麒麟970的出現(xiàn)，將人工智能手機的熱度推到了一個高潮。如今，HUAWEI Mate10都發(fā)布小半年了，大家對于其人工智能的體驗印象大多是“然并卵”，確實，人工智能在手機上的應用落地依然有很長的路要走，但不可否認，這是接下來幾年重點發(fā)展的方向。對于人工智能，很多人被其各種玄乎其神的名詞所吸引，大家的印象中，人腦和電腦有著本質的區(qū)別，怎么能夠相互聯(lián)系在一起呢？其實揭開面紗，真相并不神秘。今天這里就以麒麟970處理器為例，從硬件基礎、軟件方法、應用方向三個方面對其進行淺顯的解讀：
一、硬件基礎
硬件基礎自然就是人工智能芯片，我們都知道任何計算機都有一個CPU，它負責所有的計算。而且摩爾定律告訴我們，CPU的性能每過18個月就會翻一番。具體來說，CPU的性能的提升主要在于兩方面，一個是芯片的密度，我們常說的14nm，20nm指的就是這個。另一個是主頻的提高。當前最先進的手機處理器是10nm，下一代是7nm的工藝。密度和主頻的提高都是有極限的，而且這個極限已經(jīng)到來。
于是，英特爾想到了一個辦法，那就是一個處理器多個核心。雙核、四核甚至當前的8核開始出現(xiàn)。為了照顧散熱，單個核心的性能有所降低，但增加了核心，多任務處理的效率就會大大提高。但同樣的，核心數(shù)同樣不能無限制的提高，那樣的話散熱和體積會非�？植馈Ｓミ_接過英特爾的大旗，首先想到，CPU的核心是為了照顧各種復雜運算，內(nèi)部有太多的空間是控制器，如果把這些占據(jù)空間的控制單元給拿到，只做單純的批量計算，也就是從以前解方程，變成了A1+B1、A2+B2...這類的計算。這樣一來，單個核心的復雜程度大大降低，GPU由此誕生，這種計算也被叫做向量計算。我們會發(fā)現(xiàn)GPU的核心一般都能夠達到100到200個，這就是精簡所帶來的。
對于GPU的印象，很多人都來自玩大型游戲，也就是這種處理器特別擅長處理圖像。按照這一個思路，谷歌想到，能不能進一步的精簡呢？批量計算還是太過繁瑣，如果每次計算都只是分析不同數(shù)據(jù)的不同之處，相同的運算都省去了，于是為阿法狗獨家定制的TPU誕生了，T的單詞是Tensor，意思是張量。這種TPU的核心數(shù)驚人的達到了百萬級，而且因為處理單元的簡單批量，功耗相比GPU下降也是非常明顯的，所以特別適合大數(shù)據(jù)和人工智能的分析處理。麒麟970中的NPU也是同樣的道理，只是叫法不同而已。從上圖中的架構也可以看到這種核心數(shù)大與小的關系。
所以我們看到麒麟970的介紹頁面，會著重強調(diào)能效比，所謂能效比就是進行對簡單的張量計算所消耗的能量，這一點NPU相比CPU的提升是幾十倍的提升。同時，還會強調(diào)進行識別圖片的速度，因為NPU擅長做張量計算，識別圖片它只是找差異點，對它而言，圖片是沒有意義的。針對復雜運算的CPU來處理這樣的工作就真的是殺雞用牛刀了。
二、軟件方法
有了硬件基礎只是有了一張能夠畫畫的白紙，具體怎么去畫還是需要用數(shù)據(jù)對機器進行訓練。也就是機器學習，機器學習的方法有很多，主要分為三種，無監(jiān)督的學習、有監(jiān)督的學習和強化學習。如果給很多雜亂無章的數(shù)據(jù)，讓機器自己摸索出規(guī)律，不進行任何人為干預，這就是無監(jiān)督的學習，顯然這種學習方法是非常緩慢的。有監(jiān)督的學習就是在給定的數(shù)據(jù)上，有人為的篩選過程，這種學習大大提高了效率，但也有弊端，那就是相對計算機而言，這種經(jīng)過篩選的數(shù)據(jù)太有限了，也就是說進步太慢了。
強化學習則是，讓機器人自己嘗試走，然后人來判斷是否正確，也就是說在無監(jiān)督的基礎上，加入了一個反饋系統(tǒng)來控制方向。這樣一來，既避免了數(shù)據(jù)的匱乏，而且機器人學習的方向能夠把握。所謂的算法，其實就是通過數(shù)據(jù)找出一條能夠最大程度上接近理想答案的函數(shù)曲線而已。所以，數(shù)據(jù)的維度越多，數(shù)據(jù)量越大，機器判斷得就更加準確，總結下來就是越用越好用。這與手機的需求是高度契合的。
三、應用方向
有了硬件基礎，有了軟件的算法，還需要具體的應用。當前而言，iPhoneX的一個主要應用是人臉識別，越用越精準。而HUAWEI Mate10一個有特點的應用是拍照識物，就是在拍照前對拍照的對象進行一個判斷，然后根據(jù)判斷自動對相機進行相應的參數(shù)調(diào)整。大家之所以覺得然并卵，最主要的就是這些應用更像是可有可無的玩具，它無法真正的擊中我們的痛點。所以，這里華為是最早搭建好平臺的廠商，那么，以后的應用會有怎樣期待呢？
我覺得可以有這么幾點想象�，F(xiàn)在的所謂的算法都是根據(jù)較為單一的數(shù)據(jù)進行判斷和推送，其實還是以前根據(jù)使用痕跡的思路，反而容易形成信息孤島，因為信息的單一無法讓機器產(chǎn)生更加靈活的判斷。比如，我們都聽過一個經(jīng)典的故事，超市將啤酒和尿不濕放在一起，因為買啤酒的大多都是有孩子的男人。以前這樣的判斷需要根據(jù)經(jīng)驗，以后交給計算機就可以了。也就是說，以后的手機會比你自己更加懂你。
當然，在享受便利的同時，我們也在交出隱私，也在交出選擇的權利。以后而言，信息會越來越多的掌握在大企業(yè)的手里，出于自身利益的考慮，它就可以讓你只看到對他有利的消息。當然，這都還比較遙遠，現(xiàn)在擔心還有點太早。
