正文

什么叫邊緣人工智能（什么叫邊緣人工智能）

發(fā)布時間：2023-03-19 19:03:41 稿源：創(chuàng)意嶺閱讀： 77 問大家

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于什么叫邊緣人工智能的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關鍵詞，就能返回你想要的內容，越精準，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com

創(chuàng)意嶺作為行業(yè)內優(yōu)秀企業(yè)，服務客戶遍布全國，代運營相關業(yè)務請撥打175-8598-2043，或微信：1454722008

本文目錄:

1、關于人工智能
2、人工智能3.0時代是什么
3、邊緣AI芯片市場火了，但大部分都是風投們點的
4、人工智能的定義是什么？

什么叫邊緣人工智能（什么叫邊緣人工智能）

一、關于人工智能

“人工智能”（Artificial Intelligence）簡稱AI。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。

人工智能研究如何用計算機去模擬、延伸和擴展人的智能；如何把計算機用得更聰明；如何設計和建造具有高智能水平的計算機應用系統(tǒng)；如何設計和制造更聰明的計算機以及智能水平更高的智能計算機等。

人工智能是計算機科學的一個分支，人工智能是計算機科學技術的前沿科技領域。

人工智能與計算機軟件有密切的關系。一方面，各種人工智能應用系統(tǒng)都要用計算機軟件去實現(xiàn)，另一方面，許多聰明的計算機軟件也應用了人工智能的理論方法和技術。例如，專家系統(tǒng)軟件，機器博弈軟件等。但是，人工智能不等于軟件，除了軟件以外，還有硬件及其他自動化和通信設備。

人工智能雖然是計算機科學的一個分支，但它的研究卻不僅涉及到計算機科學，而且還涉及到腦科學、神經(jīng)生理學、心理學、語言學、邏輯學、認知（思維）科學、行為科學和數(shù)學以及信息論、控制論和系統(tǒng)論等許多學科領域。因此，人工智能實際上是一門綜合性的交叉學科和邊緣學科。

人工智能主要研究用人工的方法和技術，模仿、延伸和擴展人的智能,實現(xiàn)機器智能。有人把人工智能分成兩大類：一類是符號智能，一類是計算智能。符號智能是以知識為基礎，通過推理進行問題求解。也即所謂的傳統(tǒng)人工智能。計算智能是以數(shù)據(jù)為基礎，通過訓練建立聯(lián)系，進行問題求解。人工神經(jīng)網(wǎng)絡、遺傳算法、模糊系統(tǒng)、進化程序設計、人工生命等都可以包括在計算智能。

傳統(tǒng)人工智能主要運用知識進行問題求解。從實用觀點看，人工智能是一門知識工程學：以知識為對象，研究知識的表示方法、知識的運用和知識獲取。

人工智能從1956年提出以來取得了很大的進展和成功。1976年Newell 和Simon提出了物理符號系統(tǒng)假設，認為物理符號系統(tǒng)是表現(xiàn)智能行為必要和充分的條件。這樣，可以把任何信息加工系統(tǒng)看成是一個具體的物理系統(tǒng)，如人的神經(jīng)系統(tǒng)、計算機的構造系統(tǒng)等。80年代Newell 等又致力于SOAR系統(tǒng)的研究。SOAR系統(tǒng)是以知識塊(Chunking)理論為基礎，利用基于規(guī)則的記憶，獲取搜索控制知識和操作符，實現(xiàn)通用問題求解。Minsky從心理學的研究出發(fā)，認為人們在他們日常的認識活動中，使用了大批從以前的經(jīng)驗中獲取并經(jīng)過整理的知識。該知識是以一種類似框架的結構記存在人腦中。因此，在70年代他提出了框架知識表示方法。到80年代，Minsky認為人的智能，根本不存在統(tǒng)一的理論。1985年，他發(fā)表了一本著名的書《Society of Mind(思維社會)》。書中指出思維社會是由大量具有某種思維能力的單元組成的復雜社會。以McCarthy和Nilsson等為代表，主張用邏輯來研究人工智能，即用形式化的方法描述客觀世界。邏輯學派在人工智能研究中，強調的是概念化知識表示、模型論語義、演繹推理等。 McCarthy主張任何事物都可以用統(tǒng)一的邏輯框架來表示，在常識推理中以非單調邏輯為中心。傳統(tǒng)的人工智能研究思路是“自上而下”式的，它的目標是讓機器模仿人，認為人腦的思維活動可以通過一些公式和規(guī)則來定義，因此希望通過把人類的思維方式翻譯成程序語言輸入機器，來使機器有朝一日產(chǎn)生像人類一樣的思維能力。這一理論指導了早期人工智能的研究。

近年來神經(jīng)生理學和腦科學的研究成果表明，腦的感知部分，包括視覺、聽覺、運動等腦皮層區(qū)不僅具有輸入/輸出通道的功能，而且具有直接參與思維的功能。智能不僅是運用知識，通過推理解決問題，智能也處于感知通道。

1990年史忠植提出了人類思維的層次模型，表明人類思維有感知思維、形象思維、抽象思維，并構成層次關系。感知思維是簡單的思維形態(tài)，它通過人的眼、耳、鼻、舌、身感知器官產(chǎn)生表象，形成初級的思維。感知思維中知覺的表達是關鍵。形象思維主要是用典型化的方法進行概括，并用形象材料來思維，可以高度并行處理。抽象思維以物理符號系統(tǒng)為理論基礎，用語言表述抽象的概念。由于注意的作用，使其處理基本上是串行的.

二、人工智能3.0時代是什么

迄今為止，人工智能（AI）發(fā)展的特點是基于邏輯和計算不斷迭代，從邏輯智能轉向計算智能。邏輯智能的核心是基于邏輯的各種推理方法，專家系統(tǒng)和Lisp機是其發(fā)展的高峰。如果說邏輯智能是AI 1.0，計算智能就是AI 2.0，其始于控制論和認知計算，從20世紀80年代中期開始大規(guī)模地使用多層神經(jīng)元網(wǎng)絡，一直發(fā)展到現(xiàn)在的深度神經(jīng)元網(wǎng)絡，是當前人工智能的主要突破。人工智能3.0：人機與虛擬互動交互

我個人理解，AI 3.0是人機與虛擬互動交融的人工智能——“人機混合虛實互動的平行智能”，即處于邊緣端的機械的、生物的智能，會產(chǎn)生有限的數(shù)據(jù)，再通過云端的云計算產(chǎn)生大數(shù)據(jù)，最后云計算把大數(shù)據(jù)變成精準的深度智能，再返回邊緣端的生物體、物理體或機器人，就是Small Data-Big Data-Smart Data。這是一個循環(huán)的過程，是從邊緣端的涌現(xiàn)到云霧端的收斂，這一“涌現(xiàn)收斂”也是復雜性科學的核心理念。AI 3.0的普及應用能夠服務社會，而不是像某些專家宣稱的那樣會導致失業(yè)。它會讓人類生活得更好，讓人與機器各司其職——“人有人用，機有機用”，從專業(yè)分工，到人機分工，進而虛實分工，從而創(chuàng)造一個更加和諧的社會。例如，AI 3.0在無人駕駛中的體現(xiàn)就是“平行駕駛”——把有人車、遙控車、網(wǎng)聯(lián)車、無人車等，用“平行車”統(tǒng)一起來。即各種實體車輛在路上行駛的同時，在平行的云端世界中，同樣的虛擬車也在行駛，并通過云計算生成最優(yōu)的行駛策略，從而控制實體車輛的運行。盡管有人車在速度、效率、安全性以及環(huán)境污染方面存在缺陷，注定它最終會被無人車取代，但我們不能急功近利，盲目普及無人車而付出慘痛的代價。我認為應該用二三十年的時間，從AI 2.0發(fā)展到AI 3.0，平穩(wěn)過渡到無人車時代，這是普及無人車的唯一途徑。未來智能的發(fā)展及真正推廣應用還要解決兩個問題。第一個問題是AI的可靠性，包括它的可解釋性。我認為，AI的可解釋性歸根結底就是人工智能的可靠性。第二個問題是AI的合法性，尤其是在對個人隱私的保護方面，這已經(jīng)引起了許多國家的反思和重視。當AI結合了區(qū)塊鏈等技術，可以從技術層面解決這些問題。然而，用法律體系來規(guī)范AI系統(tǒng)的構建和應用才是關鍵，必不可少。

AI正在改變人類的未來。我們需要改變教育模式，培養(yǎng)面向未來的AI人才。就像傳授“四書五經(jīng)”的私塾教育無法培養(yǎng)現(xiàn)代工業(yè)所需要的新型人才，目前全世界的教育體制都落后于智能技術發(fā)展。對于未來的AI人才，我認為應著重培養(yǎng)3種思維：

首先是復雜性思維，因為AI本身就屬于復雜性科學的范疇，要用整體的視角去看AI技術，這非常重要。其次是跨學科思維，因為AI要普及應用，就一定會涉及多學科、交叉學科和跨學科的知識。最后是系統(tǒng)化思維，AI真正要普及應用，取得可接受的可靠性、可接受的合法性，就一定要有系統(tǒng)思維，就像我們有“系統(tǒng)工程”一樣,我們也要有“系統(tǒng)智能”

三、邊緣AI芯片市場火了，但大部分都是風投們點的

本文編譯自zdnet

據(jù)知名芯片分析公司Linley Group稱，智能手機等邊緣設備上的人工智能推理的芯片吸引了越來越多的初創(chuàng)公司和風險投資。

“有更多新的初創(chuàng)公司不斷涌現(xiàn)，并繼續(xù)試圖與眾不同?！盠inley Group的高級分析師Mike Demler在接受 ZDNet 電話采訪時表示。

在最近一次于 10 月在加州圣克拉拉舉行的線上線下同步活動中，包括Flex Logix、Hailo Technologies、Roviero、BrainChip、Syntiant、Untether AI、Expedera 和 Deep AI 等初創(chuàng)公司分別談論他們的芯片設計。

Demler 和團隊定期編寫一份題為《深度學習處理器指南》的研究報告，最新版本預計將于本月發(fā)布。 “在這個最新版本中，我統(tǒng)計了 60 多家芯片供應商?！彼嬖V ZDNet。

Edge Cortix

邊緣AI已成為一個籠統(tǒng)的術語，主要指不在數(shù)據(jù)中心內的所有事物，盡管它可能包括位于數(shù)據(jù)中心邊緣的服務器。它的范圍從智能手機到使用谷歌TinyML 框架微瓦功率級別的嵌入式設備。

Demler 說，其中功耗從幾瓦到 75 瓦不等的邊緣AI芯片，是市場中最擁擠的部分，通常采用可插拔 PCIe 或 M.2 卡的形式。（75 瓦是 PCI 總線限制。）

“PCIe 卡是市場的熱門部分，用于工業(yè)人工智能、機器人技術、交通監(jiān)控?！彼忉屨f。 “你已經(jīng)看到了 Blaize、FlexLogic 等公司——其中很多公司都在追求這一領域?！?

但真正的低功耗也相當活躍。“我想說的是 tinyML 領域也很火爆，從幾毫瓦到幾微瓦不等?！?

Hailo軟件工具鏈

大多數(shù)器件都是專用于人工智能的“推理”階段。

推理發(fā)生在神經(jīng)網(wǎng)絡程序經(jīng)過訓練之后，這意味著它的可調參數(shù)已經(jīng)完全開發(fā)到足以可靠地形成預測并且可以投入應用。

Demler說，初創(chuàng)公司面臨的最初挑戰(zhàn)實際上是從一個漂亮的PPT到工程中實際應用。許多人從FPGA仿真開始，然后轉向銷售成品SoC，或者將他們的設計變?yōu)榭烧系娇蛻鬝oC中的IP。

“我們仍然看到許多初創(chuàng)公司對沖他們的賭注，或者盡可能多地追求靈活的收入模式?！盌emler 說，“首先在 FPGA 上進行演示，并提供他們的核心 IP 以進行許可。一些初創(chuàng)公司還提供基于 FPGA 的版本作為產(chǎn)品?！?

Roviero

市場上有數(shù)十家供應商，因此真正點亮的芯片，也面臨著各種競爭與挑戰(zhàn)。

“很難總結出各家的真正不同?！盌emler說。 “我已經(jīng)看了幾十個宣稱‘世界第一’或‘世界最好’的PPT?！?

有些公司一開始采用了不同的方法，以至于他們很早就脫穎而出，但花了一些時間才結出碩果。

澳大利亞悉尼的 BrainChip Holdings 在 2011 年就開始使用芯片來處理脈沖神經(jīng)網(wǎng)絡，這是一種人工智能的神經(jīng)形態(tài)方法，旨在更準確地模擬人腦的功能。

多年來，該公司展示了其技術如何執(zhí)行任務，例如使用機器視覺識別賭場地板上的撲克籌碼。

“BrainChip 一直在堅決低追求這種尖端架構?！盌emler 說。 “它具有獨特的能力，它可以真正在設備上學習”，從而進行訓練和推理。

FlexLogix

從某種意義上說，BrainChip 是所有初創(chuàng)公司中走得最遠的：它上市了。其股票在澳大利亞證券交易所上市，股票代碼為“BRN”，去年秋天，該公司發(fā)行了美國存托股票，在美國場外交易市場交易，股票代碼為“BCHPY”。自那以后，股票的價值已經(jīng)翻了三倍多。

BrainChip 剛剛開始產(chǎn)生收入。該公司在 10 月份推出了適用于 x86 和 Raspberry Pi 的“Akida”處理器的迷你 PCIe 板，并于上個月宣布了新的 PCIe 板，價格為 499 美元。該公司在 12 月季度的收入為 110 萬美元，高于上一季度的 10 萬美元。年度總收入250 萬美元，運營虧損 1400 萬美元。

事實證明，其他一些奇特的方法很難在實踐中實現(xiàn)。芯片初創(chuàng)公司 Mythic 成立于 2012 年，總部位于德克薩斯奧斯汀，一直在尋求使用模擬技術實現(xiàn)AI的新穎路線，它不是處理 1 和 0，而是通過操縱實時的模擬電信號進行計算。

“Mythic 已經(jīng)生產(chǎn)了一些芯片，但還沒有公布我們所知道的任何設計導入?！盌emler觀察到?！懊總€人都同意，理論上，模擬應該具有功率效率優(yōu)勢，但在商業(yè)上實現(xiàn)這一點要困難得多?！?

ArchiTek

Demler 指出，另一家在處理器大會上展示的初創(chuàng)公司 Syntiant 也是以模擬芯片設計方法開始，但認為模擬沒有提供足夠的功耗優(yōu)勢，并且開發(fā)周期更長。

加州歐文市的 Syntiant 成立于 2017 年，專注于非常簡單的物體識別，它可以在功能機或可穿戴式設備上以低功耗運行。

“在功能機上，您不需要應用處理器，因此 Syntiant 解決方案是完美的?！盌emler說道。

Demler 表示，無論任何一家初創(chuàng)公司是否成功，AI的實用性都意味著AI加速將作為一種芯片技術持續(xù)存在。

“人工智能在許多領域變得如此普遍，包括汽車、嵌入式處理、物聯(lián)網(wǎng)、移動、PC、云等，專用加速器將變得司空見慣，就像 GPU 用于圖形一樣?！?

Expedera

盡管如此，Demler 說，在通用 CPU、DSP 或 GPU 上運行某些任務會更有效率。這就是為什么英特爾和英偉達以及其他公司正在使用特殊指令（例如矢量處理）來繼續(xù)他們的架構。

只要風投市場現(xiàn)金充裕，養(yǎng)料豐富，一千朵鮮花都可以綻放，市場可以有不同的方法進行探索。

“仍然有如此多的風險投資資金進入這一市場，我對這些增量感到震驚?！盌emler說。