文章图片
《智能时代：大数据与智能革命重新定义未来》中预言 ， 传统的行业都将采用智能技术实现升级换代 ， 也会改变原有的商业模式 。 的确 ， 在近两年人工智能在应用端的创新如雨后春笋 ， 无人驾驶、智能推荐等AI应用已经成为现实 。
但同时 ， 我们也发现AI的落地场景大都源于资本密集型的行业 ， 这并不符合AI普惠 ， 服务于产业智能化的背景 。
实际上 ， 现在阻碍AI产业发展的既不是算法也不是算力 ， 而是如何更好将AI的能力转化成工程手段 。 除了人所共知的自动驾驶等核心应用场景 ， 还有大量的工程领域 ， 千行百业的复杂场景 ， 各种各样的终端设备 ， 需要AI技术的辅助 。
最近在极术社区（aijishu.com）读到一本《AI嵌入式系统: 算法优化与实现》 ， 可以帮助嵌入式技术相关专业学生或开发人员提升技能 ， 加速嵌入式AI在行业的大规模商业落地 。
嵌入式AI对AI商业化的理论支撑
在AI商业化的进程中 ， 要实现技术的落地 ， 不仅需要性能优越的算法模型和可靠的硬件支持 ， 还需要把AI技术和硬件环境进行有机结合 ， 再应用到具体的实际场景中 。 如果说未来是一个智能世界 ， 那么每一个终端都应该是智能的 ， 这就必须要依赖于嵌入式AI技术 。
嵌入式 ， 就是指一种可被内置于设备或装置的专用计算机系统 。 通常来说 ， 具有数字接口的设备都具有嵌入式系统 ， 如手机、车载电脑、智能手表等等 。 而嵌入式 AI ， 则是一种让 AI 算法可以在终端设备上运行的技术
通常而言 ， 嵌入式AI对于高实时处理的场景具有天然的优势 ， 比如无人机、智能汽车、产业机械、电器、安检等场景中得到了越来越多的应用 。
【算法|读《AI嵌入式系统》，看AI大规模商业落地的未来】很多人也许会问 ， 5G网络成熟之后 ， AI能力可以上传云端处理 ， 为什么要嵌入式AI呢？实则不然 ， 终端所处的场景都比较复杂 ， 比如智能汽车行驶会遭遇不可预知的路况 ， 就无法保证数据能够及时同步 ， 要让汽车做出智能驾驶甚至无人驾驶的及时反应 ， 就需要嵌入式AI ， 使其能够及时做出判断 。
而从开发者的角度 ， 学习AI嵌入式系统也困难重重 。 比如如何训练神经网络来识别模式 ， 如何优化该网络 ， 以满足嵌入式设备有限的尺寸 ， 从而达到尺寸和功率目标等等 。 这是一个系统性的工作 。
因此 ， 《AI嵌入式系统: 算法优化与实现》从深度神经网络底层计算细节入手 ， 为嵌入式AI技术提供了全面、深入的解读 。 为嵌入式领域工程技术人员、机器学习算法的底层算法软件开发人员解惑 ， 同时也可作为计算机、电子信息、自动控制等相关专业高年级本科学生的参考教材 。
理论与实践结合：不同路径下的选择
很多计算机行业的丛书 ， 都会存在过于偏重于理论知识 ， 缺乏实践支撑的老问题 。
而《AI嵌入式系统: 算法优化与实现》则是集机器学习算法优化理论和应用实践为一体 ， 不仅面向人工智能的嵌入式应用 ， 涵盖了基于运算量 ， 内存 ， 功耗等多维度的机器学习算法优化理论与技术 。 从算法底层单元到机器学习算法训练-推理联合优化及自动优化部署算法等方面进行阐述 ， 还结合通用嵌入式处理器进行了验证 。
从处理器系统架构选择和机器学习算法选择 ， 两个方向亦可见本书的实践价值 。
现在很多机器学习算法基于海量存储和运算 ， 对功耗 ， 体积 ， 计算能力和存储容量有较高要求 ， 而不同领域的嵌入式系统有多条途径 ， 在具体场景 ， 如何去选择 ， 这在一定程度上增加了开发者学习的难度 。
相关经验推荐
- USB|U盘终结者来了！移速固态U盘读写轻松破400MB/s，秒杀现在主流U盘
- 固态硬盘|旧电脑该升级了！换上新的固态硬盘，读取能达3500M/s
- 算法|兰天马 IT哪个行业的前景比较好？
- 家居|透过《2021年舒适家电白皮书》看家电企业如何向上生长？
- 一加科技|四大骁龙8旗舰，打《和平精英》从满电肝到没电，谁能胜出？
- vivo|《蛋仔派对》：蛋仔大会员vivo碰碰会，线上线下一起欢乐碰撞
- 算法|运动健身用什么蓝牙耳机合适，达人亲测的健身用蓝牙耳机
- 联发科|联发科发布《6G愿景白皮书》：重新定义三大基本设计原则
- 数码产品|盘点2021年数码兴衰：阅读器数码相机没落，折叠屏新家电兴起
- 三星手机|卷积神经网络，是一种特定类型的ANN，通常基于具有多个算法来分析数据