原文链接:https://www.gyrfalcontech.ai/news/the-invasion-of-ai-ml-into-android-smartphones-the-introduction-of-the-lg-q70-smartphone-powered-by-gyrfalcon-technologies-ai-accelerator/

AI/ML入侵Android智能手机:推出搭载Gyrfalcon Technologies AI 加速器的LG Q70智能手机

作者:J.Gerry Purdy博士

我们一直在阅读有关Apple最新的iphone11和Tesla在其新的神经网络芯片中在AI和ML方面取得的巨大进展,这将有助于在未来一两年内实现汽车的自动驾驶。现在,Gyrfalcon Technology Inc.(GTI)开发了一种人工智能神经加速器,使像LG Q70这样的智能手机能够以更低的价格从高性能和低功耗中获益。我们预计在不久的将来会看到数百种使用GTI AI 加速芯片的产品。

人工智能(AI)和机器学习(ML)已有很长的历史,但由于能够使这些技术做一些令人惊奇的事情,如击败国际象棋、从数以百万计的存储库中识别出在公共场合行走的人和其他需要大量并行处理的问题。

但是,直到最近(最近几年),大多数AI & ML系统都在云中运行,包括消耗千瓦功率的快速处理器和大型内存阵列。而且,Siri和Alexa等很多人工智能手机系统需要在云端完成“繁重的任务”,而不是在本地设备上。但是,这一切都在以非常快的速度变化。

图2左边显示了执行AI & ML的传统方法。在这里,需要使用AI的应用程序在本地设置问题,比如“这是哪条街?”(显示街道视图)。系统会将问题发送到云端,解决方案(具有大数据的大应用程序)将使用高级可视搜索方法找到答案,然后将其重新传送回应用程序。通常,这将花费大量时间(例如几秒钟内不会立即显示),但所有操作均有效。

然后,一些公司,如英伟达构建了一个集成的AI/ML移动系统,并将所有处理和AI并行存储矩阵都内置到了芯片中。这种方法分为两个方向:

1. 定制、封闭系统(图2中,右上角)——像苹果和特斯拉等公司决定构建自己的定制应用程序系统集成电路(ASIC),将AI和ML结合在一起。最好的例子是苹果公司最近推出了搭载A13仿生芯片的iPhone 11,为新的视频处理提供动力。而特斯拉提供了新的自定义检查功能,旨在帮助特斯拉汽车在美国任何地方自动驾驶。

2. 开放的通用系统(图2,右下角)——Gyrfalcon Technology Inc.等公司创建了一个集成了AI和ML的开放平台。迄今为止,他们最好的例子就是LG公司最近发布的Q70智能手机(见图1)。

LG Q70在某些方面与苹果(Apple)和三星(Samsung)的最新款智能手机不相上下。它有一个6英寸高分辨率显示屏(1080×2310),运行Android(Pie版本),并有一个4000mAh的电池。它在韩国运行5G。然而,它是一个突破性的智能手机,因为它有GTI嵌入式人工智能神经加速器芯片。

您可以看到,在标准的CPU和内存中,这类应用程序不容易完成。GTI芯片(命名为Lightspeeur®)每秒可执行数万亿次操作,因为其矩阵为168 x 168单元,每个单元都有内存和一个处理单元。GTI AI神经加速器的架构如图3所示。

值得注意的是,为了充分利用内存中的所有这些ML系统,开发人员必须进行“设置”以获得价值。这些具有神经网络,提供ML功能的AI加速器基本上是空的,就像刚出生时的婴儿的大脑一样:潜力无限,但两者都必须经过训练才能做出伟大的事情。

以苹果和特斯拉的定制AI/ML芯片为例,它们都利用周围的环境使其正常工作,例如特斯拉的定制AI芯片拥有上百万辆汽车通过“训练”神经网络来感知道路和环境的经验,从而使所有车主/司机都能从中获益。随后,特斯拉芯片将形成自主驾驶的基础程序——它将使这种体验发挥作用,例如,特斯拉自动驾驶系统实际上会想:“哦,我知道下一步该怎么做,这是从之前所有其他特斯拉汽车的经验中得出的。”

以苹果为例,他们在A13仿生芯片中使用ML,不断学习iPhone的使用方式,然后通过只使用电源来完成用户想完成的事情来优化性能。以前,由于没有任何机器学习过程来实现这样的优化,所以一切都得到了支持。

为了协助开发人员进行设置过程,GTI提供了许多工具来完成此任务。如图4所示。

在GTI的情况下,可以对系统进行一些训练,例如:

  • 目标检测 – 输入大量的对象,然后让芯片轻松地“即时”检测相似的对象
  • 面部识别 – 输入大量具有特定特征的人脸,然后它会实时检测这些特征和人物
  • 语音识别 – 输入许多具有已知功能的语音,然后系统将实时识别它们
  • 手势识别 – 输入许多具有已知特征的手势,系统将能够实时识别手势


这种处理可能会在物联网(IoT)的世界中迁移。根据IDC的数据,他们估计到2022年,25%的终端设备将执行人工智能算法(神经网络应用的推理)。

战略洞察力

在短短几年内,在本地“内存”中使用AI和ML的移动系统的迁移速度非常快。它是由定制工作领导的,整个过程可以在内部设计和制造:像苹果和特斯拉这样的公司。

但是,像GTI这样的公司现在正在解决物联网行业的绝大部分问题,它们提供的功能非常相似,但成本却要低得多。

LG Q70智能手机的推出只是个开始。不久之后,我们将看到数百种具有内存AI/ML的产品。最棒的是:用户体验将以我们只能想象的方式得到改善。