AI不是觸手可及嗎?為什么房間里不見它呢?”人工智能創(chuàng)業(yè)者Ali Farhadi坐在會議室里，俯身看著西雅圖的聯合湖，盡管AI已經應用于許多科技小玩意，但真正能運行AI工作的只是桌上的手機。

大多數情況下設備都不可以自我進行機器學習，但設備可以將數據發(fā)到云端，這樣的方式比前者更有效率，AI的工作過程對資源十分吃緊，不僅占用CPU，而且大量消耗電池電量。自Xnor于2017年獲得了艾倫人工智能研究所(Allen Institute for Artificial Intelligence)的投資后，便開始致力于解決或減輕上述問題的負擔，公司在終端設備的深度學習模型上實現突破，借用這種技術，尖端計算機視覺技術在5美元的迷你電腦Raspberry Pi Zero或者超極本上都可以加載。

技術成熟后，Xnor的機器學習模型效率很高，將來會應用于更多的設備和行業(yè)，后期公司會根據實際情況調整他們的目標。對于AI驅動設備依然存在不足的問題，Farhadi指著樣本設備上的電池組部分，解釋道：“電量是最大的問題。”

Xnor想將AI技術加載于手機和Pi Zero等設備，但設備的CPU和電量都是有限的，電量是他們目前碰到的最大瓶頸。Farhadi的團隊提出了一個瘋狂的想法：打造一個不需要電池的AI平臺。

該設備可以完成實時計算機視覺的任務，只要在設備視野內，轉瞬間便能檢測到一個人，一輛車，一只鳥等的位置，并確定其身份，然后無線傳輸信息，這種設備依賴的是太陽能供電的計算機。

這是一個320×240分辨率的迷你相機，一個加載了目標識別模型的FPGA(現場可編程門陣列)，一個用于處理圖像和相機軟件的內存，以及一小塊太陽能電池，外加一個能夠及時收發(fā)數據的無線裝置。“這個東西沒有固定能源，它就是一個價值僅兩美元的電腦，上面裝著一個劣質的相機，但它物體識別的功能卻很強大。”Farhadi對Xnor團隊的新發(fā)明有點激動。

只要這塊太陽能電池受到明顯的光照，它就可以為圖像處理器和物體識別算法持續(xù)供電，設備工作電壓不低于100毫伏，電壓過低時拍照的頻率也會降低，它還可以不依賴于光源單獨運行，但這種操作并不建議，出于這個原因，設備上還安裝了一個超級電容器，就算是光源不充足的時候，設備依然可以整晚運行。

如果要證明它的效率，我們假設給它在裝上一個手表電池，Naderiparizi說它還能以每秒1格的速度運行超過30年。

不僅僅是產品

真正的突破并不在于太陽能智能相機的發(fā)明，真正的突破在于——電腦中運行一個復雜的深度學習模型時，它的成本和電量比你手機休眠狀態(tài)下耗費得還要少。

進行人臉識別，自然語言處理等推斷過程所需的能量仍存在不足之處，當你開口時，智能燈泡便開燈，但其實這并不“智能”，當燈泡內的模塊接收并發(fā)送你的聲音到一個處理/數據中心，中心會分析你的話語并作出相應的回應，然后燈就亮了。

這一過程不僅麻煩，同時還有延遲，程序也有可能崩潰或受到攻擊，而且還需要有恒定的電源或電池。相反，我們想象家里的花盆，墻上或者書架頂上藏著一個小巧的相機。只需要日常的光照，這個相機就能識別語音命令，不用連接云端也能分析照片;設備內部信息輸入很少，所以也不會被黑客攻擊，而且零件成本僅為10美元。

最終只有一種可能能夠真正深入我們的生活，無處不在，只有最后描述的設備能增量數十億，而且所需基礎設施投資并不大。

你希望擁有一個監(jiān)控寶寶動作并把圖像發(fā)到云服務器的a類嬰兒監(jiān)控器呢，還是一個就算斷網但還能繼續(xù)告知你寶寶情況的b類監(jiān)控器呢?在兩者運行良好的情況下，b類監(jiān)控器似乎更合適，在無數個消費者應用中，這樣的選擇也是大趨所向。

關鍵詞：