在本文中，我们紧张磋商两个紧张问题，即在“小型机器”中实现人工智能的情由，以及开拓人工智能小型机器将面临哪些寻衅?

未来，在人工智能方面，我们该当有翱翔汽车和机器人管家。
乃至还可能碰着有感知能力的机器人决定起来反抗我们。
虽然我们还没有发展到这种程度，但显然人工智能(AI)技能已经进入了我们的天下。

每次当我们让智能语音助手做一件事是，机器学习技能就会先搞明白你说了什么，并试图对你想让它做什么做出最好的决定。
例如，每次***网站或电商平台向你推举“你可能喜好的电影”或“你可能须要的商品”时，它都是基于繁芜的机器学习算法，尽可能地向你供应具有说服力的建议，这显然比过去的匆匆销活动更有吸引力。
虽然我们可能不是所有人都有自动驾驶汽车，但我们敏锐地意识到这一领域的发展以及自动导航供应的潜力。
人工智能技能承载着一个伟大的希望——机器可以根据周围的天下做出决定，像人类一样处理信息，乃至以一种优于人类的办法。
但如果我们考虑一下上面的例子，就会创造只有“大型机器”才能实现人工智能的承诺，这些设备每每没有功率、尺寸或本钱的限定。
或者换句话说，它们会发热，有线路供电，体积很大，而且很昂贵。
例如，Alexa 和 Netflix 这些环球领先的IT巨子企业依赖云中的大型耗电做事器（数据中央）来推断用户的意图。

虽然自动驾驶汽车很可能依赖电池，但考虑到这些电池必须迁徙改变车轮和转向，它们的能量容量是巨大的。
与最昂贵的人工智能决策比较，它们是巨大的能源支出。

因此，只管人工智能前景广阔， 但“小机器”却被抛在了后面 。
由较小电池供电或具有本钱和尺寸限定的设备无法参与机器可以看到和听到的想法。
本日，这些小机器只能利用大略的人工智能技能，大概是听一个关键词，或者从心率剖析低维旗子暗记，如光电体积描记术 (PPG)。

如果小机器能看能听会若何？

但是，小型机器能够看到和听到是否有代价？可能很多人很难想象像门铃摄像头这样利用自动驾驶或自然措辞处理等技能的小设备。
只管如此，诸如词汇识别、语音识别和图像剖析之类的不太繁芜、处理密集程度较低的 AI 打算仍旧存在机会：

门铃摄像头和消费级安全摄像头常日会触发一些无趣的事宜，例如风引起的植物运动、云引起的剧烈光芒变革，乃至是狗或猫在镜头前面动等事宜。
这可能导致缺点警报触发，导致房东开始忽略掉一些主要事宜。
由于，房东可能在世界不同的地方旅行，也可能正在睡觉，而他们的安全摄像机却对日出、云和日落引起的照明变革频繁发出警报。
而更智能的摄像机则可以更加精准是识别物体变革，如人体的轮廓，进而避免误报滋扰。
门锁或其他接入点可以利用面部识别乃至语音识别来验证职员访问权限，在很多情形下无需钥匙或IC卡。
许多摄像头希望在某些事宜上触发：例如，跟踪摄像头可能希望在画面中涌现某一种动物时触发，安全摄像头可能希望在画面中涌现人或开门或脚步声等噪音时触发，并且有些摄像机可能想要通过语音命令触发等等。
大词汇量命令在许多运用中都很有用。
虽然有很多类似 “Hey Alexa”、“Hey Siri” 办理方案，但如果开始考虑 20 个或更多单词的词汇，则可以在工业设备、家庭自动化、烹饪用具和许多其他设备中找到用于简化人机交互的用场。

这些例子只是表面上的。
让小型机器看到、听到和解决以前须要人工干预的问题的想法是一个强大的想法，我们每天都在连续探求创造性的新用例。

让小型机器能看和听的寻衅是什么？

那么，如果人工智能对小型机器如此有代价，为什么我们还没有广泛运用呢？答案是打算能力。
人工智能推理是神经网络模型打算的结果。
把神经网络模型想象成你的大脑如何处理图片或声音的一个粗略的近似，把它分解成非常小的片段，然后当这些小片段组合在一起时识别出模式。

当代视觉问题的主力模型是卷积神经网络 (CNN)。
这些模型在图像剖析方面非常出色，在音频剖析中也非常有用。
寻衅在于此类模型须要数百万或数十亿次数学打算。
传统上，这些运用很难选择履行：

利用廉价且低功耗的微掌握器办理方案。
虽然均匀功耗可能很低，但 CNN 可能须要几秒钟的韶光来打算，这意味着 AI 推理不是实时的，因此会花费大量电池电量。
购买可以在所需延迟内完成这些数学运算的昂贵且高性能的处理器。
这些处理器常日很大，须要大量外部组件，包括散热器或类似的冷却组件。
但是，它们实行 AI 推理的速率非常快。
无法履行。
低功耗微掌握器办理方案将太慢而无法利用，而高性能处理器方法将冲破本钱、尺寸和功率预算。

我们须要的是一种嵌入式的人工智能办理方案，从头开始构建，以最大限度地减少CNN打算的能源花费。
与传统的微掌握器或处理器办理方案比较，AI推断须要在一个数量级上实行，并且不须要内存等外部组件的帮助，这些外部组件会花费能量、体积和本钱。
如果人工智能推理解决方案可以肃清机器视觉的能量丢失，那么纵然是最小的设备也可以看到并识别周围天下发生的事情。

幸运的是，我们正处于这场“小机器”革命的开端。
现在的产品险些可以肃清人工智能推断的能源本钱，并实现电池驱动的机器视觉。
例如，一个微掌握器可用于实行 AI 推理，同时仅花费微焦耳的能量。