宝马娱乐在线城-宝马娱乐在线

来自 宝马技术 2019-11-02 22:20 的文章
当前位置: 宝马娱乐在线城 > 宝马技术 > 正文

荐读 | AI应用的最后一里路

原标题:荐读 | AI应用的最后一里路

研华近来积极投入AI深度学习领域,就观察发现,除了要收集海量的学习数据之外,系统开发者最常遭遇的难题莫过于繁琐的系统建置工程,像是要使用什么样硬件平台才能有足够的性能执行复杂的函数运算?什么样规格的硬件可满足噪声干扰多的公共运输系统、高标准的科技厂房无尘作业环境、安全防护等级高的医疗院所等场域之要求?AI系统又要如何连接上层管理软件或云端平台?是否有现成可用的知识模型以缩短深度学习的训练时间?而现有的系统若想要升级为深度学习系统时又该从何下手?

图片 1

为此,研华以兼具软硬件的深度学习完整解决方案──包括负责训练深度学习模型的训练平台、运用知识模型于现场执行推论的推论平台、方便开发深度学习系统的软件开发工具、已完成训练且可直接套用的知识模型、以及专业团队提供的系统规划与技术咨询服务──来解决上述种种问题,从而降低了系统建置的复杂度,让开发者更容易布建AI深度学习系统,并将心力投入于其所熟悉的产业知识(domain know-how)以催生出更多创新又务实的应用。

style="font-size: 16px;">AI落地是大家一直在探讨的问题,因为不管技术多华丽,最终能否应用在人们的日常生活中,才是关键。那么距离AI渗透生活的那天,还有多远呢?这当中还有什么关键拼图待补?

深度学习开启人工智能的更多应用

随着Google旗下DeepMind所研发的人工智能(AI)系统AlphaGo所带起的一波人工智能热潮,台湾没有错过。

运用神经网络算法的深度学习技术让讨论了超过半世纪的人工智能得以走出实验室。现今的人工智能已不再只是打败世界棋王的超级计算机、正在路测的无人驾驶车、或者是试图拟人化的机器人等研究领域的专属技术,而是更具实用性、也更大众化的应用系统,譬如以AI的深度学习技术提升科技工厂生产良率、为农民筛选质量不良的坏果、于零售门市进行人流分析、协助医师判读医学成像、停车场的车位在席侦测、以及主动纠举交通违规等等。

台湾科技部长陈良基将2017年订为台湾的「人工智慧元年」(小编注:台湾称人工智能作人工智能,),从建立「人工智能高速运算服务」、在台大、清大、交大、成大设立「AI创新研究中心」、打造中科与南科的「智能机器人自造者基地」,到AI计画的最后一块拼图「半导体射月计画」,都是希望强化台湾半导体产业于人工边缘智能(AI Edge Intelligence)的核心技术竞争力和在前瞻半导体制程与人工智能晶片系统研发。

目前研华的深度学习完整解决方案以成功导入制造业、农业、零售业、交通运输业等诸多行业。光是智能交通领域就有城市道路车流统计分析、捷运车厢人潮侦测、停车场车种计数与车牌辨识、户外停车场车位侦测、公交车停靠区违规停车、大型车辆行车管控、铁道落轨或入侵铁道侦测等等的应用。

曾经走红的万物联网让科技产业认为,这就是未来的智能样貌,直到AlphaGo击败世界棋王,科技圈才发现人工智能所带来的「智能服务」,才是真正赋予了万物联网的背后价值。

其中,城市道路车流统计分析的解决方案是于交通控制中心安装服务器等级的训练平台SKY-6100、路侧设备处则安装高性能的推论平台MIC-7500,两款硬件平台即可将该路段每个车道上行经的车辆依车种别(如脚踏车、摩托车、汽车、货车、公交车等)进行辨识,辨识结果再经由网络上传至云端平台。而研华的SDK内提供的API则能让数据与系统整合厂商的应用系统无缝对接,从而生成车流报表、或供仪表板实时显示、亦可作为智能控制之数据源。而与过往在道路上铺设感应线圈来统计每一时段有多少车辆经过只能有粗略的总量报表相比,导入深度学习应用的新管理模式不仅免除了封路铺设线圈的麻烦,亦能获得更详尽也更精确的统计资料。

边缘智能,AI应用的最后一里路

而公交车停靠区违规停车案例则是于现场装设内建知识模型之外观精巧的小型推论平台MIC-7200来接收侦测摄影机拍摄的影像,经过推论平台的辨识,一旦发现停靠该区的车辆并非公交车,不但现场设置的电子广告牌与广播器会发送警示以告知车主禁止停车的讯息,同时系统亦会于停靠逾三分钟后将数据上传至云端平台之车牌辨识系统以及警察局,以供执法人员径行举发违规临停。透过这样的科技执法工具,人力吃紧的派出所可以远程监控且不再需要亲临现场即能取缔违规;而心存侥幸、贪图一时方便的车主亦在持续影像监控下无所遁形,从而降低任意违停的乱象。

事实上,许多具有传感器的装置早就存在我们的生活里,如摄影机、相机、喇叭与麦克风等也在过去10年左右,数位化连上网路。但连结网路摄影机与网路连接储存装置(NAS)所组成的数位监视系统相较于过去闭路式、类比讯号的监视装置,除了储存资料数位化之外,在本质上并没有太大的不同,一样需要人监看、回放,并判断实际现场状况。但当人工智能应用普及,影像辨识、语音辨识转成文字不再遥不可及,网路摄影机或现场麦克风所传回的资料都可即时透过自动辨识,判断画面中的物体,加上搜集人脸资讯及现场收音,AI都足以自动综合解读更多现场状况,让安防业者不再需要配置人力长时间全神贯注监看,仅须排除异常状态。

AI是为了解决人类现存问题而存在,而具有自我训练能力因而大幅提高图片、影像、文字或语言等数据辨识度的深度学习则让AI成为在各行各业真正实用的好帮手。但各领域中擅长数据整理与分析的系统开发者并不那么了解深度学习需要怎样的运算环境。而于垂直产业有广泛的软硬件整合经验又有多样化产品线的研华可针对不同场域提供适合的深度学习完整解决方案,还能从丰富的第三方合作伙伴中引进系统所需的资源,从而减轻了繁杂的系统建置工作并降低技术门坎,让系统开发者能尽速完成项目。而研华也相信透过这样资源整合的全方位服务,由AI深度学习技术延伸出的创新智能应用,遍地开花的繁荣景象定是指日可待。

监视系统配上人工智能应用,仿佛在机器中加上了灵魂,如果可透过人工智能学习不同辨识内容组合的场景意义,并对应相应的处理机制,就赋予数位监视系统协助安防控制,真正达成智能化。

然而,要能够让摄影机进行影像辨识,除了可以将影像透过即时传输回主机上再进行计算判读外,也可以想办法透过摄影机上的处理器,直接计算进行辨识。前者需要占用大量网路传输资源,也有延迟时间的限制,但如果可以在摄影机里加上适当设计、可节省电力的处理器与作业系统,直接现场计算辨识,不但可以省却传输成本,也能减少辨识结果的延迟时间,加快即时反应。「边缘智能」就是指「在最终端装置上的处理器与全套作业系统」,也可说是人工智能落实到真实生活未来应用的最后一哩路。

从训练到推论,晶片是最后一块拼图

然而对企业来说,深度神经网络1(Deep Neural Networks,DNNs)所带起的人工智能浪潮,就如同遥远的国度发生了大海啸,要把如今相对成熟的图像辨识、语音辨识或文本翻译,放进真实环境做商业应用仍还有一段距离。

由于深度学习2的演算法与相关应用仍在快速演进中,无论是智能城市、智能零售、智能音箱或无人车等实际的应用场景,仍在大量搜集数据,让深度学习演算法学习辨别这些资料特征与模式的阶段,这个系统过程称为训练(Training),让电脑尝试从我们所搜集的资料来学习。

图片 2

本文由宝马娱乐在线城发布于宝马技术,转载请注明出处:荐读 | AI应用的最后一里路

关键词: