高通推出神經(jīng)處理引擎（NPE）SDK，打造AI應(yīng)用新優(yōu)勢(shì)

我們最近推出的驍龍?神經(jīng)處理引擎（NPE）SDK，強(qiáng)調(diào)了在設(shè)備端對(duì)時(shí)間要求較高的AI應(yīng)用處理的重要性。例如，自動(dòng)駕駛汽車可以即時(shí)作出決定——在檢測(cè)到障礙物的同時(shí)加以識(shí)別和避免，而不是通過(guò)網(wǎng)絡(luò)發(fā)送到云端服務(wù)器。

圖片：檢測(cè)前方物體的AI汽車。

雖然邊緣AI處理從本質(zhì)上來(lái)說(shuō)具有一定的復(fù)雜性，但是Qualcomm?驍龍移動(dòng)平臺(tái)擁有強(qiáng)大的功能和靈活性，具有先進(jìn)的異構(gòu)計(jì)算架構(gòu)，支持優(yōu)化工具、庫(kù)和AI框架。借助驍龍神經(jīng)處理引擎（NPE）SDK，開(kāi)發(fā)者可以依賴 Caffe/Caffe2和TensorFlowdeep深度學(xué)習(xí)框架更加輕松地進(jìn)一步調(diào)優(yōu)AI的應(yīng)用性能。

接下來(lái)，我希望通過(guò)介紹一些AI示例應(yīng)用，了解設(shè)備端計(jì)算帶來(lái)的差異化和關(guān)鍵優(yōu)勢(shì)，進(jìn)一步探討這方面的問(wèn)題。

從對(duì)象識(shí)別到對(duì)象跟蹤和預(yù)測(cè)建模的演變

現(xiàn)在，對(duì)象和面部識(shí)別已經(jīng)成為基于云的照片共享和存儲(chǔ)服務(wù)的標(biāo)準(zhǔn)特性，允許您快速過(guò)濾龐大的圖像庫(kù)。這是一件了不起的事情，需要龐大的計(jì)算能力。如果每張照片都只包含單一的興趣對(duì)象，那么就簡(jiǎn)單多了，但這種情況少之又少。因此，實(shí)際情況是不僅需要識(shí)別和標(biāo)記照片中的多個(gè)對(duì)象，而且還需要作出判斷，根據(jù)圖像中最重要的元素進(jìn)行分類。

此外，實(shí)時(shí)、智能判斷多個(gè)傳感器的輸入數(shù)據(jù)所需的對(duì)象跟蹤和預(yù)測(cè)建模給我們提出了更大的挑戰(zhàn)。想像一下可能性：

可以立即區(qū)分家庭成員和陌生人的安全攝像機(jī)?？梢钥焖僮R(shí)別可疑行為模式并警告房主的系統(tǒng)，例如有人試圖打開(kāi)房屋前、后門，或試圖強(qiáng)行打開(kāi)窗戶或門。

視障者應(yīng)用，可以檢測(cè)道路上的障礙物，突然的水平變化，例如臺(tái)階或路緣，或自動(dòng)檢測(cè)和觸發(fā)道路交叉口的信號(hào)燈。

自動(dòng)駕駛車輛或無(wú)人機(jī)對(duì)象檢測(cè)和回避。

可以識(shí)別其他車輛帶來(lái)的潛在危險(xiǎn)并警告駕駛員的行車記錄儀，如攻擊性駕駛、疲勞駕駛、酒后駕駛。

提供上述類型應(yīng)用的設(shè)備需要具備相應(yīng)的處理能力，以便在臨界速度下檢測(cè)、理解和響應(yīng)各種環(huán)境和事件，并具有一定的精確度。

自然語(yǔ)言處理、語(yǔ)音和講話人識(shí)別

語(yǔ)音識(shí)別的進(jìn)步使我們能夠控制汽車導(dǎo)航、家庭娛樂(lè)，并使用個(gè)人語(yǔ)音助手執(zhí)行簡(jiǎn)單的任務(wù)，如信息查詢、日歷管理和設(shè)備控制。語(yǔ)音識(shí)別準(zhǔn)確識(shí)別我們說(shuō)出的單詞，但是其本身缺乏重要的語(yǔ)境。對(duì)講話人的識(shí)別可以顯著提高個(gè)人助手的功能，特別是在安全應(yīng)用中，而自然語(yǔ)言理解超越了語(yǔ)音識(shí)別，能夠理解所傳達(dá)的內(nèi)容。

增強(qiáng)應(yīng)用包括：

緊急情況下（如停電和斷網(wǎng)）運(yùn)行語(yǔ)音啟動(dòng)接口。

游客或商務(wù)會(huì)議實(shí)時(shí)翻譯，支持復(fù)雜語(yǔ)境的識(shí)別，如諷刺或幽默。

語(yǔ)音控制鎖可以識(shí)別家庭成員并授予訪問(wèn)權(quán)限。

用于系統(tǒng)訪問(wèn)或店內(nèi)/網(wǎng)上支付的語(yǔ)音控制密碼。

這些示例展示了引人注目的用例，與傳統(tǒng)的云處理相比，設(shè)備端AI更具優(yōu)勢(shì)。驍龍神經(jīng)處理引擎（NPE）允許開(kāi)發(fā)者使用經(jīng)過(guò)TensorFlow或Caffe2訓(xùn)練的模型在設(shè)備端進(jìn)行深度學(xué)習(xí)，并借助驍龍移動(dòng)平臺(tái)異構(gòu)計(jì)算架構(gòu)，獲得卓越性能。

總而言之，這些技術(shù)大大增強(qiáng)了我們今天AI應(yīng)用的功能，如實(shí)時(shí)圖像處理和語(yǔ)言翻譯。同時(shí)，也開(kāi)啟了創(chuàng)新之門，為開(kāi)發(fā)者節(jié)約了大量時(shí)間，提供了相應(yīng)的工具和處理能力，打造具有開(kāi)創(chuàng)性的智能用戶體驗(yàn)。

根據(jù)IDC，目前只有不到1%的軟件開(kāi)發(fā)者將認(rèn)知能力納入他們的應(yīng)用中。而預(yù)計(jì)到2018年，這一數(shù)字將超過(guò)50%。高級(jí)移動(dòng)應(yīng)用和自動(dòng)化系統(tǒng)功能，如語(yǔ)言和語(yǔ)音識(shí)別、對(duì)象識(shí)別和跟蹤（通常需要數(shù)據(jù)中心進(jìn)行處理），可以完全做到設(shè)備端支持，并且具有低延遲感知和推斷特性。