【中國(guó)傳動(dòng)網(wǎng) 技術(shù)前沿】 近年來，人工智能（AI）已經(jīng)成為了一種非常流行的表達(dá)方式。上個(gè)世紀(jì)是一個(gè)富有創(chuàng)新的世紀(jì)，特別是在數(shù)學(xué)方面，為實(shí)現(xiàn)人工智能帶來了希望，可是很多技術(shù)上和概念上的差距讓各種各樣的方案都胎死腹中。然而，得益于過去20年來在計(jì)算能力、數(shù)據(jù)累積、數(shù)學(xué)工具等方面取得的巨大進(jìn)步，而且所有這些都能以更低的成本實(shí)現(xiàn)，今天，人工智能已經(jīng)開始融入各個(gè)行業(yè)。

為了使機(jī)器能夠理解周圍的世界，科技的發(fā)展從生物學(xué)方面獲得了啟發(fā)。通過眼睛可以獲得80%的信息，使得人類可以自我定位、并且和在他們視力范圍內(nèi)的世界進(jìn)行互動(dòng)。

因此，大多數(shù)人工智能方面的研究都是集中在分析來自于視覺系統(tǒng)圖像的能力上。來自于生物學(xué)方面的另一個(gè)啟發(fā)是允許機(jī)器分析這些圖像的數(shù)學(xué)結(jié)構(gòu)：人工神經(jīng)網(wǎng)絡(luò)、人類大腦的微型結(jié)構(gòu)復(fù)制品。

存在多種不同的神經(jīng)網(wǎng)絡(luò)，主要取決于神經(jīng)元之間的連接的拓?fù)洌褂玫木酆虾瘮?shù)、閾值函數(shù)和反向傳播方法。這些數(shù)學(xué)方法都是人工智能領(lǐng)域的一部分，稱為“深度學(xué)習(xí)”，通常被分為兩部分：訓(xùn)練和推理。

根據(jù)要實(shí)現(xiàn)的目標(biāo)不同，絕大多數(shù)的神經(jīng)網(wǎng)絡(luò)都有著種類非常多的“訓(xùn)練”算法（有監(jiān)督的或無監(jiān)督的）。算法可根據(jù)在網(wǎng)絡(luò)輸入處呈現(xiàn)的數(shù)據(jù)集修改突觸權(quán)重。訓(xùn)練的目標(biāo)是使神經(jīng)網(wǎng)絡(luò)可以從示例中“學(xué)習(xí)”。

如果正確執(zhí)行訓(xùn)練，則網(wǎng)絡(luò)將提供與訓(xùn)練數(shù)據(jù)集的輸入值非常相似的輸出響應(yīng)。推理引擎是對(duì)應(yīng)于演繹推理的模擬的軟件算法，在深度學(xué)習(xí)的情況下是神經(jīng)網(wǎng)絡(luò)。該軟件通常嵌入在設(shè)備中。

在過去10年中，深度學(xué)習(xí)在許多領(lǐng)域都取得了進(jìn)展。基于圖像的技術(shù)包括面部識(shí)別、虹膜和手勢(shì)監(jiān)控、對(duì)象和自由空間檢測(cè)，以及最新的行為識(shí)別。

從市場(chǎng)角度來看，從汽車上可以注意到最驚人的進(jìn)展，因?yàn)檫@些用于高級(jí)駕駛輔助系統(tǒng)（ADAS）的技術(shù)被用在了檢測(cè)障礙物、識(shí)別指示牌、信號(hào)燈、汽車、行人以及其他類似的目標(biāo)上。圖像來自于布置在車身及其周圍的一系列攝像頭，而訓(xùn)練是在位于數(shù)據(jù)中心的特定的計(jì)算機(jī)上進(jìn)行的。對(duì)于半自動(dòng)駕駛的車輛，推理算法是內(nèi)嵌在引擎控制單元（ECU）內(nèi)的，對(duì)于機(jī)器人駕駛或全自動(dòng)駕駛的車輛，推理算法是完全內(nèi)嵌在計(jì)算機(jī)內(nèi)的。

生物識(shí)別技術(shù)是深度學(xué)習(xí)被廣泛使用的另一個(gè)主要部分。我們發(fā)現(xiàn)它的算法用于個(gè)人身份驗(yàn)證，例如最新的智能手機(jī)很多都采用3D面部識(shí)別。在國(guó)土安全領(lǐng)域，通過專用攝像機(jī)的使用，面部識(shí)別被用于邊境控制以及身份證明文件的制作。

基于深度學(xué)習(xí)的虹膜識(shí)別也越來越多地用于移動(dòng)設(shè)備的個(gè)人身份認(rèn)證。未來，我們可以在這一部分中添加行為識(shí)別，雖然目前仍處于研發(fā)階段，不過所取得的初步成果已經(jīng)令人鼓舞了。深度學(xué)習(xí)已經(jīng)可以集成在手勢(shì)識(shí)別中，但目前主要集中在娛樂、車載計(jì)算機(jī)、游戲和商用無人機(jī)控制領(lǐng)域。在過去10年中，很多公司在人工智能領(lǐng)域的投資持續(xù)增加。市場(chǎng)研究機(jī)構(gòu)Yole預(yù)計(jì)到2025年復(fù)合年增長(zhǎng)率將達(dá)到50％，收入主要集中在使用深度學(xué)習(xí)的技術(shù)上。

不可否認(rèn)，人工智能的發(fā)展也離不開專門的硬件開發(fā)。值得注意的是，視覺處理器的設(shè)計(jì)者和研發(fā)人員還通過嵌入式操作系統(tǒng)和軟件開發(fā)工具包（SDK）提供了軟件層。

這使得實(shí)施軟件解決方案變得非常容易，而且可以讓硬件的性能發(fā)揮到最大。市場(chǎng)上已經(jīng)有很多專屬于平臺(tái)的開發(fā)工具包可選，例如：ARM公司的embedOS、NVIDIA公司的Jetson、Xilinx公司的XSDK以及CEVA公司的CDNN工具包。

為嵌入式系統(tǒng)開發(fā)人工智能的企業(yè)，必須在開發(fā)其解決方案時(shí)考慮這個(gè)后加的軟件層，并將其設(shè)計(jì)為與不同類型的硬件兼容。隨著其發(fā)展勢(shì)頭的繼續(xù)，人工智能視覺系統(tǒng)將迎來一個(gè)光明的未來，無論是硬件層面、專用處理器市場(chǎng)，還是軟件層面，都將有越來越強(qiáng)大的算法，以期在物體、面部和手勢(shì)識(shí)別方面實(shí)現(xiàn)更高的精度。