【Arm 專欄】一表了解 AI 人工智慧與 ML 機器學習

常常聽到「人工智慧」、「機器學習」、「深度學習」,這些好像都跟 AI 有關,但到底分別代表什麼呢?
評論
Photo Credit: Arm 提供
Photo Credit: Arm 提供
評論

這幾年人工智慧 (AI) 與機器學習 (ML) 可算是非常夯的討論題材,幾乎看所有的科技論壇都想要跟這個課題沾上邊,到底 AI 與 ML 有多受歡迎,我們可從 Venture Scanner 的研究結果看出端倪。到目前為止,有 2,643 間新創公司在發展 AI 相關的產品,全球投資金額已經超過 750 億美金;這個數字十分驚人,也代表未來的商業價值發展趨勢銳不可擋。

一表了解 AI ML

那到底什麼是 AI,什麼又是 ML? 下面圖表可以很清楚地了解其關係:

AI and ML
Credit: Arm 提供
  • 演算法 (Algorithms) 是程序 (Programs),也就是數學和邏輯的結合,它們會在遇到更多數據時進行自我調整以使其表現更好。 
  • 深度學習 (Deep Learning) 是下一代的機器學習,為機器學習的一個子集。 深度學習模型可以完全獨立於人類做出自己的預測。
  • 機器學習 (ML) 是人工智慧的子集,機器學習使用統計技術來讓各種應用程式透過訓練進行「學習」,而不是採用規則進行程式化。
  • 人工智慧 (AI) 是一個概括性的術語,用於機器模擬人類智慧的相關硬體和軟體,採用了各種技術來實現這種「智慧」,包括機器學習 (ML)、電腦視覺和自然語言處理。

邊緣機器學習的優勢

要達到人工智慧 (AI) 的應用,機器學習 (ML) 的能力就十分重要。機器學習系統可處理各種資料訓練,提升在其所指定的工作性能表現,如在物聯網裝置,可以選擇在雲端執行或是在邊裝置上執行,但是在很多情形下,在邊緣/終端(如物聯網裝置)上執行就比較實際且具有優勢:

  • 減少延遲:提高可靠性與安全性:對於使用者來說,若上網品質不良,應用程式沒反應或是用起來卡卡的,如車用系統,就不能完全依賴雲端連接,因為這種情況下的延遲可能會帶來嚴重的安全隱憂。 
  • 電力與成本:將資料從裝置傳送到雲端伺服器會消耗電力與頻寬的負荷,因為機器學習屬於資料運算密集型的應用。若能盡量在裝置端執行機器學習,則可以降低頻寬及電力使用。
  • 隱私與安全性:消費者與企業越來越重視資料的安全性。任何人都不希望自己的隱私被洩露;但是,如果資訊持續在雲端來回傳送,這種風險會進一步擴大,也因此在裝置上執行ML模組更可以保障其安全性。

機器學習的應用

ML 模組可以因應用的需求選擇不同的硬體,從成本和功率受限系統的小型低功耗微控制器裝置 (MCU) 到 CPU、GPU,或是專為 ML 處理設計的 NPU。

如專門開發高階醫療感測器和人工智慧 (AI) 數位健康工具的 Amiko 公司,旗下的 Respiro 吸入器就是採用了Arm Cortex-M 處理器 (CPU),可收集病患吸氣資料,監測病患奉行醫囑的情況、肺部功能和病況,就是一個針對哮喘患者的邊緣機器學習的應用。

最近 Arm 才發表 Ethos (NPU) 系列,就是為了擴展機器學習 (ML) 處理器的產品範圍,以便在主流裝置上實現人工智慧 (AI) 的應用,如提供包括語音辨識與 always-on 能力與功能等。

此外,無人機探測,或是透過鏡頭即可自動辨識水果與蔬菜的分類,提高產線效率,進而自動探測植物的病害檢測,都會是未來 AI 與 ML 的實際應用,可以大大改變生活上的便利與商業上的蓬勃發展。想要了解更多有關機器學習的內容可以參考 Arm 與 Wiley 合作的嵌入式機器學習設計傻瓜書介紹。

責任編輯:Mia
核稿編輯:Chris




精選熱門好工作

Product Designer

新加坡商拍拖有限公司台灣分公司
臺北市.台灣

獎勵 NT$15,000

CREST 視覺美術設計師/平面設計師

八洋精密股份有限公司
新北市.台灣

獎勵 NT$15,000

PopDaily 前端工程師 –【工程部】

數果網路股份有限公司
臺北市.台灣

獎勵 NT$15,000