当前位置：首页» 行业资讯 » 指纹模块FPC之人工智能与边缘人工智能的潜在作用

指纹模块FPC之人工智能与边缘人工智能的潜在作用

文章来源：电子发烧友作者：梁波静查看手机网址

扫一扫！

扫一扫!

人气：3015发布日期：2019-08-31 09:28【大中小】

2019年7月22日，微软宣布向总部位于旧金山的非营利人工智能(AI)研究集团OpenAI投资10亿美元，致力于人工智能的发展（AGI）。指纹模块FPC小编获悉，这一宣布将人工智能行业两个最大的品牌联系在一起：微软拥有最受欢迎的云人工智能平台Azure，并支持许多关键的人工智能项目，包括开放神经网络交换(ONNX)和项目脑电波(Project Brain)，而Open AI在深度学习技术方面取得了重大突破，创造了基于GPT-2框架的最先进文本生成器之一，以及在多人在线战场视频游戏中击败人类玩家的游戏AI。

此外，微软的投资金额也是值得注意的。为了将此作为背景，ABI研究公司统计，2017年和2018年，人工智能领域的全球风险资本投资总额分别为107亿美元和184亿美元。鉴于整个行业在机器视觉、自然语言处理(NLP)和人工智能芯片组领域取得的重大进展，微软10亿美元的投资将产生巨大的研究和应用。OpenAI可以利用微软的云基础设施进行人工智能研究，同时获得一个将其人工智能技术商业化的良好渠道。

农业投资及其挑战

这一新伙伴关系的关键重点是AGI。电路板厂了解到，目前，大多数，如果不是全部，商业上成功的人工智能产品运行在狭窄的人工智能场景，或AI专注于一个特定的任务，并执行非常好的任务。这包括客户服务聊天机器人，用于缺陷检测的智能工业摄像头，以及自动驾驶汽车。相反，AGI旨在模仿人类的智能，使AI能够像人类一样学习和做出决策。这是IBM的沃森(Watson)成立以来一直存在的一个愿景，但到目前为止，该行业并没有取得多大进展。

OpenAI和微软对AGI的愿景是帮助人类解决目前棘手的多学科问题，包括气候变化、更加个性化的医疗保健和教育等全球性挑战，但设计AGI是极具挑战性的。因此，对于AGI准备就绪和商业化的时间表，整个行业没有统一的共识。AGI的许多基础工作仍处于早期阶段，因为AGI将需要新兴的机器学习技术。以下是执行AGI的一些关键挑战：

多任务的需要

目前，目前，人工智能被训练成在一组明确定义的输入下产生单一产出。为了使AI能够完成多任务，它需要能够调整经过训练的模型，以便在给定不同但相关的数据集时产生相似的或预期的输出。这就需要转移学习，这包括将训练实例、特征表示、参数和关系知识从现有的经过训练的AI模型转移到一个新的模型来处理目标任务。这样的过程对AGI的准确性和可靠性有很大的影响，如果采用次优的话。

自我优化能力

AGI还需要有自我管理资源需求的能力。在某些自动机器学习场景中，在诸如内存管理、功耗、甚至模型选择和超参数调整等领域，AGI预计会更高效。这将需要AGI也识别其系统中的错误。虽然像强化学习这样的技术可以用来奖励正确的行为并惩罚错误的决策，但是这样的优化模型还处于早期阶段。

处理不完全信息的能力

在数据不完整的情况下，AGI需要做出决定，而且往往正在进行中。这就要求AGI是启发式的，在某些情况下是创造性的。根据AGI是如何设计的，AGI的性能将因缺乏数据而受到影响。相比之下，狭义人工智能在部署到商业环境之前，要经过培训和彻底测试，以确保其可靠性和准确性。这不是AGI可以期待的奢侈品。

需要更强大的人工智能软件和硬件

微软正与OpenAI合作，成为最强大的硬件-软件供应商联盟之一，以解决AGI的问题。然而，软板厂觉得，AGI可能需要更强大的硬件来处理自然概率计算，例如量子计算和神经形态芯片组。

尽管如此，所有这些缺点显然并没有阻止微软在AGI上与OpenAI合作。近年来，微软投入了大量资源，以Cortana的形式开发其人工智能能力。正如ABI洞察中提到的重新审视人机交互——微软展示了Cortana通过实时吸收和呈现上下文信息来进行自然对话的能力，这得益于Microsoft Build在2019年收购了NLP启动语义机。这是合理的期待，微软正寻求在科塔纳创建一个AGI。

边缘在AGI中的潜在作用

尽管所有这些发展都发生在云环境中，但ABI Research认为，边缘是可以发挥作用的。不可否认，处于边缘的AGI将扮演一个非常不同的角色。与其解决气候变化和个性化医疗挑战，EDGE AGI可能成为公共安全领域的智能移动机器人，也可能成为黑暗工厂或仓库的中心大脑。

必须指出的是，许多创新和新兴的人工智能技术目前正在边缘的狭义人工智能上进行试验和测试，通常是在数据连通性差、数据有限、对高移动性和低延迟的需求的环境中。这些模型包括移动机器人的定位和导航模型、智能家庭网关上的家庭连接应用程序、工厂现场服务器的制造操作优化和预测维护模型。终端设备收集并驻留在网关和现场服务器中的丰富数据对于开发AGI非常有用。与人类一样，AGI基于实时从多个来源收集的数据做出决策，因此需要包含专用于EDGE的窄AI模型的特征和特性。

此外，EDGE AI硬件也随着时间的推移而变得更加强大。随着对低延迟和本地化人工智能处理能力的需求，对于基于边缘的AGI的需求将始终存在，无论是在设备、网关或现场服务器上。联合或分布式学习可以为AGI提供增量升级。尽管如此，这些发展仍处于初级阶段，甚至在边缘设备中，因此他们需要一段时间才能进入AGI。

因此，AGI仍然是该行业的长期愿景。看到微软和OpenAI之间的合作关系将会产生什么样的结果，这是绝对令人兴奋的。作为这一合作中的硬件供应商，微软希望在未来对AGI的投资中朝着什么样的方向发展，无论这家云计算巨头是将投资于新的人工智能计算架构，还是加强其优势人工智能产品，还是像许多竞争对手一样，开始开发自己的云和边缘人工智能芯片组，这将是一件很有趣的事情。

ps:部分图片来源于网络，如有侵权，请联系我们删除

下一篇：fpc之为什么电动汽车高速行驶时续航会大幅降低上一篇：软板之我国工控企业如何才能避免掐脖之痛