邊緣計算實(shí)現AI智能互聯(lián)世界

　　在電子智能領(lǐng)域，所有類(lèi)型的芯片廠(chǎng)商都不約而同的研發(fā)推出各種不同類(lèi)型的AI處理器。國外大企，像高通、英偉達等，都已宣布推出用于智能手機和其他移動(dòng)設備的神經(jīng)引擎。例如在智能手機中添加AI功能和手機的Face ID應用等。使用邊緣側AI自行處理相比傳輸到云端處理更安全、私密，響應時(shí)間更快。

　　按照整體大趨勢，不出意外的，神經(jīng)網(wǎng)絡(luò )引擎/加速器成為主流。幾年后，每臺帶有攝像頭的設備都將包含具有AI功能的視覺(jué)處理和神經(jīng)網(wǎng)絡(luò )引擎。

　　什么是邊緣計算?

　　在邊緣計算參考架構2.0中，對邊緣計算有這樣的定義：

　　“邊緣計算是在靠近物或數據源頭的網(wǎng)絡(luò )邊緣側，融合網(wǎng)絡(luò )、計算、存儲、應用核心能力的分布式開(kāi)放平臺，就近提供邊緣智能服務(wù)，滿(mǎn)足行業(yè)數字化在敏捷聯(lián)接、實(shí)時(shí)業(yè)務(wù)、數據優(yōu)化、應用智能、安全與隱私保護等方面的關(guān)鍵需求。它可以作為聯(lián)接物理和數字世界的橋梁，使能智能資產(chǎn)、智能網(wǎng)關(guān)、智能系統和智能服務(wù)?！?/p>

　　邊緣處理的優(yōu)勢在于減少延遲，全網(wǎng)絡(luò )覆蓋，增加了隱私和安全性，并減少了與云端的通信，從而降低了成本。

　　在A(yíng)I智能應用到安防領(lǐng)域中，邊緣側AI已經(jīng)使得已知或未知的人臉檢測、語(yǔ)音生物識別、聲音檢測、動(dòng)作感應得以實(shí)現，WiFi、藍牙或蜂窩網(wǎng)絡(luò )都可以自行連接，這些功能都可以自行決策。

　　當邊緣側AI應用在汽車(chē)領(lǐng)域，可以作用于視覺(jué)傳感器對駕駛員起到一個(gè)監視器作用，可幫助駕駛員進(jìn)行決策，并根據實(shí)際情況采取行動(dòng)，同時(shí)通過(guò)深度學(xué)習不斷改善，以不斷提升決策的準確性。同時(shí)也可作用于前視攝像頭系統、夜視環(huán)繞視圖盲點(diǎn)檢測、后/停車(chē)檢測等，同時(shí)對實(shí)現定位、V2X通信及車(chē)內互連等功能都有很大的幫助。

　　神經(jīng)網(wǎng)絡(luò )-ANN

　　神經(jīng)網(wǎng)絡(luò )其實(shí)就是一種運算模型，它由大量的節點(diǎn)(或稱(chēng)神經(jīng)元)之間相互聯(lián)接構成。每個(gè)節點(diǎn)代表一種特定的輸出函數，稱(chēng)為激勵函數(activation function)。每?jì)蓚€(gè)節點(diǎn)間的連接都代表一個(gè)對于通過(guò)該連接信號的加權值，稱(chēng)之為權重，這相當于人工神經(jīng)網(wǎng)絡(luò )的記憶。網(wǎng)絡(luò )的輸出則依網(wǎng)絡(luò )的連接方式，權重值和激勵函數的不同而不同。而網(wǎng)絡(luò )自身通常都是對自然界某種算法或者函數的逼近，也可能是對一種邏輯策略的表達。

　　一個(gè)函數的權重加權(每個(gè)輸入信號x1， x2， x3，對應的權重分別為w1， w2， w3，然后加上內部強度(用 b 表示)，然后激活函數(用 a=σ(z) 表示)

　　整個(gè)公式為：

　　w和x都是 3x1 的列向量，其中w轉置后為 1x3 的行向量，因此與x相乘后為標量(實(shí)數)，然后和 b 相加就得到標量 z，z被代入到激活函數 a=σ(z) 得到神經(jīng)元的輸出，這里的 a 表示神經(jīng)元的激活狀態(tài)。σ(z)被稱(chēng)為激活函數。

　　整個(gè)神經(jīng)網(wǎng)絡(luò )分為：輸入層，隱藏層，輸出層。一般說(shuō)L層神經(jīng)網(wǎng)絡(luò )，指的是有L個(gè)隱層，輸入層和輸出層都不計算在內的。

　　一個(gè)神經(jīng)元被稱(chēng)為 邏輯斯蒂回歸(logistic regression) ，隱層(hidden layer)較少的被稱(chēng)為 淺層，而隱層較多的(比如這個(gè)圖中的5 hidden layer)被稱(chēng)為 深層 ，基本上是層次越深越好，但是帶來(lái)的計算成本都會(huì )增加，有時(shí)候不知道個(gè)該用多少的時(shí)候，就從logistic回歸開(kāi)始，一層一層增加。人工神經(jīng)網(wǎng)絡(luò )是并行分布式系統，采用了與傳統人工智能和信息處理技術(shù)完全不同的機理，克服了傳統的基于邏輯符號的人工智能在處理直覺(jué)、非結構化信息方面的缺陷，具有自適應、自組織和實(shí)時(shí)學(xué)習的特點(diǎn)。

　　神經(jīng)網(wǎng)絡(luò )的壓縮與簡(jiǎn)化一直是業(yè)界在A(yíng)I智能上做出創(chuàng )新和研發(fā)的重要課題。未來(lái)神經(jīng)網(wǎng)絡(luò )將和CPU、GPU和視頻編解碼器一樣，成為SoC的標準IP模塊。

　　深度學(xué)習-DL

　　深度學(xué)習DL是基于機器學(xué)習ML基礎上升級的，我們暫時(shí)將人工智能類(lèi)比成孩子的大腦，深度學(xué)習是讓孩子去掌握認知能力的過(guò)程中很有效率的一種教學(xué)體系。深度學(xué)習是達到人工智能的一種方法和工具。

　　深度學(xué)習通過(guò)神經(jīng)網(wǎng)絡(luò )(Neural Network， NN)來(lái)模擬人的大腦的學(xué)習過(guò)程，希望通過(guò)模仿人的大腦的多層抽象機制來(lái)實(shí)現對數據(畫(huà)像、語(yǔ)音及文本等)的抽象表達，將features learning和classifier整合到了一個(gè)學(xué)習框架中，減少了人工/人為在設計features中的工作?！吧疃葘W(xué)習”里面的深度(Deep)指的就是神經(jīng)網(wǎng)絡(luò )多層結構。

　　如下圖， 很多點(diǎn)， 深度學(xué)習之后匯出的應該是如圖一的趨勢圖， 這樣x 軸任給一個(gè)點(diǎn)， y軸能找到對應的值。如果數據或是運算過(guò)分的話(huà)， 原有數據的每一個(gè)點(diǎn)都包含的話(huà)。反而沒(méi)有規律了。

　　所以深度學(xué)習通過(guò)在輸出個(gè)輸入之間引入一個(gè)shortcut connection，而不是簡(jiǎn)單的堆疊網(wǎng)絡(luò )，這樣可以解決網(wǎng)絡(luò )由于很深出現梯度消失的問(wèn)題，從而可以把網(wǎng)絡(luò )做的很深。

　　邊緣計算的五大特性

　　1、邊緣計算的基礎-聯(lián)接性

　　所連接物理對象的多樣性及應用場(chǎng)景的多樣性，需要邊緣計算具備豐富的聯(lián)接功能，如各種網(wǎng)絡(luò )接口，網(wǎng)絡(luò )協(xié)議、網(wǎng)絡(luò )拓撲、網(wǎng)絡(luò )部署和配置、網(wǎng)絡(luò )管理與維護。聯(lián)接性需要充分借鑒吸收網(wǎng)絡(luò )領(lǐng)域先進(jìn)的研究成果，如TSN、SDN、NFV、Network as a Service、WLAN、NB-IOT、5G等，同時(shí)還要考慮與現有各種工業(yè)總線(xiàn)的互聯(lián)互通。

　　2、邊緣計算作為物理世界到數字世界的橋梁，是數據的第一入口

　　邊緣計算擁有大量、實(shí)時(shí)、完整的數據，可基于數據全生命周期進(jìn)行管理與價(jià)值創(chuàng )造，將更好的支撐預測性維護，資產(chǎn)效率與管理等創(chuàng )新應用;同時(shí)，作為數據第一入口，邊緣計算也面臨數據實(shí)時(shí)性、確定性、多樣性等挑戰。

　　3、邊緣計算具有約束性

　　邊緣計算產(chǎn)品需適配工業(yè)現場(chǎng)相對惡劣的工作條件與運行環(huán)境，如防電磁、防塵、防爆、抗振動(dòng)，抗電流/電壓波動(dòng)等。在工業(yè)互聯(lián)場(chǎng)景下，對邊緣計算設備的功耗、成本、空間也有較高的要求。

　　邊緣計算產(chǎn)品需要考慮通過(guò)軟硬件集成與優(yōu)化，以適配各種條件約束，支撐行業(yè)數字化多樣性場(chǎng)景。

　　4、邊緣計算實(shí)際部署天然具備分布式特征

　　邊緣計算支持分布式計算與存儲，實(shí)現分布式資源的動(dòng)態(tài)調度與統一管理、支撐分布式智能、具備分布式安全等能力。

　　5、OT與ICT的融合是行業(yè)數字化轉型的重要基礎

　　邊緣計算作為OICT融合與協(xié)同的關(guān)鍵承載，需要支持在聯(lián)接、數據、管理、控制、應用、安全等方面的協(xié)同。

　　總結

　　邊緣計算可以讓各個(gè)領(lǐng)域實(shí)現AI智能，在現代數字世界建立起對多樣協(xié)議、海量設備和跨系統的物理資產(chǎn)的實(shí)時(shí)映像，了解事物或系統的狀態(tài)，應對變化、改進(jìn)操作和增加價(jià)值，為實(shí)現物自主化和協(xié)作化，在網(wǎng)絡(luò )邊緣側的智能分布式架構與平臺上，融入知識模型驅動(dòng)智能化能力，開(kāi)發(fā)服務(wù)框架主要包括方案的開(kāi)發(fā)、集成、驗證和發(fā)布;部署運營(yíng)服務(wù)框架主要包括方案的業(yè)務(wù)編排、 應用部署和應用市場(chǎng)。開(kāi)發(fā)服務(wù)框架和部署運營(yíng)服務(wù)框架需要緊密協(xié)同、無(wú)縫運作，支持方案快速高效開(kāi) 發(fā)、自動(dòng)部署和集中運營(yíng)。邊緣側需要支持多種網(wǎng)絡(luò )接口、協(xié)議與拓撲，業(yè)務(wù)實(shí)時(shí)處理與確定性時(shí)延，數據處理與分析，分布式智 能和安全與隱私保護。云端難以滿(mǎn)足上述要求，需要邊緣計算與云計算在網(wǎng)絡(luò )、業(yè)務(wù)、應用和智能方面進(jìn)行協(xié)同。邊緣計算可以打造一個(gè)AI的更智能的互聯(lián)世界。