本帖最后由 51黑dd 于 2016-4-6 23:26 編輯
作者：David Schatsky
機器之心編譯出品
參與：微胖，閏松
如今，計算機渴望學習，而且借助新的認知技術，即使不在線，計算機也能做到這一點。新一代能夠感覺、感知、從用戶和環境那里學習并對其作出反饋的應用和設備，將重塑企業與客戶（包括世界）的交流方式。
David Schatsky，為德勤領導者和用戶，跟蹤分析新興技術和商業趨勢，包括認知技術與日俱增的影響力。加入德勤之前，作者曾領導過兩個研究和咨詢公司。著有《Signals for Strategists: Sensing Emerging Trends in Business and Technology》(RosettaBooks, 2015)。
機器學習——這一過程中，借助輸入的大量數據而不是詳細編程，計算機能變得更善于完成任務——需要大量計算能力，這種能力通常見于高能耗，配備了特殊處理器的云計算機服務器集群中。但是，一種新興趨勢有望將機器學習代入可能缺少網絡連接或間歇在線的移動設備。這將催生感覺、感知、從環境和用戶那里學習并給與他們反饋的機器，有可能萌生新的產品種類，重塑企業與客戶的交流方式以及變革跨行業的工作完成方式。
信號
谷歌已經推出語言翻譯軟件，軟件采用了針對移動電話優化后的小型神經網絡，沒有網絡連接也能很好完成翻譯任務。(1) 聯想宣布了一款移動電話，采用了多重傳感器，高速圖片處理硬件以及專門的谷歌軟件來支持手機功能，比如，室內尋路、精確測量以及增強現實，即使在離線時刻。(2) 英偉達，一家圖形處理技術廠商，開發出針對設備（比如無人機，自動交通工具）的計算機視覺的入模塊，公司說，能耗僅為一款競爭產品的十分之一。(3) 高通推出了一款新的處理器以及軟件平臺，支持機器學習任務，比如圖片分類，語音識別以及無需連接網絡即可進行的異常（anomaly）偵測任務。(4) 無人機制造商大疆最近推出面向消費者的無人機，使用了先進計算機視覺硬件，能讓無人機在跟隨一個移動目標的同時自動避開障礙。(5)
機器學習是認知技術的基石
[size=1em]當谷歌軟件在五局三勝賽制中擊敗世界頂尖圍棋（也是最復雜的棋盤游戲）選手時(6)，這種宣傳推廣陣勢幾乎不可能在其他新興科技中看到。國際媒體頭條確認機器學習——在這一過程中，新數據可以教會計算機更好地完成任務——是人工智能最熱領域之一，而且這種認知技術正在迅速發展。(7)
[size=1em]神經網絡——設計用來模擬人腦機構和功能方面的計算機模型，擁有表征神經元以及神經元連接的要件——是一種越來越受歡迎的機器學習實現方式。神經網絡特別適合于完成感知任務，比如計算機視覺和語音識別。使用了神經網絡來完成這些任務的熟悉應用實例包括谷歌語音搜索，(8)臉書標記圖片中人的系統(9)以及谷歌相冊，它使用了基于神經網絡的圖片識別系統，自動根據圖片內容分類圖片。(10)所有這些系統都在強大的服務器云端上運行，處理諸如用戶上傳的數字化語音或圖片等數據。
直到最近，除非是以有限的方式，一部典型的智能電話不連接云端就無法完成這些任務的智能電話。比如，一些移動電話軟件能識別單獨一張臉——手機所有人的臉——以便解鎖手機，或一小組預先決定的話，比如「好的，谷歌」。但是，對日益強大感知任務的離線支持，正走向移動設備。
將機器學習推到移動設備上
[size=1em]一些公司正在開始給智能電話，無人機以及汽車配備新設計的芯片，這些芯片能高效運行神經網絡，同時，較之前代芯片，能耗降低了90%。(11)MIT和IBM的研究努力表明，不久，我們將在市場上看到越來越多的擅長高速運轉神經網絡的芯片，與此同時，占用空間小，能耗低。(12)因此，移動設備正變得越來越適合完成需要神經網絡才能完成的復雜壯舉，比如，計算機視覺和語音識別，這些壯舉曾一度是運行在云端的強大服務器的「保留項目」。
[size=1em]將機器學習帶入移動設備，不僅僅是因為硬件方面的進步。技術供應商也正在尋找方法，創造出緊湊的神經網絡，能在傳統移動電話上運行諸如語音識別、語言翻譯等任務，而無須連接到所需服務器上。比如，谷歌已經研發出移動語言翻譯軟件，這款軟件使用了針對智能手機優化后的小型神經網絡，表現良好即使是不在線時。(13)而且，谷歌的人員最近發表了論文，描述了獨立于互聯網的語音識別系統，其在一部商業移動電話上表現良好。(14)
[size=1em]移動設備正在獲取力量來執行復雜感知任務，而無需依賴連接到云端，在增加用戶隱私的同時，也帶來更高的準確性、可靠性以及響應性。這會極大擴張即將問世的認知計算應用數量——而且不僅是在移動手機上。移動機器學習和感知計算將驅動各種設備，從移動傳感器到電話，藥片，無人機，汽車以及腦洞尚未想到的新設備類型，創造重要商機。
許多行業樂見的新的改進應用
我們不可能枚舉所有將看到的為移動設備打造的程序應用，它們能完成復雜的感知任務，涉及視覺、語音和其它感觀輸入。但是，它們可能出現在每個行業領域，具備以下一個或多個性能：
分析或診斷感官數據 擁有感知界面或互動性 導航和動作控制
下面是一些例子。
在醫療護理領域，我們預測會有各種診斷應用，包括一些目標人群鎖定為消費者的應用。例如，Imagine 是一個智能手機應用程序，無需通過網絡傳輸圖像數據，通過分析數字圖片就能診斷皮膚疾病和蚊蟲叮咬。
我們設想了移動架構，并且設計了使用計算機視覺簡單快速生成內部空間的準確 3D 模型的應用。
一種更加強大且富有彈性的物聯網將包含自我檢測設備，這種設備使用機器學習來預測維修需要，自己診斷故障。(15)
在媒體和娛樂界，我們將可能見證移動設備——既有移動手機這樣的通用目的設備，也有增強現實頭盔這樣的特定功能設備——為游戲和影視娛樂提供更加真實、迷人的增強、虛擬現實。
為機器學習設計的超低功耗處理器將有可能幫助消費者和工業設備以及機器理解周圍環境并對其做出響應，找到它們進入獨立于互聯網的語音控制可穿戴設備、家用電氣以及工業機械的途徑。
具有強勁計算機視覺支持能力的低電耗芯片正讓無人飛行器，也就是許多行業（從不動產、建筑業到農業、能源、航空以及國防）使用的無人機，擁有一些令人印象深刻的功能。無人機制造商 DJI 最近推出一款面向消費者的飛行器，能跟隨一個移動著的目標，并同時自動避開障礙物。(16)
新的采用了機器學習的強勁移動計算機視覺模塊，正幫助先進駕駛輔助系統「應對日常駕駛中的挑戰，比如始料不及的道路碎片、馬路殺手司機和施工區」。(17)
使用了計算機視覺來精準定位用戶、跟蹤用戶動作以及進行室內導航的戶內導航程序將在博物館、火車站、機場、商場和零售店找到自己的用武之地，開辟出新的廣告和業務良機，不再需要配置燈標或采用其他以連接為基礎的辦法。
我們的腦洞還沒有想象出即將來臨的應用，能感知、分析包括聲音、錄像和生物特征在內的感官輸入并對它們做出回應的設備，從可穿戴的到便攜的——全部都由設計用來支持機器學習神經網絡的低電耗芯片驅動。
影響與意義
小型、高效、低能耗、高性能、移動機器學習。新產品。新的人機交互界面。與消費者打交道并服務消費者的強勁新方式。這里描述的趨勢會對各行業的公司和專家有所啟發。
移動設備和移動 apps 制造商（Makers of mobile devices and mobile apps）應該開始讓他們自己熟悉新一代能夠離線的機器學習設備的潛能。
用戶體驗設計師（User-experience designers）應該開始探索這些技術能讓那些體驗成為可能。技術供應商正發行開發套件，比如，谷歌 Tango 項目的開發套件和 NVIDIA 的Jetson TX1 開發工具包，鼓勵設計師和開發者這么做。
從事消費者和產業產品方面工作的產品戰略家（Product strategists ）和工程師應該考慮移動感知計算能給產品帶來的價值，從家用電器、到私人機器人、再到工業設備。
市場領導者（Marketing leaders ）應該探索新一代感知設備如何幫助公司培養與客戶之間更親密、積極的關系。
運營高管（Operations executives）應該評估這些設備——包括——能在多大程度上幫助他們的員工實現效率和質量優勢。(18)
網絡風險專業人士（Cyber risk professionals）應該探索一下移動機器學習可以如何提出偵測并減輕針對移動設備的威脅的新方法。Qualcomm 公司已經在推銷它的 Snapdragon 820 處理器，具有基于機器學習的 惡意軟件檢測能力；當然也將有其他以此為目的而使用機器學習的產品。(19)
在接下來的18到24個月里，機器學習、增強感知的移動設備的到來很可能會對各種產品、應用程序和商業實踐產生巨大影響。是時候開始準備迎接移動機器學習和感知計算的時代了。
本文由機器之心編譯
| 
QQ好友和群
QQ空間
騰訊微博
騰訊朋友
收藏
淘帖
頂
踩
