高通积极打造可执行人工智能的终端装置，并借助收购人工智能研究团队Scyfer扩展机器学习功能，期望将更多的人工智能工作负载从云端服务器转移到智能手机芯片上…
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)、银行和移动等领域。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（来源：高通）
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，但我们在装置上看到更多的机会，同时客户也要求在移动装置上执行其自家版本”，例如脸部辨识之类的任务等。
“在无人机、汽车和智能手机等边缘装置上部署AI是相当新的趋势，但是我们的客户已经在这方面展开移动了——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年的影像辨识方面取得显著进展，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
编译：Susan Hong
(参考原文： AI Sees New Apps, Chips, says Q’comm，by Rick Merritt)
