高通積極打造可執行人工智能的終端裝置，并借助收購人工智能研究團隊Scyfer擴展機器學習功能，期望將更多的人工智能工作負載從云端服務器轉移到智能手機芯片上…
就在高通(Qualcomm)收購原隸屬于荷蘭阿姆斯特丹大學(University of Amsterdam)的一支小型人工智能(AI)研究團隊——Scyfer B.V.后，高通公司的一位研究人員表示，其實驗室研究正進一步擴展機器學習(machine learning)功能，以提供新的應用和定義新的硬件架構。
Scyfer扮演咨商的角色，將機器學習應用于工業、物聯網(IoT)、銀行和移動等領域。這支AI研究團隊如今已是Qualcomm Research的一部份，致力于擴展機器視覺(computer vision)和自然語言處理等機器學習領域，并進一步探索新興算法如何影響硬件加速器設計。
高通負責AI的企業研發副總裁Jeff Gehlhaar說：“隨著算法改變，我們認為目前存在著共同設計神經網絡(neural network)和硬件的發展空間。”
他表示：“隨著這些網絡的演進，我們開始看到執行配置檔案的模式，可能影響硬件中的快取和位精確度。如今，我們正從系統級觀察如何使各元素之間共同運作，而不至于影響準確度。”
高通在新聞稿中表示，神經網絡預計將在無線連接、電源管理和攝影等領域找到新的應用方向。目前已經有幾家公司將人工智能應用于安全性，例如檢測惡意軟件等任務；其他也有人用它來突破半導體設計的瓶頸。
雖然神經網絡已經是數十年來的研究重點了，但2013年可說是一個重要的分水嶺，當時AlexNet研究結果催生了深度學習領域（來源：高通）
高通的挑戰在于嘗試將更多的AI工作負載從云端的伺服務器場(server farm)轉移到智能手機的芯片上。為此，該公司在去年發布了一款用于其Snapdragon SoC的神經網絡開發工具包，同時也與Google和Facebook合作，為Google TensorFlow和Facebook Caffe 2架構實現優化。
這支來自阿姆斯特丹大學的AI研究團隊還將協助促進高通在產生對抗網絡方面的研究，以及致力于一款有助于該公司將更多訓練任務推向智能手機的算法。Gehlhaar說：“云端中的機器學習將持續占據主導地位，但我們在裝置上看到更多的機會，同時客戶也要求在移動裝置上執行其自家版本”，例如臉部辨識之類的任務等。
“在無人機、汽車和智能手機等邊緣裝置上部署AI是相當新的趨勢，但是我們的客戶已經在這方面展開移動了——這并不只是實驗室的實驗而已；人們正嘗試解決現實世界的問題。”
Gehlhaar說：“機器學習是一個快速發展的領域。”他指出，AlexNet在2013年的影像辨識方面取得顯著進展，催生了如今熱門的深度學習。
同時，在日前的一場專題討論上，業界幾位專家也特別強調神經網絡領域的重要性——它看似具有廣泛的用途且前景無限，但實際上仍處于發展的早期階段，同時也存在著諸多局限。
編譯：Susan Hong
(參考原文： AI Sees New Apps, Chips, says Q’comm，by Rick Merritt)
微信掃一掃
