想要了解“深度學(xué)習(xí)+”，我們必須回到深度學(xué)習(xí)技術(shù)在中國落地生根的歷史當(dāng)中。2006年，辛頓等人意外發(fā)現(xiàn)了多層神經(jīng)網(wǎng)絡(luò)帶來的全新可能性，就此將上世紀(jì)80年代已經(jīng)產(chǎn)生的機器學(xué)習(xí)技術(shù)，推動到了深度學(xué)習(xí)的新階段，而深度學(xué)習(xí)技術(shù)在一系列AI測試任務(wù)上的優(yōu)異表現(xiàn)，也重新燃起了人們對AI的期待。客觀來說，經(jīng)歷了兩次寒冬的AI技術(shù)，能夠再次復(fù)興的核心要素就是深度學(xué)習(xí)技術(shù)的出現(xiàn)。
但在此后的多年時間里，深度學(xué)習(xí)還僅僅停留在非常小眾的范疇里，甚至在學(xué)術(shù)界中也非常小眾。2010年，當(dāng)時剛剛來到百度的王海峰發(fā)現(xiàn)了這種技術(shù)所蘊藏的巨大潛能。很快，百度內(nèi)部高度認(rèn)可了王海峰的發(fā)現(xiàn)，并早早在2012年就開始探索深度學(xué)習(xí)技術(shù)與應(yīng)用。2013年1月，百度率先建立全球首個專注深度學(xué)習(xí)研究的深度學(xué)習(xí)研究院(IDL)。同時，百度也開始布局深度學(xué)習(xí)開發(fā)框架的研發(fā)。就這樣，非常幸運同時也非常必然，在王海峰的敏銳發(fā)現(xiàn)與百度的當(dāng)機立斷下，中國企業(yè)沒有在AI浪潮中掉隊，甚至成為了全球AI探索的領(lǐng)路人。
此后多年時間，可以視作中國深度學(xué)習(xí)技術(shù)的創(chuàng)生期。在此期間，百度為代表的AI行業(yè)取得了一系列成績，比如自主深度學(xué)習(xí)框架飛槳的問世與發(fā)展，多種深度學(xué)習(xí)算法的進(jìn)步提升。隨著2017年全球AI熱潮的到來，中國發(fā)布《新一代人工智能發(fā)展規(guī)劃》，深度學(xué)習(xí)技術(shù)的戰(zhàn)略地位與社會需求也水漲船高。面向新的形勢，百度最大化發(fā)揮了自身的深度學(xué)習(xí)技術(shù)積累與平臺優(yōu)勢，快速進(jìn)行了一系列戰(zhàn)略升級與產(chǎn)業(yè)成長。
AI 會造成人類的大規(guī)模失業(yè)嗎?
我覺得，如果人們對 AI 的發(fā)展報以一種厭惡和排斥的態(tài)度，那它逐漸取代部分人的工作只是時間問題。但如果我們能夠接納 AI 的發(fā)展，去主動了解、使用 AI，讓它成為日常工作生活中的得力助手，那我們就不會被 AI 取代，反而會在 AI 幫助下更好的創(chuàng)作內(nèi)容。
這并不是一種 " 打不過就加入 " 的無奈，反而是人類不斷發(fā)展的必然。
正如熱兵器最終取代了冷兵器，信息化軍隊脫胎于機械化軍隊，互聯(lián)網(wǎng)一定程度上取代了傳統(tǒng)媒體，我們之所以成為今天的我們，同樣也是接納了諸多新事物的結(jié)果。而且在當(dāng)下，一些技術(shù)的發(fā)展正處于瓶頸，或者是被一張薄紙擋住未來。
比如 VR 領(lǐng)域的計算機圖形學(xué)，同樣也需要 AI 從另一個角度去攻破。就連計算機圖形學(xué)大佬約翰 · 卡馬克也在開拓通用人工智能的道路，并表示 " 想嘗試一些沒人知道會走向何方的領(lǐng)域 "。
無論是芯片產(chǎn)業(yè)的殘酷博弈、AI 算法競賽還是知識圖譜比拼，甚至是不知方向的瘋狂砸錢，面對 AI 帶來的期待與焦慮，人類今天種種，是因為誰也說不好，哪一天 AI 技術(shù)就如爆炸一樣，捅穿了蒙在未來前面那張薄紙。
在物聯(lián)網(wǎng)時代到來后，MCU則被賦予了端側(cè)計算中樞這一更高使命。無論是設(shè)備本身的功能還是作為物聯(lián)網(wǎng)的一部分，物聯(lián)網(wǎng)設(shè)備在連接、交互、安全等方面都已經(jīng)離不開MCU。
而當(dāng)如今智能遇上邊緣，MCU又擔(dān)起了新的使命。
隨著MCU的算力進(jìn)一步提升，高頻MCU的主頻已經(jīng)提升到GHz級別，已經(jīng)可以滿足邊緣端低算力人工智能需求。將人工智能集成在MCU上，只用一顆芯片實現(xiàn)端側(cè)部署，正在成為新的潮流。
在過去幾年里，包括瑞薩在內(nèi)的多家MCU廠商都在積極探索將MCU與人工智能結(jié)合。
在日前舉辦的ADI MCU Media Workshop上，ADI中國技術(shù)支持中心高級工程師辛毅就介紹的ADI最新的邊緣AI解決方案MAX78000就是踐行的這條路線。
辛毅介紹到，MAX78000集成了卷積神經(jīng)網(wǎng)絡(luò)(CNN)引擎，能夠滿足邊緣人工智能應(yīng)用需求，并且MAX78000的設(shè)計宗旨是最大程度降低CNN引擎功耗。
為了這個目標(biāo)，該器件采用了Arm Cortex-M4F處理器與32位RISC-V處理器的雙內(nèi)核架構(gòu)，內(nèi)置了CNN引擎。
辛毅形象的把這個架構(gòu)比喻成“爸爸和媽媽”：兩個微控制器內(nèi)核是“買菜的媽媽”，CNN加速器則是“做菜的爸爸”，合力完成邊緣智能的計算工作。
更多信息可以來這里獲取==>>電子技術(shù)應(yīng)用-AET<<
