應用如何決定AI的開發(fā)

如今人工智能（AI）已成為技術(shù)領(lǐng)域最時髦的用語之一，它在廣義上通常用來描述互連的“智能”技術(shù)。然而，考慮到AI可以實現(xiàn)的各種不同的功能，以及AI解決方案產(chǎn)出的成果，AI的格局及其開發(fā)可以說都十分復雜。事實上，AI技術(shù)的特定應用不僅將它從眾多技術(shù)中區(qū)別開來，還決定了它的開發(fā)方式，開發(fā)的標準和要求以及需要進行的測試。因此，與其說AI是一種“包括萬象”的技術(shù)，不如說是一種定制化解決方案的網(wǎng)絡(luò)，用于解決復雜的技術(shù)挑戰(zhàn)。

最近萊迪思市場營銷副總裁Matt Dobrodziej和TECHnalysis Research總裁兼首席分析師Bob O'Donnell在一場圓桌會議上探討了為特定應用開發(fā)AI解決方案的流程問題。本篇博文將回顧此次會議中的主要內(nèi)容，并就特定應用如何決定AI模型的開發(fā)、創(chuàng)建AI模型的挑戰(zhàn)以及如何利用市場上的一些領(lǐng)先技術(shù)等內(nèi)容提供一些思考。

AI成為主流以及網(wǎng)絡(luò)邊緣計算的崛起

曾經(jīng)難以想象的技術(shù)如今正通過智能手機、PC、汽車、其它各種互連設(shè)備進入消費領(lǐng)域和從工廠車間到醫(yī)療保健設(shè)備的各類商業(yè)領(lǐng)域。并且由于人們對AI和機器學習（ML）抱有極大的熱情，這些技術(shù)的創(chuàng)新步伐通常遠超其實現(xiàn)水平。

設(shè)計師面臨的創(chuàng)造性的挑戰(zhàn)和機遇在于，如何應用模式匹配或劃分等復雜概念，將萊迪思當前的設(shè)備變得更加智能、用途更廣。過去，運行AI推理應用需要大型數(shù)據(jù)中心強大的計算能力和功能。而現(xiàn)在，同樣的應用可以在本地運行，并且功耗要低得多，精度也能達到曾經(jīng)只能在服務器上達到的水平。

這種轉(zhuǎn)變的推動因素主要包括用戶安全性、隱私和延遲方面的要求以及高效運行AI模型的新硬件（其效率與基于服務器的云實現(xiàn)不相上下）的出現(xiàn)。人工智能和數(shù)據(jù)處理越來越多地由本地設(shè)備實現(xiàn)，這對系統(tǒng)開發(fā)影響巨大。

AI問題和解決方案框架

希望進入AI和ML領(lǐng)域的開發(fā)人員在了解特定AI應用和設(shè)計目標后，必須識別并采合適的基礎(chǔ)技術(shù)。這個過程通常遵循三個步驟：

1.     構(gòu)思——選定應用和確定相關(guān)要求

構(gòu)建AI應用需要了解應用的要求，包括性能。應用需要多少處理能力？可用的功率預算是多少？電池的尺寸是多少，效率如何？請記住退后一步以全局的眼光審視正在構(gòu)建的系統(tǒng)。哪些傳感器可用于獲取數(shù)據(jù)以使應用智能化？

2.     設(shè)計——構(gòu)建模型或者采用預設(shè)模型然后進行訓練

定義好參數(shù)后，下一個任務是選用合適的模型。模型實質(zhì)上決定了設(shè)計人員想要的應用類型以及支持所需功能需要的硬件。根據(jù)當前的問題，可以選擇多種模型，包括開源社區(qū)中提供的各種模型，例如音頻處理模型或者視覺模型。

3.     測試——確保設(shè)計如預期正常工作

從概念到實際的解決方案產(chǎn)品需要經(jīng)過大量的測試，確保它在不同的環(huán)境和特定的使用場景中按預期運行。例如，跟蹤用戶注意力的應用需要在不同的使用場景和環(huán)境條件下為所有用戶正常工作。測試可以通過不同的方式完成；模型驗證使用Tensor Board等標準工具將許多具有代表性的樣本引入模型，以初步了解模型的工作情況。其他測試則是通過回歸測試完成，最好是在目標硬件上進行。最后在系統(tǒng)用戶體驗（UX）測試中，可以在現(xiàn)實生活使用場景下測試極端案例，發(fā)現(xiàn)模型的不足之處。

FPGA為網(wǎng)絡(luò)邊緣AI創(chuàng)造獨特價值

現(xiàn)場可編程門陣列（FPGA）能為網(wǎng)絡(luò)邊緣AI帶來各種機遇。這類靈活的集成電路支持自定義的工作流程開發(fā)和最終系統(tǒng)設(shè)計，有助于應對AI開發(fā)中的諸多挑戰(zhàn)。

設(shè)計人員通常要在選用硬件方面做出艱難的決策。這些選擇可能在流程后期讓他們囿于特定的設(shè)計中，限制了他們在基礎(chǔ)組件的功能之上開展額外的工作。FPGA自身的靈活性使其成為網(wǎng)絡(luò)邊緣計算的理想選擇，因為它們即使在部署到最終系統(tǒng)中后，只要需要對功能進行更改，就能通過軟件更新快速適應。

人工智能在不斷變化中，其發(fā)展和創(chuàng)新的速度往往超過系統(tǒng)設(shè)計。在AI和ML領(lǐng)域，適應性強、可重新編程的硬件解決方案是跟上創(chuàng)新速度的關(guān)鍵。由于FPGA本身可編程，因此它們可以縮短產(chǎn)品上市時間，并且不限于固定功能，可延長系統(tǒng)或應用的生命周期。同樣重要的是它們擁有并行處理能力，這對于高性能人工智能應用非常關(guān)鍵，可以在提供更高性能的同時降低功耗。

萊迪思Nexus? FPGA平臺可在配置和運行時提供低功耗、高性能、小尺寸和安全特性，這些優(yōu)勢可以幫助AI和ML解決方案脫穎而出。萊迪思FPGA根據(jù)FPGA支持的應用類型進行分類：

?   通用型——滿足廣泛的應用需求

?   嵌入式視覺——視頻橋接和處理

?   超低功耗——功耗和設(shè)計空間有限的應用

?   系統(tǒng)控制和安全——平臺管理和安全應用

除了用于網(wǎng)絡(luò)邊緣AI解決方案的FPGA外，萊迪思sensAI?解決方案集合可以為設(shè)計人員提供評估、開發(fā)和部署基于FPGA的AI和ML方案所需的一切資源，從而在網(wǎng)絡(luò)邊緣加速靈活、低功耗推理的集成。萊迪思集成解決方案可以幫助開發(fā)人員快速輕松地為各種應用部署設(shè)備端AI功能。

如果您想了解有關(guān)該主題的更多信息，可以在此處查看之前提到的圓桌會議。此外，請留意萊迪思關(guān)于最新半導體和技術(shù)趨勢的更多圓桌討論。