Всем здорова! 2017 год прошел под эгидой виртуальных помощников. Будущий год, похоже ознаменуется развитием мобильных процессоров, оснащенных искусственным интеллектом. Старт этому уже положен.
Apple, будучи одной из передовых технологических компаний, взяла на себя роль первопроходца, разработав A11 Bionic, снабженного AI Neural Engine. Новинка нашла свое место в свежих аппаратах “яблочников”.
Однако купертиновцы не едины в желании выпустить на рынок свежий продукт, богатый “умными” функциями.
Содержание статьи:
Чип Kirin 970 от Huawei имеет специальный процессор нейронной обработки. Его дееспособность можно протестировать на смартфоне Mate 10, котрый вышел осенью этого года.
Отрасль является слишком перспективной, поэтому не удивительно, что к гонке подключаются другие мощные производители такие, как Samsung, Qualcomm, NVIDIA, Intel. Для того существуют веские причины.
Спрос на обработку голоса в режиме реального времени и распознавание изображений растет в геометрической прогрессии. Среди массы процессоров, которые появятся в следующем году, важно распознать действительно уникальную разработку, а не очередной маркетинговый ход.
Реальны ли чипы с ИИ
Производители хотели бы создать умный чип, имитирующий человеческий мозг, и убедить покупателя в том, что именно их наработка лучшая среди прочих, однако ни одна лаборатория, в стенах каковой трудятся лучшие специалисты, не добралась достаточно близко до желаемого результата.
Коммерческие смартфоны не могут пока быть оснащены полноценной ИИ-системой. Новые типы процессоров делают такие программные задачи, как машинное обучение, более эффективными.
Следует обозначить разницу между искусственным интеллектом и машинным обучением.
ИИ — это концепция, описывающая машин, способных мыслить на уровне человека или иметь форму штучного мозга, имеющего интеллектуальные возможности приближенные к тем, которыми обладает человеческий орган.
Машинное обучение используется для обработки данных компьютером и принятия им решений, основанных на полученном ранее опыте.
Нейронные сети — это компьютерные системы, позволяющие программам, прошедшим машинное обучение, классифицировать информацию способом, применяемым самим человеком. Имеются в виду процессы, которые применяются в распознавании марок автомобилей, цветов, изображений и т. д.
Таким образом, когда разговор заходит об ИИ, маркетологи присущим им образом приукрашивают действительность, придавая ей более фантастический окрас. Таким же образом компании пытаются идентифицироваться среди конкурентов. Все они используют одинаковые наработки, однако преподносят их в ином ключе, с некой ноткой уникальности.
Разработчики внедряют новый компонент в свои SoC, повышая их производительность, а также усиливая эффективность задач, выполняемых AI-помощниками, наделенных интеллектом, как принято считать в народе. Улучшения касаются распознавания голоса, изображений, однако существуют иные варианты использования этих чипов.
Другие типы вычислений
Почему компании внезапно включают эти опции в свои разработки? Почему именно сейчас? Все эти вопросы рождаются на фоне увеличения разговоров о нейронных сетях, машинном обучении и гетерогенных вычислениях, а также об использовании смартфонов в более широком диапазоне.
Данные технологии помогают пользователям получить устройства с большим спектром возможностей, предугадывающих человеческие потребности, а также улучшающих обработку аудио, изображений, голоса, ускоряющих получение результатов поиска и т. д.
Другой вопрос, терзающий умы: где лучше производить такие вычисления — на устройстве или в облаке? Один из производителей ответил, что процедура скорее всего будет зависеть от конкретной задачи. В любом случае, оба варианта требуют иных и более сложных подходов к вычислениям, коими существующие 64-битные ЦП не располагают.
8- и 16-битные математические расчеты с плавающей запятой, сопоставление шаблонов, поиск базы данных, манипуляция с битовыми полями и параллельная обработка — вот лишь некоторые примеры действий, которые сложно выполнить на устройствах общего назначения.
Есть смысл создать пользовательский процессор, подходящий для подобных задач и хорошо работающий на традиционных аппаратах. Внедрение искусственного интеллекта в чипы создаст базу, на которую будут ориентироваться программисты при проектировании нового ПО.
Эффективность
Свежие чипы не просто обеспечивают большую вычислительную мощность, они также создаются для повышения энергоэффективности. Компоненты должны обладать малыми размерами, не преступать порог затратности энергии и не противоречить Закону Мура. Производители должны придерживаться этих правил.
Они могут выпускать более крупные образцы процессоров с повышенной мощностью, это позволило бы им лучше справляться с машинным обучением. Но это существенно сказывается на стоимости, а также потреблении питания, что не вписывается в концепцию создания бюджетных ЦП для смартфонов.
Вместо этого рациональнее разработать отдельный компонент, который может эффективно обрабатывать определенный набор задач. Подобные решения можно было наблюдать в процессорах Hexagon DSP внутри высокопроизводительных SoC, разработанных Qualcomm.
Со временем спрос на подобные модули упал, однако с появлением современных технологий прошлые наработки снова обретают смысл.
Юзер нигде особо не сталкивается с интеллектуальными возможностями смартфона, как бы производители не рекламировали своих виртуальных помощников и вычислительные центры с ИИ, призванных сделать телефон умнее.
Тем не менее, передовые технологии в сочетании с инструментами машинного обучения делают гаджеты более полезными.
Ребят, а как вам идея внедрения искусственного интеллекта в смартфонные процессоры? Напишите в комментариях. А у нас на сегодня все.
С вами был UpDron.ru
Пока!