Azeem請(qǐng)我在CogX上做一次演講，并且希望我集中討論我希望觀眾領(lǐng)悟的一個(gè)點(diǎn)。幾年前我的工作的重點(diǎn)就是讓人們相信深度學(xué)習(xí)是一次真正的革命，而不是一時(shí)的熱潮，但是不斷涌現(xiàn)的諸多產(chǎn)品足以回答這個(gè)問(wèn)題了。

在很多人之前我就知道這是真的，這并不是因?yàn)槲沂蔷哂猩疃榷床炝Φ念A(yù)言者，而是由于我有機(jī)會(huì)花費(fèi)大量時(shí)間親自動(dòng)手實(shí)驗(yàn)該技術(shù)。

我對(duì)深度學(xué)習(xí)的價(jià)值充滿信心，因?yàn)槲矣H眼目睹了它在各種應(yīng)用程序中發(fā)揮的效果，而且我也明白將該技術(shù)應(yīng)用到更廣泛領(lǐng)域的唯一障礙就是從研究到部署所需要的時(shí)間。

在這里我想討論一下另一個(gè)我可以肯定的趨勢(shì)，而且這種趨勢(shì)可以帶來(lái)同等的影響力，只不過(guò)不為人所知。我堅(jiān)信機(jī)器學(xué)習(xí)可以在微型低功耗芯片上運(yùn)行，并且這種結(jié)合可以解決大量目前我們無(wú)法解決的問(wèn)題。這便是我將要在CogX上談?wù)摰膬?nèi)容，在本文中我將詳細(xì)解釋為何我會(huì)如此確信。

由于市場(chǎng)非常分散，所以我們很難拿到準(zhǔn)確的數(shù)字，但是根據(jù)最可信的預(yù)估，今年將有超過(guò)400億個(gè)微控制器售出，考慮到使用它們的產(chǎn)品通常壽命很長(zhǎng)，可能會(huì)有數(shù)千億個(gè)微型控制器在為人民服務(wù)。

微型控制器（或稱MCU）是包含一個(gè)可能只有幾千字節(jié)內(nèi)存的小型CPU封裝，可以嵌入消費(fèi)者、醫(yī)療、汽車(chē)和工業(yè)設(shè)備中。它們的設(shè)計(jì)目的是使用極少的能量，且非常便宜，可以嵌入所有出售產(chǎn)品中，預(yù)計(jì)今年的平均價(jià)格將低于50美分。

沒(méi)人注意到這些微型控制器，因?yàn)樗鼈兂３Ｓ糜谔娲?chē)、洗碗機(jī)或遙控器內(nèi)舊式電子或機(jī)械系統(tǒng)的功能?？刂七@些設(shè)備的邏輯幾乎與模擬電路和繼電器所用的一樣，除了可以做一些調(diào)整，例如可以編程的遠(yuǎn)程控制按鈕，或根據(jù)降雨量調(diào)整擋風(fēng)玻璃雨刷的速度等。

對(duì)于制造商來(lái)說(shuō)最大的好處是，標(biāo)準(zhǔn)控制器可以使用軟件編程，省卻了為每一項(xiàng)任務(wù)定制電路的繁瑣，因此可以讓制造過(guò)程更加便宜，更加容易。

有限的能量

所有需要主電源的設(shè)備都面臨著許多困難。這些設(shè)備只能用在有布線的地方，即便有電線，也有可能因?yàn)閷?shí)際原因而很難插入新設(shè)備，例如在工廠地板或在手術(shù)室等地方。

如果要將某個(gè)東西放到房間頂部的角落，那么需要拉電線，或使用以太網(wǎng)供電等代替方案。電子設(shè)備需要將主電源的電壓轉(zhuǎn)換成各種電路需要的電壓，這種轉(zhuǎn)換很昂貴，而且浪費(fèi)能量。即便是電話或筆記本電腦等便攜式設(shè)備也需要頻繁的充電。

智能產(chǎn)品最大的優(yōu)勢(shì)在于可以隨時(shí)隨地部署，且不需要充電或換電池等維護(hù)工作。為了做到這一點(diǎn)最大的困難是大多數(shù)電子系統(tǒng)的能耗。根據(jù)智能手機(jī)能量耗費(fèi)的數(shù)據(jù)，一般組件所需要的能量大約為：

顯示屏可能需要400毫瓦；

使用中的手機(jī)無(wú)線電接收裝置可能需要800毫瓦；

藍(lán)牙可能需要100毫瓦；

加速度計(jì)是21毫瓦；

陀螺儀是130毫瓦；

導(dǎo)航儀是176毫瓦。

微型控制器本身可能僅需要一毫瓦或者更少的能量，但是外圍設(shè)備卻需要大量能量。一個(gè)紐扣電池可以提供2500焦耳的能量，所以即便是能耗為一毫瓦的東西也只能維持大約一個(gè)月。

當(dāng)然目前大多數(shù)的產(chǎn)品周期性暫?；蛐菝叩姆绞絹?lái)續(xù)航，但即便這樣能量消耗也很緊張。CPU和傳感器基本不消耗電量，但信號(hào)接收和顯示屏需要很多能量。

從這些數(shù)字中我們可以看出，處理器和傳感器可以將能耗降到毫瓦的范圍（例如高通的名為“Glance”的視覺(jué)芯片、可以收集能量的感光元件，以及僅消耗幾百微瓦能量的麥克風(fēng)等），但是顯示屏，尤其是無(wú)線電接收裝置，即便使用低能耗的wifi和僅需幾十毫瓦的藍(lán)牙，其消耗的能量也非常高。

似乎只要是與傳輸數(shù)據(jù)相關(guān)，其物理過(guò)程就需要很多能量。似乎有個(gè)規(guī)則說(shuō)，操作需要的能量與比特傳送的距離成正比。

CPU和傳感器的傳輸距離只有幾微米，所以它們是低能耗，無(wú)線電的傳輸距離長(zhǎng)達(dá)幾米甚至更遠(yuǎn)，所以所需能量也多。我覺(jué)得，即便整體科技發(fā)展，這種關(guān)系也基本無(wú)法改變。

事實(shí)上，我看到很多可以降低計(jì)算電量消耗的機(jī)遇，因此我認(rèn)為計(jì)算和無(wú)線電所需能耗的差距會(huì)加大。

傳感器捕獲了太多用不到的數(shù)據(jù)

幾年以前，我曾跟一些從事微型衛(wèi)星捕捉影像的工程師進(jìn)行過(guò)交談。他們的問(wèn)題是他們基本上只是用手機(jī)相機(jī)，雖然可以拍攝高清視頻，但是他們的衛(wèi)星上只有很小的內(nèi)存來(lái)保存這些視頻，且每幾個(gè)小時(shí)只有有限的帶寬將視頻下載到地球上的基站。

我意識(shí)到我們?cè)谒胁渴鹆藗鞲衅鞯牡胤蕉济媾R著相同的難題。即便是家用相機(jī)也受限于wifi和寬帶網(wǎng)絡(luò)的帶寬。

我常說(shuō)的一個(gè)例子是，我有一個(gè)朋友，12月份他家網(wǎng)絡(luò)的使用會(huì)比一年中其他月份都高出很多，最后他找到了原因，因?yàn)槭フQ節(jié)閃爍的彩燈導(dǎo)致視頻壓縮率急劇降低，因?yàn)橐曨l的每一幀都不一樣！

還有更多諸如此類(lèi)的例子，所有我們可穿戴的設(shè)備和手機(jī)上的加速度計(jì)都只用于探測(cè)可能喚醒設(shè)備的事件，或者只是當(dāng)作基本的計(jì)步器，而我們從沒(méi)有嘗試過(guò)用它們檢測(cè)更復(fù)雜的活動(dòng)。

對(duì)機(jī)器學(xué)習(xí)的意義

如果你同意上述所有觀點(diǎn)，那么很顯然大量未開(kāi)發(fā)的市場(chǎng)正等著我們用正確的技術(shù)去解鎖。我們需要能在便宜的微型控制器上工作的東西，它能耗非常小，依賴于計(jì)算而非無(wú)線電，且可以將我們浪費(fèi)掉的傳感器數(shù)據(jù)轉(zhuǎn)換成有用的東西。這就是機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)的發(fā)展空間。

深度學(xué)習(xí)是計(jì)算密集型，且可以在已有的微型控制器上運(yùn)行，我喜歡從事深度學(xué)習(xí)的原因之一是深度學(xué)習(xí)的實(shí)現(xiàn)幾乎全是計(jì)算密集型的。

這一點(diǎn)非常重要，因?yàn)閹缀跛形覅⑴c過(guò)的應(yīng)用程序都受到隨機(jī)訪問(wèn)大量?jī)?nèi)存時(shí)的速度的限制。相反，神經(jīng)網(wǎng)絡(luò)的大部分時(shí)間都用于大型矩陣的乘法運(yùn)算，其中大量的數(shù)字在不同的組合中反復(fù)使用。

這意味著CPU將大部分的時(shí)間耗費(fèi)在計(jì)算兩個(gè)緩存數(shù)字的乘法，而從內(nèi)存讀取新值的時(shí)間很少。

這點(diǎn)很重要，因?yàn)閺腄RAM（動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器）中取值消耗的能量往往是數(shù)學(xué)運(yùn)算的一千倍。這是另一個(gè)距離與能量關(guān)系的例子，因?yàn)镈RAM的物理距離要比注冊(cè)表遠(yuǎn)。

較低的內(nèi)存需求（僅需幾十或幾百個(gè)千字節(jié)）還意味著我們可以使用低能耗的SRAM（靜態(tài)隨機(jī)存取存儲(chǔ)器）或閃存來(lái)存儲(chǔ)數(shù)據(jù)。這有利于深度學(xué)習(xí)應(yīng)用程序適應(yīng)微型控制器，特別是在進(jìn)行8比特運(yùn)算（非浮點(diǎn)運(yùn)算）時(shí)，因?yàn)槲⑿涂刂破魍ǔＶС值念?lèi)似于數(shù)字信號(hào)處理的指令很適合這種運(yùn)算。

這個(gè)想法不是新出現(xiàn)的，蘋(píng)果和Google在這種芯片上運(yùn)行不間斷的語(yǔ)音識(shí)別網(wǎng)絡(luò)，但是只有為數(shù)不多的幾個(gè)機(jī)器學(xué)習(xí)或嵌入式的人員意識(shí)到機(jī)器學(xué)習(xí)可以很好地與微型控制器相結(jié)合。

深度學(xué)習(xí)可以實(shí)現(xiàn)高效節(jié)能

我花了很長(zhǎng)時(shí)間思考每個(gè)操作所需的皮焦（即10-12焦耳）數(shù)。這個(gè)指標(biāo)可以用以衡量CPU上的一條數(shù)學(xué)運(yùn)算操作所消耗的能量，它很實(shí)用，因?yàn)槿绻抑郎窠?jīng)網(wǎng)絡(luò)一次可以運(yùn)行多少個(gè)操作的話，那么我可以粗略預(yù)估它將消耗多少能量。

例如，MobileNetV2圖像分類(lèi)網(wǎng)絡(luò)在最低配置下，可以運(yùn)行2200萬(wàn)個(gè)操作（每個(gè)乘法加法組合是兩個(gè)操作）。如果我知道某個(gè)系統(tǒng)每執(zhí)行一個(gè)操作需要5皮焦，那么它需要花費(fèi)110微焦的能量（5皮焦 x 2200萬(wàn)）。

如果我們每秒鐘分析一幀，那么能耗只有110微瓦，一個(gè)紐扣電池可以維持將近一年。這些數(shù)字利用目前的數(shù)字信號(hào)處理能力完全能夠做到，而且很可能節(jié)能還將進(jìn)一步發(fā)展。

這意味著對(duì)于使用電池的不間斷設(shè)備的電量來(lái)說(shuō)，在當(dāng)前硬件上運(yùn)行已有神經(jīng)網(wǎng)絡(luò)的能耗已經(jīng)很好，而且隨著神經(jīng)網(wǎng)絡(luò)模型架構(gòu)和硬件的改善，能耗會(huì)進(jìn)一步降低。

深度學(xué)習(xí)可以合理利用感應(yīng)傳感器的數(shù)據(jù)

最近這幾年，我們忽然可以利用神經(jīng)網(wǎng)絡(luò)從充滿噪聲的圖片、音頻或加速度計(jì)的信號(hào)中提取出有意義的數(shù)據(jù)。由于我們可以在微型控制器上運(yùn)行這些神經(jīng)網(wǎng)絡(luò)，而傳感器本身所需的能耗很少，所以我們可以從目前被忽略的傳感器數(shù)據(jù)中解讀出更多信息。

例如，我希望每個(gè)設(shè)備都有簡(jiǎn)單的語(yǔ)音界面。通過(guò)掌握少量的詞匯，并利用圖像傳感器做視線探測(cè)，我們無(wú)需伸手按下按鈕或使用手機(jī)上的應(yīng)用，就應(yīng)該可以控制周?chē)h(huán)境中的一切。

我渴望有一種語(yǔ)音界面組件，它的價(jià)格低于50美分，并可以在一個(gè)紐扣電池上運(yùn)行一年，而且我相信以我們現(xiàn)在技術(shù)力完全可以實(shí)現(xiàn)。

再舉一個(gè)例子，我希望有一種微型的用電池的圖像傳感器，我可以編程讓它幫忙照看農(nóng)作物，一旦發(fā)現(xiàn)害蟲(chóng)或雜草就發(fā)出警告。這些傳感器可以散布到田地中，指導(dǎo)我們用更加環(huán)保和友好的方式處理雜草和殺蟲(chóng)。

有一個(gè)工業(yè)上的例子讓我印象深刻，有一個(gè)叫做“漢斯”的工廠工人，他是長(zhǎng)期的工程師，每天早上他都在一排排的機(jī)器旁忙碌，將一只手放在機(jī)器上，傾聽(tīng)，然后根據(jù)經(jīng)驗(yàn)和直覺(jué)告訴工頭哪臺(tái)機(jī)器需要暫停維修。

每個(gè)工廠都有一個(gè)這樣的人，但是很多人馬上就要面臨退休了。如果可以將一個(gè)使用電池的加速器和話筒放在每臺(tái)機(jī)器上（“機(jī)器漢斯”），用于學(xué)習(xí)正常的操作和信號(hào)，這樣就可以在異常情況發(fā)生之前找到問(wèn)題。

我可以想象出一百個(gè)其他的產(chǎn)品，但是坦白說(shuō)我最感興趣的是，我想象不出應(yīng)該如何使用這些新的設(shè)備，因?yàn)檫@些產(chǎn)品背后的技術(shù)如此讓人嘆為觀止，所以人們會(huì)創(chuàng)建這樣的產(chǎn)品，并會(huì)涌現(xiàn)我無(wú)法想象的全新的應(yīng)用程序。

對(duì)于我來(lái)說(shuō)，這種感覺(jué)有點(diǎn)像一個(gè)18歲的孩子擁有第一臺(tái)計(jì)算機(jī)。我不知道情況會(huì)變成怎樣，目前大多數(shù)的人僅用機(jī)器學(xué)習(xí)玩游戲或存地址薄，但是我知道很許許多多可能的新世界將會(huì)出現(xiàn)。

總結(jié)

與發(fā)送文檔相比，我們更傾向于面對(duì)面會(huì)議的唯一理由是，信息背后的情緒也可以得到溝通。我希望與CogX的觀眾分享的是，我很感興趣，也很確信在微型設(shè)備上運(yùn)用機(jī)器學(xué)習(xí)的未來(lái)，雖然一篇博文并不能起到太大作用，但是我希望我介紹了一些有用的觀點(diǎn)。

我并不清楚未來(lái)將會(huì)怎樣，但是我知道微型、廉價(jià)、使用電池的芯片上的機(jī)器學(xué)習(xí)即將到來(lái)，它可以為偉大的新應(yīng)用程序打開(kāi)大門(mén)！

作者：Pete Warden，曾擔(dān)任Jetpac（該公司被Google收購(gòu)）的CTO，現(xiàn)在Google的TensorFlow團(tuán)隊(duì)擔(dān)任深度學(xué)習(xí)的工作。主要著作有The Public Data Handbook和The Big Data Glossary（O'Reilly出版），創(chuàng)建了OpenHeatMap、the Data Science Toolkit，以及其他開(kāi)源項(xiàng)目。