就在高通(Qualcomm)收购原隶属于荷兰阿姆斯特丹大学(University of Amsterdam)的一支小型人工智能(AI)研究团队——Scyfer B.V.后，高通公司的一位研究人员表示，其实验室研究正进一步扩展机器学习(machine learning)功能，以提供新的应用和定义新的硬件架构。
Scyfer扮演咨商的角色，将机器学习应用于工业、物联网(IoT)、银行和行动等领域。这支AI研究团队如今已是Qualcomm Research的一部份，致力于扩展机器视觉(computer vision)和自然语言处理等机器学习领域，并进一步探索新兴算法如何影响硬件加速器设计。
高通负责AI的企业研发副总裁Jeff Gehlhaar说：“随着算法改变，我们认为目前存在着共同设计神经网络(neural network)和硬件的发展空间。”
他表示：“随着这些网络的演进，我们开始看到执行配置档案的模式」可能影响硬件中的快取和位精确度。如今，我们正从系统级观察如何使各元素之间共同运作，而不至于影响准确度。”
高通在新闻稿中表示，神经网络预计将在无线连接、电源管理和摄影等领域找到新的应用方向。目前已经有几家公司将人工智能应用于安全性，例如检测恶意软件等任务；其他也有人用它来突破半导体设计的瓶颈。
虽然神经网络已经是数十年来的研究重点了，但2013年可说是一个重要的分水岭，当时AlexNet研究结果催生了深度学习领域（Source：Qualcomm）
高通的挑战在于尝试将更多的AI工作负载从云端的伺服务器场(server farm)转移到智能手机的芯片上。为此，该公司在去年发布了一款用于其Snapdragon SoC的神经网络开发工具包，同时也与Google和Facebook合作，为Google TensorFlow和Facebook Caffe 2架构实现优化。
这支来自阿姆斯特丹大学的AI研究团队还将协助促进高通在产生对抗网络方面的研究，以及致力于一款有助于该公司将更多训练任务推向智能手机的算法。Gehlhaar说：“云端中的机器学习将持续占据主导地位，但我们在设备上看到更多的机会，同时客户也要求在行动设备上执行其自家版本”，例如脸部识别之类的任务等。
“在无人机、汽车和智能手机等边缘设备上部署AI是相当新的趋势，但是我们的客户已经在这方面展开行动了——这并不只是实验室的实验而已；人们正尝试解决现实世界的问题。”
Gehlhaar说：“机器学习是一个快速发展的领域。”他指出，AlexNet在2013年的影像识别方面取得显著进展，催生了如今热门的深度学习。
同时，在日前的一场专题讨论上，业界几位专家也特别强调神经网络领域的重要性——它看似具有广泛的用途且前景无限，但实际上仍处于发展的早期阶段，同时也存在着诸多局限。
编译：Susan Hong
本文授权编译自EE Times，版权所有，谢绝转载
关注最前沿的电子设计资讯，请关注“电子工程专辑微信公众号”。
