2011年，Google開發了一個可以辨識YouTube影片中的貓的系統，隨後不久便出現了一波基於DNN的分類系統。但AI研究人員知道DNN實際上並不瞭解世界。它們只是由許多數位神經元組成的，分佈在許多上下相互連接的各層網路中的，類似大腦結構的鬆散模型。
dnn分類 在 T客邦 3C 科技 Facebook 的最讚貼文
dnn分類 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
人工智慧演進：從雲端到邊緣
吳碧娥╱北美智權報 編輯部
人工智慧應用的快速演進正改變設備的創建和使用方式。隨著人工智慧技術能力不斷增強，所有物聯網相關產品開始朝向符合終端需求的應用開發，不再僅依靠雲端連接的支持。終端運算的優勢包括實時性、數據隱私和領先的能源效率，對設備製造商來說，不需要在產品銷售的每個區域都佈署雲基礎設施，產品上市的時間和成本就能縮短。雖然雲端和邊緣運算各有優勢，但若邊緣運算能克服雲端無法解決的問題，人工智慧的未來將會在終端實現……
目前AI主要有雲端人工智慧（Cloud AI）和人工智慧邊緣運算（Edge AI）兩種形態。從2012年深度學習開始到2016年、2017年，大部分AI應用都是在雲端開發的。雲端的優勢是計算能力很強、運算速度很快，這是終端無法比擬的，在2014年時，若把一張照片丟到雲端再回來，網路延遲大概是250～1250毫秒（ms）；當時若在終端運算，需要耗時3秒鐘，這種速度當然是無法被接受的。但到了2016年，因為硬體和演算法的進步，終端的網路延遲從3秒鐘一口氣降低到50ms，代表AI在終端是可行的。
發展邊緣AI運算能力的重要原因之一，就是要解決延遲的問題。AI若能更靠近物聯網設備，把原本在雲端的運算引到邊緣設備，由邊緣電腦用更快的速度做出即時決策，這是在雲端解決方案中無法實現的。
Edge AI將成潮流？
聯發科技計算與人工智慧技術群處長吳驊指出，邊緣AI的優勢在於提高智慧深度神經網路（DNN）的執行效率，同時保持良好的準確性，並縮短產品上市的投資與風險。深度學習從2012年開始慢慢走紅，讓機器從蒐集好的數據中進行學習，除了增加準確率，也減少人工的投入，尤其是影像辨識的錯誤率從26％大幅下降到16.4％，2015時已達到人工辨識的水準，錯誤率只有3.6％。
另一方面，雲端可能會有大量數據傳輸速度慢、反應不及時、隱私容易洩露等問題，因此若將AI部署在終端，可以省去數據在本地與雲端來回傳遞的過程，不僅反應速度更快，且可避免傳輸過程中洩漏隱私，並能降低整個系統的功耗。吳驊認為，雖然雲端和終端各有優勢，但若終端能克服雲端上無法解決的問題，AI必定會在終端實現；至於終端無法辨識的部分，可也以和雲端計算合作。
邊緣AI運算量快速成長
邊緣AI的運算量正在快速成長，過去深度學習是做影像分類、主體偵測；2018年進入影像分割，運算需求達到500G MACs等級，今年深度學習開始進入影像品質階段，運算效率可能會達到10T MACs等級，意味著邊緣運算量將不斷增加。邊緣AI正在實現新穎的應用，並驅動更高的AI運算能力，因為新興的APP越來越複雜，需要更高的AI能力，為AI裝置設計的系統單晶片（SoC）將比往任何時候都更具挑戰性。
在AIoT 時代，人與設備、設備與設備之間的交流，都有賴於資料安全、超低時延的邊緣AI計算能力。聯發科近日發佈人工智慧加上物聯網的AIoT平台，NeuroPilot是一個以異構運算為基礎，整合軟硬體、完整、開放的人工智慧平台，將CPU、GPU和APU等異構運算功能內建到SoC中，透過Edge AI處理平台生態系統，發展出從智慧手機到智慧家庭、可穿戴、物聯網和聯網汽車所需的全面軟體工具，藉由打造專為邊緣裝置設計的AI處理器，聯發科目標是成為邊緣裝置AI運算的重要推手，攜手產業鏈合作夥伴共同打造AIoT生態圈。
影片：AI Everywhere
https://youtu.be/O1-44b69vjI
聯發科希望透過NeuroPilot AI平台，結合產業鏈其他廠商一起把edge AI做大，要讓人工智慧的快速普及，Edge AI的最高境界就是實現AI Everywhere。為了做到這一點，聯發科的AI平台採用跨操作系統的通用架構，能夠跨平台和跨產品線進行部署，將同一套架構應用到各種智慧型裝置甚至車用電子上，合作夥伴只要編寫一次程式，即可實現處處部署。聯發科正在轉化各種智慧型裝置並創造更多商機，像是掃地機器人不只要會打掃，還要能分辨寵物排泄物；視訊會議要直接能辨識與會者身份、語言自動轉換、還能自動撰寫會議紀錄；車用方面則是投入無人駕駛研發。針對上述情境，聯發科會在已有的裝置解決方案中，進一步帶入AI，從「被動的智慧」化為「主動的智慧」。
吳驊也強調，邊緣AI技術的快速發展將推動更多AI應用，記憶體和散熱將是兩個最關鍵的設備限制，DNN效率提升和專用硬體設計繼續會是關注焦點。
附圖：圖一、聯發科技計算與人工智慧技術群處長吳驊
吳碧娥／攝影
資料來源：http://www.naipo.com/…/Industry_Econo…/IPNC_190605_0703.htm…
dnn分類 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
Gartner：2018 年全球 AI 商業價值將達 1.2 兆美元
作者 TechNews | 發布日期 2018 年 05 月 02 日 12:00 |
國際研究暨顧問機構 Gartner 預測，2018年全球和人工智慧（AI）相關的商業價值總計將達 1.2 兆美元，較 2017 年增加 70%。到了 2022 年，人工智慧相關商業價值估計將達到 3.9 兆美元。
Gartner 的人工智慧相關商業價值預測，是以所有 Gartner 涵蓋的研究領域中的垂直產業為調查對象，評估企業整體人工智慧商業價值。人工智慧的商業價值有 3 種不同來源：顧客體驗、新增營收和降低成本。
顧客體驗：對間接成本有正面或負面影響。人工智慧技術要大範圍普及、完全發揮潛力並提供價值，顧客體驗是必要先決條件之一。
降低成本：降低生產、提供新產品或既有產品及服務時產生的成本。
新增營收：增加既有產品與服務的銷量，和／或在現狀以外創造新的產品或服務商機。
Gartner 研究副總裁 John-David Lovelock 表示：「未來 10 年人工智慧肯定會成為突破性創新程度最高的技術類別，主要是因為運算能力與資料的數量、速度與多樣性都大有進展，加上深度神經網路（DNN）的技術提升。從 2017 到 2022 年期間，企業獲得人工智慧增強（AI- enhanced）產品及服務最主要的來源，將會是擅長解決單一需求的利基型解決方案。企業決策者將從數以千計從事專門領域的特定人工智慧增強應用程式供應商中，選擇推動相關產品的投資。」
目前人工智慧商業價值呈現新興技術最常見的 S 型曲線成長模式。2018 年全球人工智慧相關商業價值的成長率預估為 70%，但在 2022 年成長將趨緩（見下表）。整體而言 2020 年後成長曲線將趨於平穩，造成未來幾年將出現低成長率。
John-David Lovelock 指出：「在人工智慧發展的前幾年，顧客體驗是主要的商業價值來源，企業發現在使用人工智慧技術提升與顧客互動的商業價值，目標是增加客數和留客率。緊追在顧客體驗之後的是降低成本，運用人工智慧來提升企業流程效率，藉此改善決策並推動更多任務的自動化。不過到了 2021 年新增營收將成為主要商業價值，企業將利用人工智慧來增加既有產品及服務的銷售，並為新產品及服務發現商機。因此就長期來看，人工智慧的商業價值在於新增營收的可行性。」
決策支援／擴增於人工智慧相關商業價值占比將由 2018 年的 36% 增至 2022 年的 44%
若以人工智慧的種類細分其商業價值，決策支援／擴增（如深度神經網路）將占 2018 年全球人工智慧相關商業價值的 36%。到了 2022 年，決策支援／擴增將超過所有其他種類的人工智慧專案，占全球人工智慧相關商業價值 44%。
John-David Lovelock 認為：「深度神經網路讓企業組織能進行資料採擷（data mining）並辨識其中模式，範圍遍及尚未量化或分類的大型資料集，藉此打造能把複雜輸入分類並導入傳統程式系統的工具。這讓決策支援／擴增運算法能直接處理過去需要人工分類的資訊。這些功能對企業組織推動決策和互動流程自動化的能力有極大影響。這種全新層次的自動化功能可降低成本及風險，如透過提升精準目標（microtargeting）、市場區隔、行銷和銷售來增加營收。」
虛擬代理於人工智慧相關商業價值占比將由 2018 年的 46% 降至 2022 年的 26%
虛擬代理（virtual agent）讓企業組織能降低人力成本，因為它們能取代電話客服中心一些簡單的需求和任務，協助櫃台和其他人工服務，同時將較複雜的問題移交給真人代理。它們還能為營收帶來提升作用，例如金融服務業的機器人理財顧問或電話客服中心的進階銷售（upselling）。做為虛擬員工助理，虛擬代理能協助排定行事曆、行程和其他行政工作，讓員工有時間去做更多加值性的工作，和／或減少對真人助理的需求。2018 年代理工作占全球人工智慧相關商業價值 46%，但隨著其他種類的人工智慧成熟並開始貢獻商業價值，到了 2022 年占比將降到 26%。
決策自動化占全球人工智慧相關商業價值將由 2018 年的 2% 增至 2022 年的 16%
自動決策系統會使用人工智慧自動執行任務或最佳化商業流程。它們特別有幫助的領域包括於語音文字轉換、手寫格式或圖像的處理，以及將其他傳統系統還無法存取的豐富資料內容分類。由於企業環境中充斥非結構化資料（unstructured data）和歧義（ambiguity），決策自動化一旦成熟，將為企業組織帶來極大商業價值。2018 年決策自動化只占全球人工智慧相關商業價值 2%，但到 2022 年將增至 16%。
智慧產品占 2018 年全球人工智慧相關商業價值 18%，到 2022 年將縮減到 14%
智慧產品占 2018 年全球人工智慧相關商業價值 18%，但隨著其他基於深度神經網路系統的逐漸成熟，並取代智慧產品對商業價值的貢獻，到 2022 年將縮減到 14%。智慧產品內建人工智慧，通常以雲端系統的形式，整合來自多種系統與互動的使用者偏好相關資料，它們能了解使用者及其偏好，藉此提供超個人化（hyperpersonalize）的體驗並提升參與感。
資料來源：https://technews.tw/2018/05/02/gartner-ai-commercial-value/