图1 手机上的AI运用

人工智能的观点最早涌如今1943年。
美国科学家沃尔特·皮茨(W. Pitts)和生理学家沃伦·麦克洛克(W.McCulloch)受人脑神经元的启示，通过数学模型仿照人脑神经网络的输入和输出，这便是人工智能技能的雏形。
不过受限于当时的软硬件条件，人工智能技能并未盛行起来。
2016年Google DeepMind开拓的AlphaGo以4比1的成绩降服了人类天下冠军李世石，“人工智能”再一次走进普通大众的视野，这便是人工智能技能的第三次浪潮，“深度学习”是它的主要特色。

目前，人工智能技能的核心内容是通过数学或概率统计方法处理更为繁芜的问题，诸如图像识别、语音识别等。
比如识别一张图片中的小动物，电脑会通过一定的打算方法得到图片中图像的特色，再通过特色判断是小猫还是小狗。
这个打算方法叫做神经网络算法或神经网络模型。
人们为了提高神经网络模型判断的准确性，须要通过大量的小动物图片对算法进行演习，不断优化算法中的参数，终极让模型能非常准确得到想要的结果。

图2 深度学习与神经网络模型

我们回得手机上的人工智能技能，它能够识别我们手机相册中的照片，并将照片自动归类；能识别相册里的各种物体，为人脸加上殊效，为背景供应虚化；也能识别我们的语音指令，将其转化为笔墨或代替手指操作手机。
要在手机上实现这些AI功能，常日有两种做法，一种是将手机上的信息发给网络，由云真个做事器进行AI打算，末了将结果反馈给手机；另一种则是依赖手机的芯片直接进行AI打算。
前者紧张用于打算过程中传输的数据量不大，实时性哀求不高的场景，如语音识别等；而后者则紧张运用于实时性哀求较高，须要打算的数据量很大且不适宜在网络上传输的场景，如图像处理类运用。

图3 手机AI运用的两种办法

在手机领域，业界更关注如何直接在手机上完美的进行AI打算，运行AI运用。
这须要手机供应强大的AI算力，离不开手机软件和硬件AI技能的共同加持。

软件方面，核心的是神经网络模型和移动终端推理框架，神经网络模型常日在云端演习好再支配到终端上运行，而移动终端推理框架则能将神经网络模型转换为可在芯片上实行的机器指令。
常日可用于图像识别的神经网络模型包括MobileNet，Inception等，而常用的移动端推理框架则包括TensorFlow Lite、PyTorch mobile，以及海内的百度Paddle Lite、华为HiAI等。

硬件方面，由于传统的CPU无法胜任须要海量数据并走运算的深度学习打算需求，终端厂商开拓了AI加速芯片来应对AI打算，如DSP、NPU等。
这些芯片专门用于处理卷积、矩阵等AI打算，同时还具备低功耗、高可靠和小体积等上风。
在移动终端推理框架的驱动下，能更加高效的进行AI打算。
目前我们手机芯片中一样平常都整合了AI加速芯片的功能，如高通的骁龙888处理器，苹果A16处理器等，这些芯片中就具备AI加速单元。

在移动运用开拓过程中，开拓者首先须要选择得当的神经网络模型和移动终端推理框架。
神经网络模型常日是一个分外格式的文件，而移动终端推理框架则是一个封装好的SDK。
然后，开拓者会将它们集成到运用当中。
在我们利用手机的时候，移动端推理框架会将数据送入手机的AI加速芯片进行打算，末了将结果展现在我们面前，这便是手机上的人工智能技能。
目前它能给我们带来更多有趣功能和体验，未来还将连续往更智能、更快速的方向发展。

如果您对移动端人工智能技能感兴趣，还可以阅读由机器工业出版社出版的《移动终端人工智能技能与运用开拓》。
点击泰尔科普 | 一本书，带你理解如何开拓一款手机上的AI运用（文末赠书福利）可以参加赠书福利活动。