正文

什么叫邊緣人工智能（什么叫邊緣人工智能）

發(fā)布時(shí)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(lái)大家介紹下關(guān)于什么叫邊緣人工智能的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來(lái)看看吧。

開始之前先推薦一個(gè)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(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀企業(yè)，服務(wù)客戶遍布全國(guó)，代運(yùn)營(yíng)相關(guān)業(yè)務(wù)請(qǐng)撥打175-8598-2043，或微信：1454722008

本文目錄:

1、關(guān)于人工智能
2、人工智能3.0時(shí)代是什么
3、邊緣AI芯片市場(chǎng)火了，但大部分都是風(fēng)投們點(diǎn)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(guān)于人工智能

“人工智能”（Artificial Intelligence）簡(jiǎn)稱AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。

人工智能研究如何用計(jì)算機(jī)去模擬、延伸和擴(kuò)展人的智能；如何把計(jì)算機(jī)用得更聰明；如何設(shè)計(jì)和建造具有高智能水平的計(jì)算機(jī)應(yīng)用系統(tǒng)；如何設(shè)計(jì)和制造更聰明的計(jì)算機(jī)以及智能水平更高的智能計(jì)算機(jī)等。

人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，人工智能是計(jì)算機(jī)科學(xué)技術(shù)的前沿科技領(lǐng)域。

人工智能與計(jì)算機(jī)軟件有密切的關(guān)系。一方面，各種人工智能應(yīng)用系統(tǒng)都要用計(jì)算機(jī)軟件去實(shí)現(xiàn)，另一方面，許多聰明的計(jì)算機(jī)軟件也應(yīng)用了人工智能的理論方法和技術(shù)。例如，專家系統(tǒng)軟件，機(jī)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(dòng)化和通信設(shè)備。

人工智能雖然是計(jì)算機(jī)科學(xué)的一個(gè)分支，但它的研究卻不僅涉及到計(jì)算機(jī)科學(xué)，而且還涉及到腦科學(xué)、神經(jīng)生理學(xué)、心理學(xué)、語(yǔ)言學(xué)、邏輯學(xué)、認(rèn)知（思維）科學(xué)、行為科學(xué)和數(shù)學(xué)以及信息論、控制論和系統(tǒng)論等許多學(xué)科領(lǐng)域。因此，人工智能實(shí)際上是一門綜合性的交叉學(xué)科和邊緣學(xué)科。

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

傳統(tǒng)人工智能主要運(yùn)用知識(shí)進(jìn)行問題求解。從實(shí)用觀點(diǎn)看，人工智能是一門知識(shí)工程學(xué)：以知識(shí)為對(duì)象，研究知識(shí)的表示方法、知識(shí)的運(yùn)用和知識(shí)獲取。

人工智能從1956年提出以來(lái)取得了很大的進(jìn)展和成功。1976年Newell 和Simon提出了物理符號(hào)系統(tǒng)假設(shè)，認(rèn)為物理符號(hào)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(gè)具體的物理系統(tǒng)，如人的神經(jīng)系統(tǒng)、計(jì)算機(jī)的構(gòu)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(shí)塊(Chunking)理論為基礎(chǔ)，利用基于規(guī)則的記憶，獲取搜索控制知識(shí)和操作符，實(shí)現(xiàn)通用問題求解。Minsky從心理學(xué)的研究出發(fā)，認(rèn)為人們?cè)谒麄內(nèi)粘５恼J(rèn)識(shí)活動(dòng)中，使用了大批從以前的經(jīng)驗(yàn)中獲取并經(jīng)過整理的知識(shí)。該知識(shí)是以一種類似框架的結(jié)構(gòu)記存在人腦中。因此，在70年代他提出了框架知識(shí)表示方法。到80年代，Minsky認(rèn)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(huì))》。書中指出思維社會(huì)是由大量具有某種思維能力的單元組成的復(fù)雜社會(huì)。以McCarthy和Nilsson等為代表，主張用邏輯來(lái)研究人工智能，即用形式化的方法描述客觀世界。邏輯學(xué)派在人工智能研究中，強(qiáng)調(diào)的是概念化知識(shí)表示、模型論語(yǔ)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(lái)表示，在常識(shí)推理中以非單調(diào)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(biāo)是讓機(jī)器模仿人，認(rèn)為人腦的思維活動(dòng)可以通過一些公式和規(guī)則來(lái)定義，因此希望通過把人類的思維方式翻譯成程序語(yǔ)言輸入機(jī)器，來(lái)使機(jī)器有朝一日產(chǎn)生像人類一樣的思維能力。這一理論指導(dǎo)了早期人工智能的研究。

近年來(lái)神經(jīng)生理學(xué)和腦科學(xué)的研究成果表明，腦的感知部分，包括視覺、聽覺、運(yùn)動(dòng)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(yùn)用知識(shí)，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(gòu)成層次關(guān)系。感知思維是簡(jiǎn)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(jí)的思維。感知思維中知覺的表達(dá)是關(guān)鍵。形象思維主要是用典型化的方法進(jìn)行概括，并用形象材料來(lái)思維，可以高度并行處理。抽象思維以物理符號(hào)系統(tǒng)為理論基礎(chǔ)，用語(yǔ)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(shí)代是什么

迄今為止，人工智能（AI）發(fā)展的特點(diǎn)是基于邏輯和計(jì)算不斷迭代，從邏輯智能轉(zhuǎn)向計(jì)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(jī)是其發(fā)展的高峰。如果說邏輯智能是AI 1.0，計(jì)算智能就是AI 2.0，其始于控制論和認(rèn)知計(jì)算，從20世紀(jì)80年代中期開始大規(guī)模地使用多層神經(jīng)元網(wǎng)絡(luò)，一直發(fā)展到現(xiàn)在的深度神經(jīng)元網(wǎng)絡(luò)，是當(dāng)前人工智能的主要突破。人工智能3.0：人機(jī)與虛擬互動(dòng)交互

我個(gè)人理解，AI 3.0是人機(jī)與虛擬互動(dòng)交融的人工智能——“人機(jī)混合虛實(shí)互動(dòng)的平行智能”，即處于邊緣端的機(jī)械的、生物的智能，會(huì)產(chǎn)生有限的數(shù)據(jù)，再通過云端的云計(jì)算產(chǎn)生大數(shù)據(jù)，最后云計(jì)算把大數(shù)據(jù)變成精準(zhǔn)的深度智能，再返回邊緣端的生物體、物理體或機(jī)器人，就是Small Data-Big Data-Smart Data。這是一個(gè)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(fù)雜性科學(xué)的核心理念。AI 3.0的普及應(yīng)用能夠服務(wù)社會(huì)，而不是像某些專家宣稱的那樣會(huì)導(dǎo)致失業(yè)。它會(huì)讓人類生活得更好，讓人與機(jī)器各司其職——“人有人用，機(jī)有機(jī)用”，從專業(yè)分工，到人機(jī)分工，進(jìn)而虛實(shí)分工，從而創(chuàng)造一個(gè)更加和諧的社會(huì)。例如，AI 3.0在無(wú)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(wú)人車等，用“平行車”統(tǒng)一起來(lái)。即各種實(shí)體車輛在路上行駛的同時(shí)，在平行的云端世界中，同樣的虛擬車也在行駛，并通過云計(jì)算生成最優(yōu)的行駛策略，從而控制實(shí)體車輛的運(yùn)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(huì)被無(wú)人車取代，但我們不能急功近利，盲目普及無(wú)人車而付出慘痛的代價(jià)。我認(rèn)為應(yīng)該用二三十年的時(shí)間，從AI 2.0發(fā)展到AI 3.0，平穩(wěn)過渡到無(wú)人車時(shí)代，這是普及無(wú)人車的唯一途徑。未來(lái)智能的發(fā)展及真正推廣應(yīng)用還要解決兩個(gè)問題。第一個(gè)問題是AI的可靠性，包括它的可解釋性。我認(rèn)為，AI的可解釋性歸根結(jié)底就是人工智能的可靠性。第二個(gè)問題是AI的合法性，尤其是在對(duì)個(gè)人隱私的保護(hù)方面，這已經(jīng)引起了許多國(guó)家的反思和重視。當(dāng)AI結(jié)合了區(qū)塊鏈等技術(shù)，可以從技術(shù)層面解決這些問題。然而，用法律體系來(lái)規(guī)范AI系統(tǒng)的構(gòu)建和應(yīng)用才是關(guān)鍵，必不可少。

AI正在改變?nèi)祟惖奈磥?lái)。我們需要改變教育模式，培養(yǎng)面向未來(lái)的AI人才。就像傳授“四書五經(jīng)”的私塾教育無(wú)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(shù)發(fā)展。對(duì)于未來(lái)的AI人才，我認(rèn)為應(yīng)著重培養(yǎng)3種思維：

首先是復(fù)雜性思維，因?yàn)锳I本身就屬于復(fù)雜性科學(xué)的范疇，要用整體的視角去看AI技術(shù)，這非常重要。其次是跨學(xué)科思維，因?yàn)锳I要普及應(yīng)用，就一定會(huì)涉及多學(xué)科、交叉學(xué)科和跨學(xué)科的知識(shí)。最后是系統(tǒng)化思維，AI真正要普及應(yīng)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(chǎng)火了，但大部分都是風(fēng)投們點(diǎn)的

本文編譯自zdnet

據(jù)知名芯片分析公司Linley Group稱，智能手機(jī)等邊緣設(shè)備上的人工智能推理的芯片吸引了越來(lái)越多的初創(chuàng)公司和風(fēng)險(xiǎn)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(jí)分析師Mike Demler在接受 ZDNet 電話采訪時(shí)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(dòng)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?wù)撍麄兊男酒O(shè)計(jì)。

Demler 和團(tuán)隊(duì)定期編寫一份題為《深度學(xué)習(xí)處理器指南》的研究報(bào)告，最新版本預(yù)計(jì)將于本月發(fā)布。 “在這個(gè)最新版本中，我統(tǒng)計(jì)了 60 多家芯片供應(yīng)商。”他告訴 ZDNet。

Edge Cortix

邊緣AI已成為一個(gè)籠統(tǒng)的術(shù)語(yǔ)，主要指不在數(shù)據(jù)中心內(nèi)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(wù)器。它的范圍從智能手機(jī)到使用谷歌TinyML 框架微瓦功率級(jí)別的嵌入式設(shè)備。

Demler 說，其中功耗從幾瓦到 75 瓦不等的邊緣AI芯片，是市場(chǎng)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(chǎng)的熱門部分，用于工業(yè)人工智能、機(jī)器人技術(shù)、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(lǐng)域?！?

但真正的低功耗也相當(dāng)活躍。“我想說的是 tinyML 領(lǐng)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(luò)程序經(jīng)過訓(xùn)練之后，這意味著它的可調(diào)參數(shù)已經(jīng)完全開發(fā)到足以可靠地形成預(yù)測(cè)并且可以投入應(yīng)用。

Demler說，初創(chuàng)公司面臨的最初挑戰(zhàn)實(shí)際上是從一個(gè)漂亮的PPT到工程中實(shí)際應(yīng)用。許多人從FPGA仿真開始，然后轉(zhuǎn)向銷售成品SoC，或者將他們的設(shè)計(jì)變?yōu)榭烧系娇蛻鬝oC中的IP。

“我們?nèi)匀豢吹皆S多初創(chuàng)公司對(duì)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(jìn)行演示，并提供他們的核心 IP 以進(jìn)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(chǎng)上有數(shù)十家供應(yīng)商，因此真正點(diǎn)亮的芯片，也面臨著各種競(jìng)爭(zhēng)與挑戰(zhàn)。

“很難總結(jié)出各家的真正不同。”Demler說。 “我已經(jīng)看了幾十個(gè)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(shí)間才結(jié)出碩果。

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

多年來(lái)，該公司展示了其技術(shù)如何執(zhí)行任務(wù)，例如使用機(jī)器視覺識(shí)別賭場(chǎng)地板上的撲克籌碼。

“BrainChip 一直在堅(jiān)決低追求這種尖端架構(gòu)?！盌emler 說。 “它具有獨(dú)特的能力，它可以真正在設(shè)備上學(xué)習(xí)”，從而進(jìn)行訓(xùn)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(yuǎn)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(guó)存托股票，在美國(guó)場(chǎng)外交易市場(chǎng)交易，股票代碼為“BCHPY”。自那以后，股票的價(jià)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(gè)月宣布了新的 PCIe 板，價(jià)格為 499 美元。該公司在 12 月季度的收入為 110 萬(wàn)美元，高于上一季度的 10 萬(wàn)美元。年度總收入250 萬(wàn)美元，運(yùn)營(yíng)虧損 1400 萬(wàn)美元。

事實(shí)證明，其他一些奇特的方法很難在實(shí)踐中實(shí)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(shù)實(shí)現(xiàn)AI的新穎路線，它不是處理 1 和 0，而是通過操縱實(shí)時(shí)的模擬電信號(hào)進(jìn)行計(jì)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(shè)計(jì)導(dǎo)入?！盌emler觀察到?！懊總€(gè)人都同意，理論上，模擬應(yīng)該具有功率效率優(yōu)勢(shì)，但在商業(yè)上實(shí)現(xiàn)這一點(diǎn)要困難得多?！?

ArchiTek

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

加州歐文市的 Syntiant 成立于 2017 年，專注于非常簡(jiǎn)單的物體識(shí)別，它可以在功能機(jī)或可穿戴式設(shè)備上以低功耗運(yùn)行。

“在功能機(jī)上，您不需要應(yīng)用處理器，因此 Syntiant 解決方案是完美的?！盌emler說道。

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

“人工智能在許多領(lǐng)域變得如此普遍，包括汽車、嵌入式處理、物聯(lián)網(wǎng)、移動(dòng)、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(yùn)行某些任務(wù)會(huì)更有效率。這就是為什么英特爾和英偉達(dá)以及其他公司正在使用特殊指令（例如矢量處理）來(lái)繼續(xù)他們的架構(gòu)。

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

“仍然有如此多的風(fēng)險(xiǎn)投資資金進(jìn)入這一市場(chǎng)，我對(duì)這些增量感到震驚。”Demler說。

Demler 指出，成立于 2018 年的加州圣何塞的 Sima.ai 獲得了巨額融資，該公司正在開發(fā)其所謂的“MLSoC”，專注于降低功耗。該公司在 B 輪融資中獲得了 8000 萬(wàn)美元。

另一個(gè)是特拉維夫的 Hailo Technologies，該公司成立于 2017 年，根據(jù) FactSet 的數(shù)據(jù)，該公司已母雞了 3.205 億美元，其中包括最近一輪的 1 億美元，據(jù)稱估值為 10 億美元。