將人工智能放入嵌入式應(yīng)用程序的吸引力是顯而易見的，例如使用面部識別來授權(quán)訪問工廠車間的機器控制。人臉識別、語音控制、異常檢測，有了AI就有了很多可能。我將在此博客中使用 face-id 作為示例。比傳統(tǒng)的人機界面和密碼更易于使用、更智能、更強大。更不用說其他人都在這樣做。AI 的工作方式可能看起來很神奇，但它可以做的是迅速成為最低限度的期望。沒有人愿意根據(jù)昨天的技術(shù)透明地評估產(chǎn)品。

挑戰(zhàn)

產(chǎn)品制造商有問題。基于人工智能的開發(fā)與標準的嵌入式開發(fā)有很大不同。你不是在寫軟件，至少是為了核心功能。你必須訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)來識別模式（如圖像），就像你在學(xué)校訓(xùn)練一個孩子一樣。然后，您必須針對嵌入式設(shè)備的受限占用空間優(yōu)化該網(wǎng)絡(luò)，以滿足尺寸和功率目標。神經(jīng)網(wǎng)絡(luò)可能不是常規(guī)代碼，但網(wǎng)絡(luò)及其計算仍然會消耗內(nèi)存并消耗功率。作為嵌入式開發(fā)人員，您知道盡可能壓縮這些指標的重要性。我將在下一篇博客中討論這個問題。現(xiàn)在讓我們至少了解一下這些神經(jīng)網(wǎng)絡(luò)是如何工作的。

基礎(chǔ)知識

我不想向您介紹關(guān)于神經(jīng)網(wǎng)絡(luò)的冗長解釋。正是您將要做的事情才能使您的應(yīng)用程序正常工作。神經(jīng)網(wǎng)絡(luò)在概念上是一系列“神經(jīng)元”層。每個神經(jīng)元從前一層或輸入數(shù)據(jù)中讀取兩個（或更多）輸入，使用經(jīng)過訓(xùn)練的權(quán)重進行計算并前饋結(jié)果。基于這些權(quán)重，一個層會檢測特征，隨著您在層中移動，它會逐漸變得更加復(fù)雜，最終在輸出端識別出復(fù)雜的圖像。

第一個聰明的部分是設(shè)計網(wǎng)絡(luò)——有多少層，層之間的連接等等——核心神經(jīng)網(wǎng)絡(luò)算法。第二個聰明的部分是訓(xùn)練。這是一個過程，其中許多圖像通過網(wǎng)絡(luò)運行，并帶有標簽以識別應(yīng)該識別的內(nèi)容。這些運行建立了識別所需的權(quán)重值。

如果您有野心，您可以從頭開始為TensorFlow等標準網(wǎng)絡(luò)之一構(gòu)建自己的神經(jīng)網(wǎng)絡(luò)。您也可以從開源選項開始，例如face-id 的這個選項。您可以將所有這些構(gòu)建到一個可以在筆記本電腦上運行的應(yīng)用程序中，這對于想要注冊新批準的面孔的客戶來說非常方便?，F(xiàn)在，您可以使用一組經(jīng)過批準的多個姿勢的人臉測試集開始訓(xùn)練您的網(wǎng)絡(luò)。

為什么不直接在云端執(zhí)行此操作？

有些服務(wù)可以在線進行人臉識別——無需在您的設(shè)備上使用凌亂的人工智能。只需拍照，將其上傳到云端，應(yīng)用程序會回傳一個 OK，您的產(chǎn)品就會批準下一步。

但是 - 您所有獲批準的員工都需要在云中擁有他們的照片和其他憑據(jù)。對于安全和隱私而言，這可能不是一個好主意。每次工作人員想要訪問機器時，您將消耗相當(dāng)多的能量將圖像傳輸?shù)皆?。而且，如果您?Internet 連接中斷，則在它恢復(fù)之前，任何人都無法獲得批準。在設(shè)備上進行身份驗證可以保護隱私和安全，保持低功率需求，即使在網(wǎng)絡(luò)連接斷開時也能繼續(xù)工作。

接下來——嵌入你訓(xùn)練有素的網(wǎng)絡(luò)

現(xiàn)在你已經(jīng)完成了人工智能的困難部分，你必須將它下載到你的設(shè)備上。這本身就是一個有趣的步驟，您肯定需要 AI 平臺的幫助。我將在下一篇博客中詳細討論。同時，有關(guān)更多信息，請查看“實時嵌入式世界的深度學(xué)習(xí)”。

審核編輯 黃昊宇