一秒變聰明!100 美元 USB 給你最尖端的人工智慧機器視覺

16

最近 Movidius 晶片的出場率越來越高了。DJI 最新無人機的迴避障礙功能、FLIR 最新溫度鏡頭自動辨識火災中的人——這些都是透過神經網路的深度學習實現的。公司還與 Google 簽訂了合約,將晶片融入一個未公布的神秘產品中。現在,這家晶片製造商出了新產品,據稱可以將強大的深度學習帶給任何人:一款名為 Fathon 神經計算棒的 USB。

Fathon 配有 Myriad 2MA2450 VPU,搭配 512MB 的 LPDDR3 RAM。之前說到的 DJI 和 FLIR 產品就是裝配了 Myriad 2 晶片,可以同時搞定許多進程。因為它是專門為此設計的——架構與 GPU 和 CPU 非常不同,它不需要很大的電量就能提供很大的能量。它可以搞定最高 150 gigaFLOPS(一個 gigaFLOPS 代表每秒 10 億次浮點操作),只耗費不超過 1.2 瓦的電量。

與 Tegra 的深度學習方法不同的是,Fathom 不是一個單獨的系統。這個概念是,你用 USB 3.0 介面將它插入任何運行 Linux 的系統,就能得到「20-30 倍的神經計算運行提升」。你可以用 Fathom 來快速做出神經網路原型,一旦你準備好行動,就能獲得大得多的計算力。

當然,這是神經網路,所以這並沒有那麼簡單。Fathom 接受 Caffe 和 TensorFlow 定義的網路(兩個在深度學習領域很流行的框架)以及它們的資料庫。你需要使用一個 Movidius 工具來在 Myriad 2 晶片上執行網路,它會自動運行並獲取電量。乍一看這挺像 CUDA 和 cuDNN(NVIDIA 將神經網路交給圖像卡的系統)。但是,Fathom 的亮點在於,當你手頭沒有華麗的昂貴圖形卡和處理器,你就還是可以使用人工智慧。

Fathom 是個特別的設備。如果你試過使用馬力不足的機器來跑即使是基礎的神經網路,你會發現,慢死了。目前,最好的方式是基於雲端的系統,使用遠方的計算能力。能夠給一個常規筆記型電腦增加一個不錯的計算能力,這能大大降低打造一個神經網路的成本。

一秒變聰明!100 美元 USB 給你最尖端的人工智慧機器視覺

(Source:TechCrunch

從本質上來說,這意味著插入 Fathom 的設備可以認知性地、或者說智慧地產生回應,基於它在鏡頭所見的內容(透過計算視覺)或者它從另一個來源處理的資料。

除了計算棒本身,Movidius 還打造了一個名為「Fathom 深度學習軟體框架」的軟體,讓你可以最佳化和編譯演算法,能用超低電量在 Myriad 2 上運行。例如在計算視覺裡,Movidius 說它可以每秒運行16個圖像,在最高馬力運行也只使用一瓦電量。另外,還有很多認知領域可以應用。

(Source:YouTube

但是 Fathom 的潛力還遠不只這些。在機器人、無人機和創客領域都能大顯身手。例如說,你可以給無人機的鏡頭編入程式,可以辨識著陸地面是否平穩、扎實。又例如,將 Fathom 接上 Raspberry Pi,你可以給 GoPro 加入非常高級的電腦視覺能力。如果你腦洞再大一點,還能想到更多智慧、小型、低耗能的實際應用:智慧飛行、能感知情況的安全鏡頭、更小的自動駕駛設備、新級別的語音辨識。大小和電量的因素,還讓可穿戴和 VR 等互動性裝備都可以應用(雖然不是直接插 USB,但是可以找到其他融入的方式)。由於電腦視覺是支援 AR 的關鍵之一,以極小耗電量增強電腦視覺能力,我認為這種硬體可以在該領域內有很多發展可能。公司長遠的目標,當然是說服更多的製造商將 Myriad 晶片加入到他們的設備中,但是 Fathom 這樣的神器是非常重要的一步。

一秒變聰明!100 美元 USB 給你最尖端的人工智慧機器視覺

▲ DJI 的障礙迴避功能是由 Fathom 同樣的晶片支援。(Source:Engadget

這在 AI 圈子裡獲得了積極迴響。Facebook 的人工智慧負責人Yann LeCunn 博士說,他「一直希望可以有類似 Fathom 這樣的東西……有了 Fathom,每個機器人,不管大小,現在都可以有最尖端的視覺能力。」不過,Google 的 AI 技術領導人 Pete Warden 說,「要在設備內調試和運行這些複雜的神經網路,Fathom 還有很長的路要走。」

除了公司已經在合作的 Google 、FLIR 等大客戶以外,中小型企業也可以為自己的項目獲得更強的計算能力,Fathom 做為一個附加模組可以為他們打開新的市場空間。

目前公司有 1,000 件設備,免費送給符合標準的客戶和研究員。雖然一些機構正在簽收他們的 Fathom,這款設備在第四季之前還不會公開發售。現在還沒有固定價格,但是據稱,價格會在 100 美元以內。

(本文由 雷鋒網 授權轉載;首圖來源:Engadget