對于關注該行業的人來講，將人工智能集成到終端設備中的做法是非常值得注意的，就像幾年前宣傳的“云”就是一切，這似乎是一個永遠不會消失的流行詞，當時我們有充分的理由：將部分計算操作轉移到外部設備上，可以更加有效且成本更低的去完成很多操作，現在市場上有大量的成熟的云服務提供商，因此選擇也有很多。那么一切就到此為止了嗎？為什么我們還要討論將部分操作重新放到終端設備中來實現呢？這難道不是一種倒退嗎？難道我們不能夠依靠云來實現一切嗎？

帶寬，隱私，延遲

事實上并沒有那么簡單，很多應用必須連接到云服務才能夠正常工作，這會產生大量的數據并且需求更高的帶寬，這就給網絡帶來了巨大的壓力，尤其是有時我們并不需要所有數據（舉個例子，為什么要發送空白圖片？），這些操作放在源頭就進行處理要更有效的多。

其次就是隱私問題，“黑客”這個詞可能有些老套，使用“hackneyed”吧，我們的智能語音設備和智能相機會采集大量的數據，這些數據是私密且敏感的。將數據放在本地進行處理，只將需要的數據發送給云端，這樣就可以避免別人竊取的風險。

即使采用低延遲的5G通信技術，對于需要實時做出決策的設備來講，依靠云服務是不實際的，這會帶來不可接受的延遲：如果你的無人機要飛過一段擁擠的環境，它需要立刻能判斷出障礙物并躲避，如果不能的話無人機就無法按正常的速度飛行，當前還有一個經典的案例：自動駕駛汽車；這很容易理解，當有人突然走到車前方的時候，汽車不能等待來自云端可能存在或不存在的通信回復，它需要立即做出決策。

模式觀察者

在網絡研討會上我們列舉智能相機中AI應用的一些案例，這讓我想起其他一些有趣的可能性和應用場景。似乎沒有什么能阻止AI進入我們生活中的每一個領域，甚至有可能某一天AI能夠寫博客（毫無疑問有人會爭論這是否是一種進步）。

目前已經有一些公司比如路透社（Reuters）在AI新聞領域進行了重大的投資，推出的工具稱為Lynx Insight，支持關鍵詞搜索。AI不會寫新聞報道，而是通過搜集大量的數據，發現一些不尋常或有趣的信息，然后將這些信息提供給記者——比如指出股票價格出現大幅波動、或者某個特定市場出現其他變化。畢竟神經網絡比人類能夠更快的發現某種模式發生的變化，但是只有人類才能夠解釋哪些是重要的。

談到智能相機領域，有很多有趣的應用案例，涉及多個領域，包括商業和消費領域。

從很早開始就可以讓攝像頭幫助我們做一些想做的事情，比如識別車輛牌照，下一步可能是讓攝像頭能夠自動識別整個車輛，甚至包括車內的乘客——這對于機場的安全保障是理想的選擇，當然現在借助智能相機分析系統已經能夠從人群中識別出某個人了，比如中國警方逮捕犯罪嫌疑人的案例。

智能相機系統還具有識別廢棄包裹的能力——當某個包裹被放置在某個地方，懷疑可能是丟棄物時就能夠被識別出來——在繁忙的公共場所（比如機場）這種識別能力對于安防是非常有利的。

提升購物體驗

零售分析是另一個重要的領域，比如亞馬遜的無人商店（沒有服務人員，商品也不是免費的），來此購物的客人可以拿起他們想要的商品就走出商店，攝像頭會識別出每一個人的身份，然后自動對他們購買的商品進行收費。

在中國有一些快餐店借助攝像頭系統來根據顧客的年齡和性別給出菜單建議，還有一些系統可以根據消費者的移動軌跡來優化店面的布局。甚至還可以識別出VIP或高消費顧客，然后為他們提供更好的個人服務。突然之間《少數派報告》中關于個人廣告的場景似乎就不那么牽強了。

保持警惕

即使你在車內也無法逃脫攝像頭的監測，事實上駕駛艙內的攝像頭只會越來越多，在ADAS系統中起到重要的作用，尤其是對駕駛員的監控。凝視跟蹤功能用來確保駕駛員是清醒的，并且關注前方道路，如果駕駛員喝醉了使得汽車無法正常行駛或者開啟了自動駕駛模式，如果安全的話，它還能夠通過評估駕駛員的注意力實現自動駕駛模式和駕駛員控制模式兩者之間的靈活轉換。

然后是家，對于很多人來講，在家中增添一些智能化的系統將會帶來更好的體驗。

隨著這項技術變得越來越便宜，越來越多的人會習慣在家中安裝攝像頭，從而可以確保安全和安靜的家居環境。然而現在的一些功能相對還是比較原始的，當它們探測到異常運動時，會向我們發出警報，但是相機本身或者更確切的說支持它的軟件系統并不知道發生了什么。新一代的攝像頭系統將能夠識別家庭成員，并且做一些“聰明的事情”，比如當有人回家或離開時會發送通知、當孩子亂跑時會發出警報！我們還將看到人工智能應用到更多方面，你可以用聲音來詢問某個特定的事件，軟件系統會給你展示當時的圖像。例如你可以說“如果孩子們四點之前不在家請通知我。”

然而正如這篇評論里所證明的，這一系列的人工智能真正發揮作用還為時尚早，可能需要幾周的時間來學習某人的臉部特征并提供有用的信息，你還必須為云服務支付大筆的費用才能讓這些“智能”真正工作起來，放在本地來處理這些操作不是更好嗎？雖然這樣會切斷云服務提供商的一些收入來源，但是如果大部分處理操作能夠在本地完成那么將會更加的高效，而且從帶寬和功耗的角度來看也會節省時間和成本。

像Google Clip這樣的AI攝像頭得到了褒貶不一的評價，但是對于這項技術下結論還為時尚早。

我們還有其他設備，比如Amazon Look，它借助攝像頭來幫助你分析穿著并通過機器學習給你提供建議。此外還有一種集成了人工智能的剪輯相機，它可以識別你或你的家人正在做哪些有趣的事情，并能夠完全自動的進行拍照：從字面上看它就是一臺人工智能相機，同樣這篇評論中指出它并不是很好用，但這只是一個開始：隨著更好、更快、更節能的設計以及算法和技術的改進，能夠取得更好的應用成果肯定是遲早的事情。

提升，增強

神經網絡有很多創造性的功能可以應用，它們現在能夠識別圖片中人和物體已經是很自然的事情了，拍過貓或者狗的照片嗎？在你的手機照片應用搜索欄輸入貓或者狗，看看會顯示什么。雖然我們手機的相機功能越來越好，對光線越來越敏感而且有更好的處理性能，但是一些Apps比如Phancer會將拍的普通照片提升到數碼單反的水平——這就會帶來更多的攝影欺騙，比如現在很多高端相機借助神經網絡提供假的散影效果等。

總結

很明顯神經網絡在終端設備（尤其是攝像頭）上的應用非常的廣泛，但是這項技術還處于早期階段，Imagination對于這個即將到來的時代已經做好了準備，PowerVR Series 2NX硬件加速器是這類解決方案的理想選擇，能夠提供強有力的性能并且保持較低的功耗，想了解更多相關信息一定要去看看我們舉辦的網絡研討會，并且關注我們定期發布的Series2NX架構系列和最新推出的兩個處理內核（PowerVR AX2185和PowerVR AX2145）的博客。