尽管有众多人工智慧(AI)处理器竞相抢市──每一种都自称是“突破”──今日的AI社群仍被无数问题所困扰，包括能量、速度、AI硬体的尺寸与AI演算法，这些都尚未证实在强韧度以及性能方面有所改善。8Pkesmc
在电脑视觉方面，如IBM Research的电脑视觉与多媒体研究经理Rogerio Feris所言，最大的挑战在于如何”让视觉分析更有效率“。要特别说明的是，AI仍在早期发展阶段，需要全新的想法、长期性的眼光，以及学界与研究机构在研发上的更多投入。8Pkesmc
IBM Research会在本周于盐湖城(Salt Lake City)举行的2018年度电脑视觉与图形识别研讨会(Conference on Computer Vision and Pattern Recognition，CVPR)上，发表两篇关于AI软体与硬体技术的论文；CVPR是由电脑视觉基金会(Computer Vision Foundation)以及IEEE电脑学会赞助，号称是最具竞争力的电脑视觉技术研讨会之一。8Pkesmc
在AI硬体部分，IBM Research正在推广一种立体视觉(stereo-vision)系统，是透过将以大脑启发的棘波神经网路(spiking neural-network)技术应用于资料撷取(感测器)与资料处理所开发；该设计利用了IBM自家的TureNorth晶片──是一种非冯诺伊曼(non-von-Neumann)架构处理器──以及一对瑞士业者iniLabs开发的事件导向(event-driven)摄影机8Pkesmc
8Pkesmc
IBM的TrueNorth架构8Pkesmc
在AI软体部分，IBM Research的论文是关于“Blockdrop”，也就是被认为可降低深度残差网路(deep residual networks)所需之总运算量的关键步骤。Feris解释，以上两篇论文是从两个不同角度解决一个相同的问题──视觉分析效率。8Pkesmc
Feris表示，当有人要过马路，自动驾驶车辆会被预期要做出”即时推论“；虽然影像辨识准确度很重要，不过自驾车要花多少时间产生结论、识别出那是什么东西，才是它在现实世界应用的终极试验。8Pkesmc
什么是“Blockdrop”？
在2015年ImageNet大会上成为赢家的残差网路，在电脑视觉技术社群掀起了一场风暴；该技术已经证明了它能提供优异的识别结果，因为能训练神经网路中的数百甚至数千层。不过Feris指出：”将残差网路需要的那些一体适用运算应用于所有成像，会太没有效率；“他解释，如果有一只狗在白色背景前，会比在忙碌都市街景中更容易被识别。8Pkesmc
为此IBM Research开发了BlockDrop，这是一种学习动态选择残差网路中哪些区块(包括多个层)来执行推论任务的方法；Feris指出："该方法的目标是妥善减少整体运算辆，同时不损失预测准确度。”8Pkesmc
8Pkesmc
IBM声称，BlockDrop在测试中平均能将识别速度提升20%，有时甚至能加快36%，而且不牺牲残差网路在ImagNet资料集中达到的准确度。Feris表示，IBM这项研究是在2017年夏天与美国德州大学(University of Texas)、马里兰大学(University of Maryland)合作展开，该公司将会把BlockDrop释出给开放源码社群。8Pkesmc
立体视觉应用的神经形态技术
在硬体方面，IBM Research瞄准了一种利用棘波神经网路的立体视觉系统；该公司表示，目前产业界是使用两个传统(讯框)摄影机来产生立体视觉，但从未有人尝试过神经形态技术。虽然以传统摄影机提供立体影像并非不可能，不过会需要高画质影像讯号处理，例如高动态范围(HDR)成像、超高解析度处理以及自动校准等。8Pkesmc
根据IBM研究员Alexander Andreopoulos在论文中的描述，其系统是利用两个iniLabs开发的事件导向摄影机(又被称为动态视觉感测器-DVSe)，撷取画面之后以IBM TrueNorth晶片丛集来提取快速移动物体之深度。8Pkesmc
IBM的目标是大幅降低取得立体影像所需的功耗与延迟，在接收直播的棘波输入(这已经大幅降低资料量)后，该系统是用IBM的神经形态硬体重建3D影像，透过估算来自两个DVSe之影像的差异，以及藉由三角测量定位3D空间中的物体。8Pkesmc
8Pkesmc
神经形态立体影像8Pkesmc
资料撷取与处理
有一家法国新创公司Prophesee是利用神经形态技术来撷取资料，并降低感测器所收集的资料量；该公司的感测器技术并非以讯框为基础，而是以简化并打造适合机器使用的资料为设计目标。Prophesee执行长先前接受EE Times采访时表示，这能大幅减轻资料量负担，应该也能因此让车子能做出几乎即时性的决策。8Pkesmc
不过新一代的IBM立体视觉系统不只将类人脑技术用于资料撷取，也用在资料处理上，以重建立体影像；Andreopoulos表示，该系统还有一个最大的成就，是透过编程让TrueNorth有效率地执行"棘波神经网路立体视觉必备的各种常见子程序(sub-routines)”。IBM补充指出，TrueNorth晶片的架构功耗比传统系统低，这会有利于自动驾驶系统的设计。8Pkesmc
同样的，利用一对DVS摄影机(非讯框式)也能降低资料量与功耗，并提升速度、减少延迟，提供更好的动态范围，而IBM表示这些都是即时系统设计的关键元素。在被问到新的TrueNorth系统还有那些优势时，Andreopoulos表示，与采用传统CPU/GPU处理器或FPGA的最先进系统相较，其每画素视差图功率(power per pixel disparity map)有两百倍的改善。8Pkesmc
利用以事件为基础的输入，馈入IBM系统的即时影像资料，是以9颗TrueNorth晶片进行处理，每秒能计算400张视差图，延迟仅11毫秒(ms)。IBM在论文中指出，藉由特定的权衡(trade-offs)，该系统能将速率进一步提升到每秒2,000张视差图。8Pkesmc
采用TrueNorth晶片的立体视觉系统何时可以商业化？Andreopoulos表示："我们还不能透露时间点，只能说我们已经进行测试并且成功编程晶片有效处理视差图，现阶段是概念验证。“8Pkesmc
编译：Judith Cheng8Pkesmc
(参考原文：IBM Refines AI Efficiency in Visual Analysis，by Junko Yoshida)8Pkesmc
8Pkesmc
