脱离互联网, 人工智能“单机版”依然强大

2017-06-21 15:40:55

与柯洁对战的AlphaGo的运算能力并不依赖于网络,网友们开玩笑的必杀技“拔网线”,并不能改变这场战斗的结果。这意味着人工智能正逐渐脱离互联网“哺乳期”,具备“离线也强大”这一特质的人工智能技术在悄然崛起

文/本刊记者 刘浩南编辑/王小

去年AlphaGo大胜李世石后,围棋史上最年轻的四冠王柯洁一度被寄予了“守护人类尊严”的厚望,然而,在2017年5月的乌镇,三场没有悬念的败局证明人类与人工智能实力的鸿沟。

人类想象中能赢的“必杀技”,似乎只剩网友们玩笑般的一句“拔网线”了。

拔掉网线,电路断开,散热风扇减速至停下,陷入一片死寂——在我们的想象中,AlphaGo如科幻电影中的人工智能反派一样,强大无形但高度依赖于网络生存,似乎找到网络接点这个阿喀琉斯之踵,它的运作就会终止。

让人们失望的是,AlphaGo之父哈萨比斯在赛后采访中明确表示,本次与柯洁对战的是“单机版”的AlphaGo,即在对战中没有连接网络。也就是说,与柯洁对战的AlphaGo的运算能力并不依赖于网络,而更多来自于自身TPU芯片的强劲。

“联网更好,不联网也行,对赛事结果没有影响。单机的计算量已经满足它与人类下棋。”《互联网进化论》作者、人工智能领域专家刘锋说。人工智能逐渐脱离互联网“哺乳期”,具备“离线也强大”这一特质的人工智能技术,正在悄然崛起。

AlphaGo“断奶”

被称为“单机版”的人工智能技术,实际上有一个颇具科幻感的名词——嵌入式人工智能。

和传统意义的人工智能相比,嵌入式人工智能最大的特点是能独立运算、离线状态下感知设备也工作。也就是在不联网的情况下,嵌入式人工智能通过本地计算完成实时环境感知、人机交互、决策控制等任务。

现阶段人工智能的算力主要由两部分构成:云计算和终端本身的运算能力。二者关系密不可分,但分工上存在差异。以AlphaGo为例,除了Google云成熟的云计算能力外,去年5月Google I/O大会(开发者大会)上发布的自研芯片TPU,也是AlphaGo强大计算能力的来源。

作为Google专为深度学习神经网络定制的芯片,TPU汇注了Google对人工智能的研发心血。在TPU运算能力的锻炼和数据收集过程中,Google云的云计算能力更像一位助理教练,主要任务是减少计算量以及数据备份。到了实际运算使用中,TPU作为单独的运算模块可以独立运行,并承担主要的运算执行任务。

受制于网络状况和复杂多样的要求,互联网在人工智能技术中扮演的角色正在慢慢变化,在终端运算能力不断强化的过程中,越来越多地作为一个辅助者发挥作用。

“依靠网络是(人工智能)成长期的表现。”一位长期聚焦人工智能行业的媒体人士表示,“这个阶段有多久不好说,但未来肯定都是半链接网络的。”

叱咤棋类运动后,AlphaGo目前还没有开始深入运用阶段,但以“单机版”形式迎战柯洁,展示了它作为嵌入式人工智能运用的一个方向,也掀开了嵌入式人工智能市场的幕布。

“单机版”的优势

“当今人工智能的计算大多数都在BAT(百度、阿里巴巴、腾讯)的数据中心,在云上面。但我们发现,有一个巨大的机会远离数据中心,在互联网的边缘。”地平线机器人技术研发有限公司CEO余凯在今年2月的“北大AI公开课”上谈及嵌入式人工智能时,对自己正在瞄准的这一细分领域表示信心十足。

4月28日的“GMIC AI+国际峰会”上,零零无限CEO王孟秋、中科创达技术总监王璠和云迹科技CEO支涛也都不约而同地谈到了嵌入式人工智能这一概念。

王孟秋介绍,零零无限旗下的自拍无人机Hover Camera,在仅重242克的机身上搭载了图形自动识别和跟随,利用脸部识别和特定图形技术,并可以自动执行相关指令。这款无人机提前被输入指令,执行任务过程中完全是脱网的。这也是目前市面上大部分无人机的算力构成方式——在本地即时处理任务指令,云端备份数据。

如视觉避障,720p的实时图像数据每分钟达到几个GB,如果无人机拍下画面,传到手机,再传到云端,获得指令后再传回手机,最后传回无人机,等这一过程时,也许无人机已经撞上障碍物了。因此,这一过程必须在本地端完成。

信息延迟,对于自动驾驶技术更是性命攸关的大问题。当一辆自动驾驶汽车遇到复杂的路况时,需要快速决策下一个动作以避险,如果经过雷达捕捉数据,然后上传,再计算,当根据计算得出的行动指令传输到终端时,可能已经来不及挽回一场交通事故了。

在自动驾驶的场景中,延时即意味着危险系数的提高。而成熟的嵌入式人工智能,让终端自己处理信息后即时执行指令,正是对时间敏感度高、操作容错率低的人工智能设备的福音。

“我们在为无人机、机器人设计SOM核心计算模块时,更强调人工智能的本地计算能力,以及执行命令的即时性。”中科创达CEO耿增强接受《财经》记者采访时介绍。

耿增强坚信,嵌入式是不可缺席的人工智能架构方案。尽管云学习、云地图、云导航、云知识等功能是现阶段智能机器人的“标配”,但他认为,一旦遇到紧急而脱机时,嵌入式的人工智能要保证智能机器人在失去云端支持时,仍然能执行基础任务并保证生存。

比如在断网状态下,智能机器人依然能完成自动避障,并找到充电桩开始自动充电,安全避障、求救等指令可以在本地进行计算,并最终实施。

上述这些应用场景,已经为我们勾画出一张嵌入式人工智能的大致脸谱——强调机动性、轻量化和实时性,因而也更人性化。

人性化,正是我们对于人工智能的核心要求。或许在嵌入式人工智能技术成熟后,“图灵测试”的内容就需要加上“断网”这一条件了,毕竟人工智能的智能水平高低,由它的自主性决定。

苹果对阵谷歌

“互为备份,不会单独需求,既要本地,能联网也要联网。”刘锋这样描述嵌入式人工智能中云端和本地终端的关系。

以联网和不联网作为判断嵌入式人工智能的标准,可能过于粗暴。在有良好网络条件的情况下,云端能减少本地端的计算任务,也能够完成信息储备能力及数据实时共享,当然是发挥人工智能全力的手段。

自人工智能概念诞生以来,云端技术一直是服务于人工智能的尽职尽责的“奶妈”。那么让人工智能“断奶”,难在哪里?

“最直接的是芯片能力。”耿增强指出,要集成足以脱离云端的算力,终端就需要足够大的存储空间和计算能力,自然要求更强力的处理器和更大的内存,这对于硬件技术要求非常严苛。

撰写《数据中心的TPU性能分析》一文的软件专家Norman Jouppi在接受《连线》(Wired)采访时称,Google一开始曾经考虑在AlphaGo上使用传统的FPGA芯片,但是当实验结果显示这种芯片处理速度未达预期时,他们果断选择了TPU芯片。

这种芯片为专用集成电路,一旦设计制造完成后,电路就无法再改变。这个颇为“激进”的决定,为AlphaGo带来了强大的本地运算能力,据Norman Jouppi的说法,TPU处理速度比当前GPU和CPU要快15倍到30倍,直接表现就是以“单机版”完胜柯洁。

尽管TPU在单机算力方面称得上行内楷模,但它是针对Google的特定算法设计的,并非通用处理器,目前无法运用到安卓手机、无人机等智能终端上。

其他的智能终端想要拥有TPU级别的单机算力,还需要一些拥有TPU级别算力且泛用性更强的处理器支持。

算法不成熟也是人工智能摆脱云端的一大阻碍。“算法还需要持续演化。一是,现阶段我们手头的数据不够,需要更多数据让人工智能变得更聪明;二是,算法算得太慢了,优化工作还不够。”谈到算法瓶颈时,耿增强指出两块最大的“拦路石”。

正所谓“八仙过海,各显神通”,在人工智能算法上举起大旗的,是Google在人工智能领域最大的对手苹果。

2017年的苹果开发者大会(WWDC)祭出大招,宣布开放机器学习(Machine Learning)开发者平台ML kit,为全球人工智能开发者提供了开源技术支持,同时也希望借此催生出更优秀的算法方案。

研发烧钱,抱团取暖

从嵌入式人工智能技术角度看,更好的芯片,更好的算法,更好的服务方案,自然需要更高的成本。

近年来大批“烧钱烧到死”的人工智能公司的教训,让这个绕不开的问题显得更严峻。

对于嵌入式人工智能的成本问题,耿增强似乎并不太担心:“说到底是规模效应问题,很多嵌入式人工智能新兴设备的量还没起来,造成成本比较高。当用户体验越来越好的时候,消费者更愿意买单了,量就起来了,成本下降会非常快。”

抱团取暖,是这个领域的新兴开发商们最适合的生存方式,用彼此稚嫩的毛发抵御日出前的晨冷。“如何低成本地实现终端智能,需要从底层计算架构到计算平台层,甚至到上面的软件算法等各方面配合。为此,产业界必须走到一起,共同解决这些问题。”余凯在北大AI公开课上说。

2016年12月1日,ARM和多家人工智能开发商宣布成立人工智能实验室OPEN AI LAB,成为第一个针对嵌入式人工智能技术研发设立的机构。国际上,Facebook、Amazon、Google、IBM等巨头们成立AI联盟,开始技术性“抱团”。

国内的百度、腾讯以及中科院孵化的寒武纪和一系列人工智能初创公司,在寻觅自研软件、硬件和算法技术性突破的同时,技术项目合作的趋势也越来越明显。

“我们对于这个(市场)逐渐蓬勃感到非常兴奋,毕竟嵌入式人工智能设备推广得更深入后,高度聚焦终端研发的(公司),机遇会非常多。”耿增强说。

这个市场在快速扩张,也表现在人们对人工智能的要求越来越严苛——安全性、实时性、移动性、场景适应能力,在近几年利用人工智能实现基因匹配、算法推荐等“庞大”的功能后,我们正在要求人工智能离自己更近,实现更多琐碎细小而实用的功能。

硬件和软件,云端和本地终端,永远在互相追赶,而人们对于人工智能的要求,永远比当下的技术领先一步。

刘浩南/文
人工智能 单机版 互联网