除了输入法，移动端 AI 还有哪些想象空间？
极客时间编辑部
讲述：丁婵大小：2.79M时长：03:03
近日，触宝 AI 实验室高级技术总监吴琨在接受采访时，分享了他关于智能终端设备、人机交互、机器学习等未来趋势的看法。
在吴琨看来，智能终端设备可以分为几类，第一类是 IoT（物联网）设备，这些设备的特点是可以连入小范围的局域网，然后通过某个中央枢纽节点路由到广域网。IoT 的设备只需要完成一些简单交互和功能，所以终端运算能力、存储能力和智能程度比较低，交互方式应该以简单语言指令为主。
第二类是特定领域的智能设备，如服务机器人、智能音箱等。这类设备一般都有触屏，需要有更为复杂的交互，除了语音识别外，还需要对话管理、语义理解、图像识别方面的技术应用。所以，对软硬件的要求也会比较高，需要终端有较强的运算能力。
第三类是平台化的智能服务加上具有中等运算能力的终端设备。例如将大型游戏的运算从终端转移到云端，然后将数据传回终端。这类终端也需要承担部分运算以便弥补网络设施带来的延迟，但相对来说，会比 IoT 更为强大。
关于人机交互的趋势，目前学术界有诸多观点，吴琨比较看好三个条件：第一是比目前数据量更大、全且完整的海量无结构数据；第二是比目前计算能力强得多的计算机；第三是比目前网络结构更为复杂但通用的更趋近于人脑的神经网络。
此外，近年来机器学习特别是深度学习的模型推演，逐渐出现了从云端向终端迁移的趋势。吴琨认为，出现这一现象主要有几个原因：
首先是终端硬件计算能力的提升，特别是专门用于神经网络计算的 AI 芯片逐渐成为中高端设备的标配；
第二是行业对数据保护和用户隐私的重视，使得非必要数据可以不必通过上传到服务器就能服务用户；
第三是终端计算可以规避网络延迟和无网弱网情况，使得服务的体验更好；
第四是科技的发展使得 AI 工程技术人员能够更有效的利用数据来达到同样的服务效果，使得终端计算的可行性也进一步提高。
但吴琨认为，尽管如此，终端机器学习未必会取代云端计算成为主流。因为两者的场景和特点不尽相同。在对数据规模大、模型复杂，同时对模型效果要求高的场景，还是需要云端来支持。所以应该会出现计算资源划分更合理，云端计算和终端计算各得其所的局面。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论