Babel Semble voir l'aube à nouveau.
Traduction automatique statistique
Détoné-boom statistique de traduction automatique ou IBM, dans la « théorie mathématique traduction automatique » papier émis a proposé en 1993 un modèle statistique se compose de cinq unités en un mot, appelé « modèle IBM 1 » à « 5 modèle IBM. »
Idées modèle statistique se traduit par une question de probabilités. En principe, est la nécessité d'utiliser le corpus parallèle, puis littéralement des statistiques. Par exemple, bien que la machine ne savait pas ce que la « connaissance » de l'anglais est, mais après la plupart des statistiques de corpus, vous trouverez tant qu'il y a connaissance de la phrase apparaît, les phrases en anglais seront mot « connaissance » apparaît. de cette façon, même sans entretien artificiel des dictionnaires et des règles de grammaire correspondantes, mais aussi faire des machines à comprendre le sens du mot.
Ce concept n'est pas nouvelle, depuis le premier Warren Weave a proposé un concept similaire, mais il n'y a pas assez de temps et corpus parallèles était trop faible et calculateur de capacité limitée, donc il n'y a pas mis en œuvre. Traduction automatique statistique moderne de où trouver « pierre de Rosette moderne » signifie? en fait, la source la plus importante est l'Organisation des Nations Unies, parce que les résolutions des Nations Unies et l'annonce auront des versions linguistiques des différents États membres, mais à part ça, vous voulez faire votre propre corpus parallèle Maintenant, le coût de la traduction humaine se traduit par savoir que ce coût est étonnamment élevé.
Dans la dernière décennie, nous connaissons les traductions Google sont basées sur la traduction automatique statistique d'apprendre que, tout le monde devrait être modèle clair de traduction statistique ne sont pas les réalisations de la grande cause de Babel dans l'impression de tout le monde, la traduction automatique s'arrêter à Le degré de "utile" plutôt que "utile".
Traduction automatique du réseau neuronal
En 2014, la traduction automatique a inauguré le changement le plus révolutionnaire de l'histoire - «l'apprentissage en profondeur»!
réseau de neurones est pas nouveau, en fait invention des réseaux de neurones a été il y a 80 ans, mais depuis en 2006 Geoffrey Hinton (première étude de trois grande profondeur de Dieu) l'amélioration de l'optimisation du réseau de neurones est erreur fatale trop lent, l'apprentissage en profondeur continuera accompagné d'une variété de réalisations miraculeuses apparaissent fréquemment dans nos vies en 2015, la machine pour la première fois au-delà de la reconnaissance de l'image humaine ;. 2016, Alpha Go a battu le champion du monde d'échecs, 2017, plus que le sténographe de reconnaissance de la voix humaine, 2018, La compréhension de la lecture en anglais machine dépasse pour la première fois les humains Bien entendu, ce domaine de la traduction automatique a également commencé à prospérer grâce à l'apprentissage en profondeur de ce super engrais.
Yoshua Bengio étude approfondie des trois dieux dans le document 2014, pour la première fois établi l'architecture de base de la profondeur des technologies d'apprentissage pour la traduction automatique. Il est principalement basé sur les séquences réseau de neurones récurrents (RNN), de sorte que la machine peut automatiquement capturer entre les phrases mot fonctionnalité, puis automatiquement par écrit à une autre traduction. Cet article un, trésor Google. Très vite, un approvisionnement adéquat de la poudre à canon sous la bénédiction de Dieu, ainsi que grand dans Google, Google a officiellement annoncé en 2016 Toutes les traductions de machines statistiques étaient disponibles, les traductions de machines de réseau neuronal devenaient le courant dominant de la traduction automatique moderne.
Le réseau neuronal de traduction automatique de Google la caractéristique la plus importante est l'inclusion de mécanismes attentionnels (Attention), le mécanisme d'attention est en fait la simulation de la traduction humaine, utilisera d'abord l'oeil encore, et va choisir quelques mots clés pour confirmer la sémantique dans le « britannique - français » processus (figure 2) ont vraiment des mécanismes attentionnels bénédiction montée subite de puissance après que Google a déclaré que, « les Britanniques - en », « les Britanniques - West » plusieurs langues, etc., le taux d'erreur avec avant. Le système de traduction automatique statistique est réduit de 60%.
Bien que le réseau de neurones selon le corpus parallèle existant peut apprendre et comprendre les caractéristiques linguistiques subtiles de phrases, mais il est pas parfait, le plus gros problème vient du corpus, et il faut beaucoup de noir boîte aussi difficile à comprendre. C'est, même si Il n'y a aucun moyen de faire des erreurs, mais seulement de fournir un corpus plus correct pour corriger "l'apprentissage en profondeur" Par conséquent, le même modèle de phrase peut avoir des résultats de traduction très différents.
En février 2018, Microsoft a pris de nouvelles mesures pour améliorer la compréhension du langage machine au-delà de l'humanité: le 14 mars, des chercheurs de Microsoft Research Asia et de l'institut de recherche Redmond ont annoncé que leur système de traduction automatique R & D Nouvelles sur le critère énoncé dans la traduction anglaise de l'ensemble de test Newstest2017, peut atteindre des niveaux comparables à la traduction humaine. bien sûr, ce réseau de neurones est une traduction automatique d'une grande victoire, bien sûr, a beaucoup d'innovation dans l'architecture, le plus notable Il est associé aux réseaux Dual Learning et Deliberation.
L'apprentissage dual pour résoudre le problème du corpus parallèle limité, en général, la profondeur de l'apprentissage doit être fournie aux réponses de la machine, la machine pourra basée sur la différence entre les traductions et la réponse corrigée soutenue amélioration. En ce qui concerne le réseau d'examen imiter aussi le processus de traduction humaine habituellement la traduction humaine fera d'abord une traduction approximative, puis ajuster le contenu précis de la deuxième traduction, en fait, vous pouvez constater que peu importe les réseaux de neurones intelligents, se termineront toujours sur la surface de référence des créatures les plus intelligentes, ce qui est le corps Pour l'humanité nous.
La langue ne peut pas être utilisée hors contexte
Le développement de la traduction automatique ne signifie pas que les traducteurs n'auront plus de nourriture à l'avenir, et la publication de Microsoft a mis l'accent sur le «test de traduction chinois-anglais» du «Universal News Report Test Set Newstest 2017». Une bonne performance peut ne pas être égale à l'universalité, ce qui peut aussi expliquer pourquoi le traducteur de Tencent, Jun Mingming, a une bonne réputation, mais pourquoi l'interprétation en temps réel de Boao a été inexacte.
interprétation de la traduction en temps réel peut dire est l'aboutissement de la tâche, nous devons avoir une compréhension correcte de l'audience de condamnation initiale, mais aussi la conversion pour un temps limité pour d'autres langues. Et ne pas oublier les haut-parleurs ne donnera pas tout le temps d'attendre la traduction, la reconnaissance vocale et ainsi égale La traduction automatique doit être traitée de manière synchrone, avec le bruit sur place, l'expression du locuteur, les interjections de mots modaux, etc., ce qui peut entraîner une erreur de jugement de la part de la machine.
À mon avis, Jun traduction Tencent, peut être accusé de points peut tout simplement pas travailler assez dur, on n'a pas mis les noms d'entrée clé appropriée, qui sera « une route et une ceinture » arriver « erreur classique. »
Peut également être vu de la figure 3 est une différence intéressante, pourquoi l'Occident était la traduction automatique aveuglante mal, la traduction automatique, mais le pays est presque en mesure de maîtriser l'intention? Il est parce que le langage humain ne peut pas être dissociée existe des scénarios d'utilisation. Ce que nous apprenons souvent la langue l'accent sur le contexte (contexte), qui vient de notre culture passée, il y a des souvenirs du passé POSÉES. Tang n'a pas lu le Google peut naturellement pas comprendre l'essence de ce poème. barrières linguistiques seraient la dernière ère de l'intelligence artificielle humaine, parce que Les langues changeront constamment en raison de l'utilisation de l'homme, ce qui est un substitut très difficile pour les machines.
Avec l'avancement de la technologie, un jour, la traduction automatique passera de «utile» à «utile», puis deviendra «utile». Mais, comme je l'ai toujours soutenu, les machines ne priveront pas les gens de leur travail. Le fait que les êtres humains soient au chômage n'est que le nôtre: comment faire bon usage de l'intelligence artificielle pour devenir votre propre outil, et vous sortir de l'ennui et du travail fastidieux, c'est la bonne posture pour l'avenir.
3.AI, la bataille ardente du big data et de la vie privée ne fait que commencer;
Le plus récent sujet brûlant, il est nul autre que les données non grandes, y compris le nombre d'Expo 2018 en Chine avec vigueur organisé, il faut dire, la chose la plus importante est de recueillir des données de grandes quantités de données, mais l'UE a annoncé un règlement sur la protection des données générale (GDPR), Kansas S'affirmant être la loi la plus stricte en matière de protection des données personnelles, elle a également déclenché des litiges concernant le développement de Big Data et les données personnelles.
La raison pour laquelle les big data peuvent devenir des données efficaces est de collecter et d'analyser des données, et plus les données, les données les plus pertinentes peuvent être analysées et devenir des données utiles.
Cependant, la source de données et de données est devenue l'objet de toutes les discussions: sous le nationalisme, les individus semblent devoir sacrifier leurs propres droits pour permettre au pays de poursuivre des politiques, ce qui est particulièrement évident en Chine. Comme le big data, tous les problèmes ne sont pas un problème, mais de nombreuses données volumineuses sont en fait le droit des parties à sacrifier des données personnelles. Choses impossibles.
La direction du développement des affaires taiwanaises est centrée sur le big data industriel, le développement le plus rapide est celui de Hon Hai, qui a 40 ans de données de production, c'est le plus grand avantage de Hon Hai et c'est aussi un lieu de développement des big data.
Cependant, si Taïwan veut développer des données volumineuses comme la Chine continentale, cela a beaucoup à voir avec la vie privée des gens.Au fond, il y a beaucoup d'obstacles, et c'est juste un dossier ETC qui peut déclencher des violations de la vie privée. En ce qui concerne les grandes données directement liées à la protection de la vie privée, que le Big Data réussisse ou non, je crains que nous ne devions continuer à tirer profit de l'intérêt public et de l'équilibre de la vie privée.
4. inférences IA aux nœuds périphériques Les applications vidéo / vocales représentent chacune la moitié du ciel;
En 2018, le marché AIoT (AI + IoT) a considérablement évolué, entraînant le développement progressif de l'informatique en nuage vers une latence faible, une faible bande passante réseau, une grande confidentialité et une haute efficacité en intelligence artificielle. Expérience d'application
Avec l'intelligence artificielle (AI), fonctionne sur la technologie de pointe (Computing Edge) au cours des dernières années, le développement rapide d'une variété de produits électroniques grand public et les appareils ménagers concept de maison intelligente inclus sont des changements révolutionnaires auront lieu progressivement. En fin de compte, les différents Un réseau d'intelligence artificielle composé de dispositifs domestiques peut devenir un autre membre de la famille que vous ne pouvez pas voir.Le concept du nuage local et de son équipement connexe sera un élément indispensable dans la mise en place d'un réseau d'intelligence artificielle à domicile.
Haut-parleur intelligent / surveillance deviendra deux axes majeurs de l'IA de consommation
Le cabinet d'études Ovum responsable du suivi de la mise au point du chercheur technologie grand public Ronan de Renesse (figure 1) que l'application de la grippe aviaire dans le domaine de l'électronique grand public, près de deux ans deviennent souvent l'objet de l'attention des médias, mais l'électronique grand public et AI combinée à la tendance, Cela ne fait que commencer à se développer.Dans les trois à cinq prochaines années, de nombreux produits d'électronique grand public porteront la fonctionnalité AI et seront reliés les uns aux autres pour former un réseau d'intelligence artificielle à la maison.
Figure 1 Ronan de Renesse, chercheur en technologie grand public chez Ovum, croit que divers appareils électroniques de la future famille deviendront un membre invisible de la famille.
Pour la chaîne de matériel, bien que cette tendance apportera de nouvelles opportunités d'affaires, mais si d'un point de niveau supérieur de vue, cette entrée tranquillement le réseau d'intelligence artificielle dans la maison, vous serez je ne vois pas une autre « famille Membres. "
Sur le plan matériel, les enceintes intelligentes qui sont familières à tout le monde sont essentiellement des produits relativement matures.Même si les ventes augmenteront considérablement au cours des cinq prochaines années, la croissance ralentira graduellement. Le chiffre d'affaires avoisine les 9,5 milliards de dollars, Renesse estime en effet qu'Amazon et Google pourraient ne pas être en mesure de lancer leur propre marque de haut-parleurs intelligents à l'avenir, car ce type de produit a lui-même peu de marge bénéficiaire. Pour les géants du réseau domestique, tant que les fournisseurs de matériel utilisent leurs services de plate-forme, ils peuvent collecter les données dont ils ont besoin.
Au cours de la même période, les changements dans la maison des systèmes de surveillance intelligents tels produits seraient plus évidents que les locuteurs intelligents présentent les produits dits intelligents de surveillance à domicile, en fait, pas le composant de l'intelligence artificielle, mais les caméras, alarmes, des serrures, des capteurs et d'autres matériels produits reliés entre eux pour former une fonction système de sécurité déclenché par un événement de soutien (événement déclencheur). mais comme lié la technologie matérielle et logicielle est devenu plus sophistiqué, la proportion des caméras de surveillance future maison équipée d'une intelligence artificielle deviendra de plus en plus élevé, mais aussi pour atteindre plus Les applications, telles que l'utilisation d'assistants vocaux, fournissent à plusieurs utilisateurs des services plus précis dans un environnement multi-utilisateur.
Protection de la vie privée des consommateurs pour les applications AI
Cependant, l'industrie du matériel, le plus notable peut être le concept nuage local (cloud local) et les produits applications connexes, ainsi que les Renesse a fait remarquer, les appareils domestiques généralement pris en charge AI et reloué. Équipé de fonctions AI de produits électroniques sera produire de grandes quantités de données utilisateur, mais il y a beaucoup de confidentialité des données est en jeu. par conséquent, il est équipé d'intelligence artificielle de produits électroniques à la maison était entièrement dépendante de cloud externe pour fonctionner, va évidemment causer des problèmes de confidentialité.
D'autre part, de nombreuses fonctionnalités choses relativement simples appareils de consommation, par l'énergie électrique, la puissance de calcul, le coût de production et d'autres conditions, peuvent ne pas être en mesure de soutenir très haut de gamme des algorithmes AI. A ce moment, le dispositif de nuages locaux vont jouer le rôle du cerveau, Commandez de manière uniforme ces appareils.
Cependant, Renesse a également admis qu'il est encore difficile d'affirmer quel appareil va jouer dans un centre de cloud local: il peut s'agir d'un haut-parleur intelligent d'ordre supérieur, il peut s'agir de smart TV ou d'autres produits.
Ian Smythe, directeur principal du marketing chez Arm (figure 2) croit également que de plus en plus de moteurs de calcul et d'inférence se déplaceront vers le terminal à l'avenir, la principale force motrice de ce transfert étant la protection de la vie privée des utilisateurs. En traitant et en analysant les données du terminal, vous pouvez facilement anonymiser les données et éviter que des données sensibles ne fuient à travers le réseau.Par exemple, les consommateurs ne veulent pas que l'on sache par Internet qu'ils ne sont pas à la maison. Le temps des gens, puis facilement voler à la maison.
Figure 2 Ian Smythe, directeur principal du marketing chez Arm, a déclaré que pour les applications d'IA grand public, la fiabilité du mécanisme de protection de la confidentialité sera la clé de la popularisation de l'application.
Pour les applications visuelles, Smythe pense que les caméras qui prennent en charge la reconnaissance visuelle sont considérées comme des problèmes de confidentialité importants, car elles doivent être conçues de manière à pouvoir être protégées lorsqu'elles sont stockées localement ou transmises au cloud. Confidentialité et informations sensibles Comme la transmission est généralement connectée sans fil, une attention particulière doit être accordée à la sécurité de la fonction de transmission sans fil.Les ingénieurs qui conçoivent l'appareil doivent s'assurer que les appareils connectés au réseau ne sont pas piratés.
La vie de la batterie reste le principal défi technique
Cependant, pour pousser l'IA vers le nœud périphérique, le plus grand défi technique à l'heure actuelle reste la consommation électrique du système.Par exemple, les consommateurs peuvent s'attendre à ce que ces produits soient complètement sans fil et il est préférable de ne même pas connecter les câbles électriques. Cela signifie que ces produits doivent être alimentés par batterie et supportent également les réseaux sans fil, en plus d'être en mesure d'identifier tous les éléments et d'avoir un espace de stockage illimité.
Les exigences ci-dessus posent un défi majeur pour la conception du système, nécessitant la capacité de fonctionner pendant des mois sans interruption pour exploiter les capacités d'apprentissage automatique et la capacité de télécharger en continu des fichiers dans le cloud pour le stockage. Les exigences sont assez exigeantes, et surtout, ils ont maîtrisé quand permettre l'orchestration de ces fonctions pour prolonger la vie de la batterie.
Dans le cas des caméras de surveillance à domicile, la caméra n'a pas besoin de transmettre la vidéo dans la pièce pendant 24 heures, il est seulement raisonnable de télécharger la partie de l'image quand il y a une personne non confirmée, de la même manière. Cela n'a pas de sens d'activer l'algorithme ML.Réglez soigneusement où et quand ces fonctionnalités sont activées pour que l'appareil grand public puisse fonctionner dans le mode prévu avec seulement 2 piles AA et qu'il puisse être utilisé pendant une longue période de temps.
Parce que la consommation électrique est l'un des principaux obstacles à l'entrée des terminaux dans les IA, de nombreuses start-up sur le marché voient maintenant l'opportunité de lancer un accélérateur de réseau neuronal de faible puissance (NN) pour protéger la puce. Tout en réduisant la consommation d'énergie, les développeurs peuvent atteindre les performances requises par l'inférence d'algorithmes.Kneron a officiellement lancé sa série NPU, un processeur d'intelligence artificielle dédié aux terminaux. IP Cette série comprend trois produits, à savoir la version ultra basse consommation KDP 300, la version standard KDP 500 et la version haute performance KDP 700, qui peuvent répondre aux besoins des téléphones intelligents, des maisons intelligentes, de la sécurité intelligente et de divers appareils IoT. La gamme complète de produits a une faible consommation d'énergie, est de petite taille et offre de puissantes capacités de calcul: différente de la consommation d'énergie du processeur pour l'intelligence artificielle sur le marché, la Kneron NPU IP consomme 100 milliwatts. (mW) class, pour le KDP 300 dédié à la reconnaissance faciale pour les smartphones, consomme moins de 5 milliwatts.
Les applications peuvent être responsable du marketing produit résistant cum Shiya Lun (Figure 3 à gauche) indique, à effectuer sur le dispositif terminal opération de l'intelligence artificielle, tout en répondant à la demande de puissance et de performance est une considération primordiale. Par conséquent, l'introduction de solutions optimisées pour les applications individuelles, est essentiel .. l'application actuelle de l'intelligence artificielle peut être largement divisée en deux grandes catégories de voix avec la vidéo, l'architecture de réseau de neurones utilisent une différentes applications vocales accent dans l'analyse du langage naturel, l'architecture du réseau grand public est le réseau de neurones récurrents (RNN); analyse de l'image de la structure du réseau courant principal est utilisé réseau neuronal convolutif (CNN). optimisé pour différentes structures de réseau, les solutions peuvent fournir une résistance ne sont pas les mêmes.
Shen Ming-feng (figure 3 à droite) porte peut compléter le gestionnaire de conception de logiciels, bien que la demande plus faible pour la puce d'analyse du langage naturel des performances de calcul, mais à cause du ton de la langue, les habitudes de la parole ont une grande différence, et donc nécessaire que l'ensemble des données de formation de modèle reconnaissance d'image est plus grande. en revanche, les consommateurs déjà habitués à utiliser assistant vocal en nuage d'Apple (Apple) Siri, Google assistant, etc. Par conséquent, l'application hors ligne d'analyse sémantique pour obtenir les consommateurs, condition sine qua non est que le consommateur doit fournir une expérience similaire avec des ressources informatiques limitées. ce fournisseur de puce avec les développeurs du système, le défi est pas petit.
3 ours peuvent demander Marketing et Product Manager Shiya Lun (gauche) estime que la voix à la reconnaissance d'image sont de nature très différente, doivent compter sur les différentes solutions pour répondre. Shen Ming-feng est le bon logiciel peut être responsable de la conception résistante.
En fait, la grande majorité des haut-parleurs intelligents, ne sont pas considérés comme des produits informatiques de pointe. Shiya Lun a souligné que, quel que soit l'Amazon (Amazon) d'Echo, HomePod d'Apple ou haut-parleur intelligent plate-forme Baidu, Alibaba, ou si vous voulez avoir données au nuage pour le traitement avec l'analyse sémantique, afin de répondre à l'utilisateur. commande vocale peut être effectuée directement sur le produit final, essentiellement la plupart des règles en mode adopté (à base de règles), et non basée sur la compréhension sémantique naturelle de l'apprentissage de la machine.
Depuis 2016 les ours peuvent lancer le premier processeur spécifique à l'appareil terminal AI NPU IP de l'entreprise, ont continué d'améliorer sa conception et les spécifications, et optimisé pour différentes applications industrielles. En ce moment disponible pour les clients à compter de l'IP, le PDK 500 clients de l'usine à l'aide du système a été et sera en production de masse dans la fabrication du deuxième trimestre (Masque bande-out). reconnaissance vocale avec des chiens de recherche coopération a réalisé l'analyse hors ligne sémantique, même si le dispositif terminal est pas connecté au réseau, mais aussi Peut comprendre les instructions vocales de l'utilisateur.
Kneron NPU IP est dédié processeur d'intelligence artificielle pour le dispositif terminal est conçu de telle sorte que le dispositif terminal dans un environnement hors ligne, vous pouvez exécuter ResNet, YOLO autre réseau d'apprentissage en profondeur. Kneron NPU est une des solutions matérielles complètes de bout AI, y compris le matériel IP, compilateur (compilateur), et le modèle de compression (compression modèle) trois parties, peut prendre en charge une variété de modèles de réseaux de neurones traditionnels, tels que Resnet-18, Resnet-34, Vgg16, GoogleNet, et Lenet, ainsi que le soutien traditionnel apprentissage en profondeur Cadres, y compris Caffe, Keras et TensorFlow.
Kneron NPU consommation d'énergie IP est le niveau de 100 mW, la version ultra-faible puissance du PDK 300 ou encore moins de 5 mW, une gamme complète de produits dans les performances par watt 1,5 TOPS / W ou plus, l'utilisation d'un certain nombre de technologie exclusive, il peut Répond aux besoins des fournisseurs de puces, des fournisseurs de systèmes pour une faible consommation d'énergie, une puissance de calcul élevée.
Verrouillage des éléments de base Les accélérateurs matériels n'ont pas peur de l'itération technique
Durcissement (Câblé) circuit pour améliorer l'efficacité de certaines tâches de calcul, ce qui réduit la consommation d'énergie, la conception de puces pour les âges, mais au prix de la flexibilité des applications plus faible, des changements importants en cas de demande du marché pour les fonctions de puce , Ou l'algorithme du logiciel change radicalement, les concepteurs de puces doivent re-développer de nouvelles puces.
Dans une situation où la demande du marché pour les fonctions de puce est largement déterminée, cette méthode de conception ne pose pas de problème, mais dans les domaines technologiques émergents où les itérations technologiques sont rapides, l'adoption de cette approche comportera un risque commercial relativement important. L'intelligence artificielle est un champ d'itération technologique très rapide: de nouveaux algorithmes et modèles sortent presque chaque année.L'institut de recherche Open AI a également souligné qu'au cours des six dernières années, la demande de formation sur les performances informatiques augmentera tous les 3,43 mois. Les temps
À cet égard, Shen Ming-feng a souligné, n'est pas nécessairement un accélérateur matériel est pas élastique. Résistant aux produits énergétiques, par exemple, dans la conception architecturale, la société utilise split noyau de convolution (filtre de décomposition) de la technologie, la grande convolution du noyau de convolution calculer une pluralité de petits blocs divisés en un des blocs de calcul de convolution séparément, puis convolution d'accélération matérielle reconfigurable combiné technique (convolution reconfigurable accélération), le résultat d'opération de convolution de l'opération une pluralité de petits blocs sont fusionnés pour accélérer le global Efficacité opérationnelle
Paraboles plus facile à comprendre, comme des briques Lego peuvent être combinés en une variété de modèles pour construire un objet, mais l'objet lui-même est encore tout un tas de quelques boîte de base. Programme d'énergie de résistance est indispensable pour les algorithmes AI Les éléments de base sont accélérés pour améliorer les performances d'exécution de l'ensemble de l'algorithme.Par conséquent, même si l'algorithme AI est mis à jour à très grande vitesse, la solution basée sur les performances peut encore exercer un effet d'accélération.
En plus de l'accélérateur lui-même est conçu pour les éléments de base, plutôt que d'un algorithme spécifique pour accélérer la résistance extérieure globale, peut également fournir des techniques d'accélération et les applications de AI ou déployée, tel que son modèle de compression de modèle (Modèle Compression) Technologie de compression mis unoptimized le nombre de fois, la technologie de stockage de mémoire hiérarchique (multi-niveau caching) peut réduire la charge du processeur et de réduire la quantité de transmission de données, afin d'améliorer encore l'efficacité opérationnelle globale en outre, Kneron NPU IP peut être combiné logiciel de reconnaissance d'image Kneron, fournit une analyse d'identification en temps réel, et rapide. La réponse est non seulement plus stable, mais répond également aux exigences de sécurité et de confidentialité.Parce que le matériel et les logiciels peuvent être étroitement intégrés, la solution globale est plus petite et la consommation d'énergie est inférieure pour aider au développement rapide des produits.
La reconnaissance d'image AI est plus urgente vers le bord
Dans l'ensemble, la demande actuelle du marché pour la reconnaissance d'image est une analyse plus urgente, sémantique hors ligne, bien qu'il existe des haut-parleurs intelligents cet immense applications potentielles du marché, mais ce pari, mais moins de ressources de l'industrie. La principale raison de ce phénomène est que l'image La transmission occupera une grande partie de la bande passante, ce qui augmentera le coût total de propriété du système, ce qui n'est pas le cas de Voice.
Andes Technology directeur général Lin Zhiming (fig. 4) décrit dans l'intelligence artificielle et le processus de choses de liaison, pilotera les bords de la technologie informatique à la demande introduite la technologie informatique de pointe sera appliquée à une variété d'applications émergentes, Parmi cette tendance, la flexibilité et la rapidité sont les principaux avantages pour les fabricants taïwanais: pour la plupart des entreprises taïwanaises et des sociétés de conception de circuits intégrés, il est plus facile de se lancer dans le marché de l'intelligence artificielle.
Figure 4: Zhixin Lin, directeur général de Jingxin Technology estime que IP Cam sera l'une des principales applications pour effectuer des inférences AI sur les périphériques de bord.
En même temps, grâce à l'introduction de la technologie de périphérie, les besoins en matériel tels que la mémoire et la transmission augmenteront, ce qui augmentera considérablement les coûts de fabrication, puisque le système sur puce (SoC) est plus complexe que les autres applications. La tolérance au coût est également importante, de sorte que la technologie de calcul de périphérie devrait être la première à être importée par des applications liées à l'image telles que IP Cam.
Les applications de l'intelligence artificielle peuvent être divisées en formation et identification.Dans le processus de calcul massif de l'apprentissage en profondeur, l'informatique en nuage est encore réalisée dans un court laps de temps.La tâche de l'informatique périphérique est de faire les informations collectées en premier. Le traitement initial, après avoir filtré les informations non importantes, télécharge les données sur le cloud pour économiser le coût de transmission, tandis que l'apprentissage en profondeur complété par le cloud peut également rendre la fonction d'identification du terminal plus intelligente. Par exemple, le travail de l'apprentissage en profondeur des images peut être complété par l'informatique en nuage.Après que l'apprenant en attente reconnaît le piéton, la caméra IP située au bord ne peut effectuer que le travail d'identification.
D'autre part, parce que IP Cam est largement utilisé dans le maintien de la sécurité et la sécurité communautaire, le gouvernement et les entreprises sont relativement disposés à soutenir l'investissement, ce qui sera également une raison pour le développement rapide de IP Cam.
Lin part Zhiming, de nombreux fabricants sont à tâtons comment importer la puce d'intelligence artificielle dans leur propre système. La situation actuelle est similaire à quand les choses juste commencé à prospérer, nous explorons encore comment appliquer les coupes, estimées à environ 2020 fabricants Va lancer plus de produits réels.
Les applications en temps réel doivent utiliser une architecture informatique de pointe
L'intelligence artificielle est un sujet brûlant de nos jours, qui a transféré progressivement de l'architecture de cloud computing à l'architecture informatique de pointe, apportera pas un petit impact sur les fabricants de la chaîne d'approvisionnement. En dépit de la courte période de temps continuera à développer le cloud computing basé sur l'intelligence artificielle, Cependant, de nombreuses fonctions d'intelligence artificielle concernant les applications de vision commenceront à importer des bords.
Xilinx Directeur du développement (Xilinx) marché de la stratégie de l'intelligence visuelle Dale K. Hitt (figure 5) a souligné que, dans un avenir prévisible, des éléments de formation de développement qu'ÅI encore dominé par l'informatique en nuage. Cependant, l'inférence / déployer des composants a commencé Utilisez les opérations de périphérie pour prendre en charge les applications nécessitant une faible latence et une efficacité réseau.
Figure 5 Dale K. Hitt, directeur du développement du marché pour la stratégie d'intelligence visuelle de Xilinx, estime que pour les applications nécessitant une très faible latence, les opérations de périphérie seront la meilleure solution.
L'apprentissage automatique pour les applications liées à la vision constituera l'une des tendances clés et de grande envergure pour les applications à commande latérale, ainsi que la vision industrielle, les villes intelligentes, l'analyse visuelle et le marché de l'auto-conduite. potentiel de croissance. en termes de vision industrielle et les applications grand public, en raison des algorithmes d'apprentissage machine à bord arithmétique à exécuter, donc pour les besoins des performances sont également plus élevés que les générations précédentes de nombreux programmes. en outre, algorithme d'apprentissage machine à bord / fonction a également été en évolution rapide, et donc tous les milieux Nécessite un matériel auto-adaptatif pour optimiser les futures architectures d'inférence d'apprentissage automatique.
Par exemple, Hitt utilise des voitures autonomes: derrière chaque capteur de la voiture, il y a un support d'algorithme précis qui produit les résultats de l'interprétation sensorielle à partir des données du capteur, la dernière tendance étant d'utiliser des algorithmes d'apprentissage profonds pour générer ces résultats d'interprétation perceptuelle. Les algorithmes d'apprentissage en profondeur doivent être formés à travers un grand nombre de situations potentielles pour apprendre à lire toutes les données de capteurs possibles.
Après la formation, les algorithmes d'apprentissage en profondeur nécessitent une efficacité de calcul extrêmement élevée et une très faible latence pour contrôler le véhicule en toute sécurité.Pour les véhicules électriques, une faible consommation d'énergie doit être appliquée pour limiter la température de fonctionnement et augmenter la puissance de la batterie. L'objectif est de fournir des solutions adaptables à haute efficacité et à faible consommation d'énergie pour répondre aux divers besoins de l'intelligence artificielle à bord autonome.
Dans le développement de l'informatique de périphérie, le plus grand défi est que la demande du marché évolue trop rapidement, c'est pourquoi les technologies qui peuvent s'adapter rapidement aux différents changements sont extrêmement importantes pour permettre aux entreprises de maintenir leur compétitivité.
Hitt illustrer davantage la profondeur des algorithmes d'apprentissage à un rythme rapide des progrès soutenus, la plupart des solutions de pointe en 2017 a jusqu'à présent fait face à une chute similaire. Même si la plupart des autres ont maintenant une plus grande capacité, ainsi que la hausse informatique à la demande, le matériel encore Optimiser Le matériel doit être mis à jour plus rapidement pour éviter d'être éliminé Certains matériels peuvent même nécessiter une mise à jour pendant la production Plusieurs autres technologies doivent également être rappelées pour mettre à jour la puce.
Hitt a ajouté que les avantages uniques des FPGA incluent l'optimisation matérielle profonde, y compris les opérations, l'architecture de la mémoire et les liens.Par rapport aux CPU et GPU, ils peuvent atteindre des performances plus élevées avec une consommation d'énergie inférieure après optimisation. L'architecture matérielle ne peut pas être rapidement optimisée pour de nouvelles exigences dérivées.
L'opération de bord est écrasante
S'appuyant sur les applications IA fonctionnant dans les datacenters cloud, avec une capacité de calcul extrêmement élevée, sa précision d'identification est généralement supérieure à celle des périphériques périphériques basés sur une inférence de modèle simplifiée, mais aussi après des considérations de confidentialité, de réponse en temps réel et en ligne. des déductions directes sur le bord de l'appareil, est encore option très intéressante. d'autre part, une grande taille du marché des centres de données en nuage que le dispositif terminal, il y a une forte incitation économique. c'est aussi l'année dernière Aiot criant choc des slogans Le prix est très élevé et les principales sociétés de semi-conducteurs déploient activement leurs activités.
Quant à l'avenir, les applications IA qui sont pris en charge par le nuage existent encore sur le marché, mais la proportion est liée à réduire d'année en année, il sera remplacé par une nouvelle architecture cloud hybride et l'informatique bord. Les applications de développeurs AI, le nuage ne peuvent pas être remplacés La valeur réside dans la formation de modèle, pas l'inférence.Pour cette raison, si le fournisseur de solution peut réaliser une intégration transparente entre «cloud» et «end» pour les développeurs d'applications sera un développeur d'applications. La considération la plus importante lors de l'évaluation des fournisseurs.
Les diplômés 5.MIT recevront un diplôme blockchain ce mois-ci
Sina Technology News à Beijing le 3 juin après-midi, la technologie blockchain permet aux diplômés du MIT de gérer numériquement leur CV académique.
Learning Machines, une société de logiciels basée à Cambridge, au Massachusetts, travaille avec le MIT Media Lab et le bureau d'enregistrement, où les étudiants peuvent choisir de télécharger des portefeuilles Blockchain, de stocker en toute sécurité et de partager leurs diplômes.
Selon le MIT Technology Review, après le succès initial du projet pilote, le MIT a décidé de commencer à fournir des services de portefeuille blockchain pour tous les nouveaux diplômés ce mois-ci.
"Je ne crois pas que les autorités centrales puissent contrôler numériquement les dossiers d'apprentissage de tout le monde", a déclaré Philipp Schmidt, directeur de l'innovation en apprentissage au laboratoire des médias.
Le but de l'introduction sous la forme d'une chaîne de bloc de diplôme est de permettre aux étudiants d'être en mesure d'accéder en temps opportun et fiable à leurs qualifications académiques, puisque ces, les employeurs potentiels ne devront pas les appeler pour confirmer leur diplôme d'études est vrai.
Les nouveaux diplômés qui veulent un diplôme numérique ont seulement besoin de télécharger une application.
« Avant l'obtention du diplôme, les étudiants du MIT enverront un message électronique d'invitation, écrit - » Hey, Blockcerts Wallet pour le télécharger, puis ajouter le MIT accepte un mot de passe pour le directeur général Chris Jagers Machine Learning de l'émetteur. » dit: « lorsque MIT a délivré le diplôme, les étudiants recevront un e-mail avec des fichiers numériques, ils peuvent être importés directement dans l'application. »