本帖最后由 51黑dd 于 2016-4-6 23:26 编辑
作者：David Schatsky
机器之心编译出品
参与：微胖，闰松
如今，计算机渴望学习，而且借助新的认知技术，即使不在线，计算机也能做到这一点。新一代能够感觉、感知、从用户和环境那里学习并对其作出反馈的应用和设备，将重塑企业与客户（包括世界）的交流方式。
David Schatsky，为德勤领导者和用户，跟踪分析新兴技术和商业趋势，包括认知技术与日俱增的影响力。加入德勤之前，作者曾领导过两个研究和咨询公司。著有《Signals for Strategists: Sensing Emerging Trends in Business and Technology》(RosettaBooks, 2015)。
机器学习——这一过程中，借助输入的大量数据而不是详细编程，计算机能变得更善于完成任务——需要大量计算能力，这种能力通常见于高能耗，配备了特殊处理器的云计算机服务器集群中。但是，一种新兴趋势有望将机器学习代入可能缺少网络连接或间歇在线的移动设备。这将催生感觉、感知、从环境和用户那里学习并给与他们反馈的机器，有可能萌生新的产品种类，重塑企业与客户的交流方式以及变革跨行业的工作完成方式。
信号
谷歌已经推出语言翻译软件，软件采用了针对移动电话优化后的小型神经网络，没有网络连接也能很好完成翻译任务。(1) 联想宣布了一款移动电话，采用了多重传感器，高速图片处理硬件以及专门的谷歌软件来支持手机功能，比如，室内寻路、精确测量以及增强现实，即使在离线时刻。(2) 英伟达，一家图形处理技术厂商，开发出针对设备（比如无人机，自动交通工具）的计算机视觉的入模块，公司说，能耗仅为一款竞争产品的十分之一。(3) 高通推出了一款新的处理器以及软件平台，支持机器学习任务，比如图片分类，语音识别以及无需连接网络即可进行的异常（anomaly）侦测任务。(4) 无人机制造商大疆最近推出面向消费者的无人机，使用了先进计算机视觉硬件，能让无人机在跟随一个移动目标的同时自动避开障碍。(5)
机器学习是认知技术的基石
[size=1em]当谷歌软件在五局三胜赛制中击败世界顶尖围棋（也是最复杂的棋盘游戏）选手时(6)，这种宣传推广阵势几乎不可能在其他新兴科技中看到。国际媒体头条确认机器学习——在这一过程中，新数据可以教会计算机更好地完成任务——是人工智能最热领域之一，而且这种认知技术正在迅速发展。(7)
[size=1em]神经网络——设计用来模拟人脑机构和功能方面的计算机模型，拥有表征神经元以及神经元连接的要件——是一种越来越受欢迎的机器学习实现方式。神经网络特别适合于完成感知任务，比如计算机视觉和语音识别。使用了神经网络来完成这些任务的熟悉应用实例包括谷歌语音搜索，(8)脸书标记图片中人的系统(9)以及谷歌相册，它使用了基于神经网络的图片识别系统，自动根据图片内容分类图片。(10)所有这些系统都在强大的服务器云端上运行，处理诸如用户上传的数字化语音或图片等数据。
直到最近，除非是以有限的方式，一部典型的智能电话不连接云端就无法完成这些任务的智能电话。比如，一些移动电话软件能识别单独一张脸——手机所有人的脸——以便解锁手机，或一小组预先决定的话，比如「好的，谷歌」。但是，对日益强大感知任务的离线支持，正走向移动设备。
将机器学习推到移动设备上
[size=1em]一些公司正在开始给智能电话，无人机以及汽车配备新设计的芯片，这些芯片能高效运行神经网络，同时，较之前代芯片，能耗降低了90%。(11)MIT和IBM的研究努力表明，不久，我们将在市场上看到越来越多的擅长高速运转神经网络的芯片，与此同时，占用空间小，能耗低。(12)因此，移动设备正变得越来越适合完成需要神经网络才能完成的复杂壮举，比如，计算机视觉和语音识别，这些壮举曾一度是运行在云端的强大服务器的「保留项目」。
[size=1em]将机器学习带入移动设备，不仅仅是因为硬件方面的进步。技术供应商也正在寻找方法，创造出紧凑的神经网络，能在传统移动电话上运行诸如语音识别、语言翻译等任务，而无须连接到所需服务器上。比如，谷歌已经研发出移动语言翻译软件，这款软件使用了针对智能手机优化后的小型神经网络，表现良好即使是不在线时。(13)而且，谷歌的人员最近发表了论文，描述了独立于互联网的语音识别系统，其在一部商业移动电话上表现良好。(14)
[size=1em]移动设备正在获取力量来执行复杂感知任务，而无需依赖连接到云端，在增加用户隐私的同时，也带来更高的准确性、可靠性以及响应性。这会极大扩张即将问世的认知计算应用数量——而且不仅是在移动手机上。移动机器学习和感知计算将驱动各种设备，从移动传感器到电话，药片，无人机，汽车以及脑洞尚未想到的新设备类型，创造重要商机。
许多行业乐见的新的改进应用
我们不可能枚举所有将看到的为移动设备打造的程序应用，它们能完成复杂的感知任务，涉及视觉、语音和其它感观输入。但是，它们可能出现在每个行业领域，具备以下一个或多个性能：
分析或诊断感官数据 拥有感知界面或互动性 导航和动作控制
下面是一些例子。
在医疗护理领域，我们预测会有各种诊断应用，包括一些目标人群锁定为消费者的应用。例如，Imagine 是一个智能手机应用程序，无需通过网络传输图像数据，通过分析数字图片就能诊断皮肤疾病和蚊虫叮咬。
我们设想了移动架构，并且设计了使用计算机视觉简单快速生成内部空间的准确 3D 模型的应用。
一种更加强大且富有弹性的物联网将包含自我检测设备，这种设备使用机器学习来预测维修需要，自己诊断故障。(15)
在媒体和娱乐界，我们将可能见证移动设备——既有移动手机这样的通用目的设备，也有增强现实头盔这样的特定功能设备——为游戏和影视娱乐提供更加真实、迷人的增强、虚拟现实。
为机器学习设计的超低功耗处理器将有可能帮助消费者和工业设备以及机器理解周围环境并对其做出响应，找到它们进入独立于互联网的语音控制可穿戴设备、家用电气以及工业机械的途径。
具有强劲计算机视觉支持能力的低电耗芯片正让无人飞行器，也就是许多行业（从不动产、建筑业到农业、能源、航空以及国防）使用的无人机，拥有一些令人印象深刻的功能。无人机制造商 DJI 最近推出一款面向消费者的飞行器，能跟随一个移动着的目标，并同时自动避开障碍物。(16)
新的采用了机器学习的强劲移动计算机视觉模块，正帮助先进驾驶辅助系统「应对日常驾驶中的挑战，比如始料不及的道路碎片、马路杀手司机和施工区」。(17)
使用了计算机视觉来精准定位用户、跟踪用户动作以及进行室内导航的户内导航程序将在博物馆、火车站、机场、商场和零售店找到自己的用武之地，开辟出新的广告和业务良机，不再需要配置灯标或采用其他以连接为基础的办法。
我们的脑洞还没有想象出即将来临的应用，能感知、分析包括声音、录像和生物特征在内的感官输入并对它们做出回应的设备，从可穿戴的到便携的——全部都由设计用来支持机器学习神经网络的低电耗芯片驱动。
影响与意义
小型、高效、低能耗、高性能、移动机器学习。新产品。新的人机交互界面。与消费者打交道并服务消费者的强劲新方式。这里描述的趋势会对各行业的公司和专家有所启发。
移动设备和移动 apps 制造商（Makers of mobile devices and mobile apps）应该开始让他们自己熟悉新一代能够离线的机器学习设备的潜能。
用户体验设计师（User-experience designers）应该开始探索这些技术能让那些体验成为可能。技术供应商正发行开发套件，比如，谷歌 Tango 项目的开发套件和 NVIDIA 的Jetson TX1 开发工具包，鼓励设计师和开发者这么做。
从事消费者和产业产品方面工作的产品战略家（Product strategists ）和工程师应该考虑移动感知计算能给产品带来的价值，从家用电器、到私人机器人、再到工业设备。
市场领导者（Marketing leaders ）应该探索新一代感知设备如何帮助公司培养与客户之间更亲密、积极的关系。
运营高管（Operations executives）应该评估这些设备——包括——能在多大程度上帮助他们的员工实现效率和质量优势。(18)
网络风险专业人士（Cyber risk professionals）应该探索一下移动机器学习可以如何提出侦测并减轻针对移动设备的威胁的新方法。Qualcomm 公司已经在推销它的 Snapdragon 820 处理器，具有基于机器学习的 恶意软件检测能力；当然也将有其他以此为目的而使用机器学习的产品。(19)
在接下来的18到24个月里，机器学习、增强感知的移动设备的到来很可能会对各种产品、应用程序和商业实践产生巨大影响。是时候开始准备迎接移动机器学习和感知计算的时代了。
本文由机器之心编译
| 
