為視障者打開一扇窗:邊緣運算的AI盲杖

為視障者打開一扇窗:邊緣運算的AI盲杖

台灣的導盲犬依法可以自由進出各種公共建築物、營業場所、大眾運輸工具和各類公共設施。但是選育、培訓一隻導盲犬成本並不低,這讓導盲犬輔助視障朋友出行變成一種「奢侈品」。最近,土耳其的一位盲人Kürşat Ceylan,基於Arm的最新處理器和NPU,打造出的AI盲杖,或許能夠為更多視障者打開一扇窗。

👉 加入T客邦telegram送《任天堂Switch大補丸》 ( https://bit.ly/35gy8ig )  

那麼,AI想要長久且安全地幫助視障者融入公共生活,背後都需要哪些技術條件呢?我們不妨以導盲犬的幾個重要工作能力來推測一下。

首先,導盲犬需要準確辨識障礙物。

這包括了躲避路上的大坑、汽車、行人、欄杆等等,還要辨識紅綠燈等關鍵路況訊息,以達到讓視障者順利出行的目的。而熟悉AI的朋友一定知道,基於機器視覺+攝影鏡頭+感測器,檢測到環境障礙並不難。所以在AI盲杖中,Kürşat Ceylan就將地圖導航、障礙物檢測演算法、LED警示燈、麥克風等植入到了傳統的導盲杖中,透過超音波檢測器,可以順利感應到160cm高的障礙物。

AI盲杖觸動的邊緣智能未來

AI盲杖觸動的邊緣智能未來

同時,導盲犬還需要引領視障者安全地躲避開障礙。

正在執行任務的導盲犬,會身穿帶著拉桿的小背心,引導主人適當地行走或停止。而且,導盲犬還會自己依據即時訊息作出判斷,有時甚至會「很有智慧的抗命」,當發現前進的命令是不安全的,就算主人要求繼續走,它們也會拒絕服從。

而盲杖則不同,主動權完全掌握在視障者自己手中,即使語音助手+AI推理晶片能夠進行自主的安全警示,這雙「眼睛」很難限制主人的活動,自然也就會有一定的安全風險。而萬一由於設備技術原因,導致人身危險,由此產生的一系列責任劃分與倫理問題,目前整個社會也並沒有相應的預案及準備。

AI盲杖觸動的邊緣智能未來

重要的是,導盲犬還需要融入視障者的生活。

在與主人共同生活一段時間後,導盲犬會對主人的規律性作息時間非常熟悉。例如記住他的上下班路線、行為習慣、常去的超市和交流的朋友等等。這種個性化的記憶能力,AI透過神經網路深度學習,也可以達到。

但需要注意的是,機器學習訓練往往需要消耗大量的算力,因此AI盲杖的演算法只能透過將數據上傳到雲端來完成,這樣的操作必然會出現時間上的延遲與訊息隱私的安全隱患。

至於導盲犬能與主人建立特殊的情感聯繫與信任,幫助其擴展社交活動圈子等等,AI盲杖在超人工智慧實現以前,顯然都無法與之相提並論。

總體看來,AI盲杖在視聽層面已經能夠完成導航避障這樣的功能,但在判斷推理、情感層面依然無法跟導盲犬媲美。在有限範圍、相對安全的環境下(例如辦公大樓等)使用,可能是AI盲杖發揮價值的初期場景。

由此,我們也需要來思索一個新的問題——號稱能搶救AIoT的邊緣智慧,為什麼並沒有如期變革我們的生活?

AI盲杖觸動的邊緣智能未來

尋路霧計算:邊緣智慧的落地難題

邊緣運算從提出以來,就被看做是5G+AI+雲端運算的絕佳輔助。如果說雲端運算是萬物智聯的「終極大腦」,那麼邊緣運算就是龐大的「神經末梢」,承擔著諸多「下意識」的反應。

例如AI導盲杖,就是一個邊緣運算應用的絕佳場景。導盲杖要做到即時互動與判斷,像是看到紅綠燈變綠,自動能夠判斷出「可以通行」。不必將路燈訊息上傳到雲端,經過雲端伺服器的層層判斷才發出行走的提醒。這無疑大大減少了延遲帶來的行進風險,也降低了雲端運算的超負荷。

但讓「雲腦」偷懶的邊緣運算,也能夠幫助產業解決AIoT泛智慧化過程中的三重矛盾:

算力與成本的矛盾

要滿足終端AI推理運算的即時、可用性需求,需要在本地處理大量的數據。要嘛是在終端本身部署高性能的AI晶片,從成本控制上來看顯然並不現實;要嘛就是在實體場景中部署足夠多的邊緣AI。

當然,要滿足AIoT巨量物聯的計算需求,就需要改造網路管道,例如5G邊緣數據中心的建立,以及高性能演算法的訓練,還需要爭奪NPU、GPU等運算資源,這些都不是一朝一夕能夠解決的。

AI盲杖觸動的邊緣智能未來

即時與功耗的矛盾

對於導盲杖這樣的設備來說,不僅要保證即時性,還需要處理物體檢測、語音辨識、手勢監測,甚至人臉辨識等複雜AI任務,加上感測處理的範圍較大,直接導致功耗比較高。電池續航僅有5小時,換句話說,視障者早上出門,晚上沒電可能就返程困難了。

而邊緣運算能夠將龐大的數據流量在終端進行過濾分析,減少了從設備到雲端的傳輸路徑,自然也就改善了耗電問題。

便捷與安全的矛盾

誰都知道物聯網互相協作能夠大大提升生活的便攜指數,但在這個智慧型門鎖、攝影鏡頭等頻頻被駭客選中的時代,數據很容易被別有用心的人利用。許多企業甚至要求必須將AI部署在自家的私有雲上,由此也限制了許多尖端技術的應用,增大了營運維護的難度。

AI盲杖觸動的邊緣智能未來

邊緣運算的解決方式,就是將數據的處理和儲存都放在本地,這樣既能夠保護隱私安全,又能夠實現高效即時的互動與迭代。尤其是導盲杖、心臟起搏器、智慧型手錶等承載著使用者生命健康訊息的IoT產品,其大規模應用的前提就不離開邊緣運算的廣泛普及。

從這個角度來看,AI導盲杖只是AIoT創新的一個案例。據IDC的預測, 2025年物聯網連接數將增長至270億個,物聯網設備數量將達到1000億台。可以想見,隨著未來「雲」和「端」之間的邊緣運算體系不斷成熟,將有越來越多的創新創造被挖掘出來,輔助殘障人士正常生活,幫助城市防微杜漸,為千行百業注入AI的洪荒之力。

邊緣智慧的未來,還需要靜候天時

邊緣智慧的全面開花,自然也會孕育出龐大的產業富礦和商業新機。大家想必都已經摩拳擦掌想要奮力一搏。

不過需要注意的是,邊緣智慧雖然是大勢所趨,卻也有著生長的節奏與天時,盲目入場可能會收穫一場空。

目前看來,邊緣智慧還需要等待產業環境的全面成熟:

一是基礎設施的完善。

作為雲端廠商們看好的未來趨勢,邊緣運算的軟硬體基本到位,例如ARM發佈了面向人工智慧應用的 DynamIQ技術及相關處理器,旨在搭建從網路節點到雲端的的分散式智慧;NVIDIA推出的開發板Jetson TX2,也可在終端設備上更好地運行深度學功能。

但這還不夠,邊緣運算與5G智慧網路,恐怕才是真正如膠似漆的「原配」。

一方面,目前4G網路建設一般以中心化的核心網為主,通常難以實現本地分流(Local-Breakout),這就導致數據必須經過非常長的物理距離才能到達應用側。換句話說,在4G網路之上架設邊緣智慧,低時延要求就無法保障了。

另外,邊緣運算並不僅僅是簡單的分派運算任務,合理地利用本地空閒、將任務分配給不同的額計算節點,這些都需要智慧化的網路來排兵佈陣,實現負載均衡,進而保證每一個邊緣節點的高效利用。而這一點,5G智慧化網路也更加可靠。

而5G建設的腳步受疫情、供應鏈等影響,將比預期延緩,這也就進一步延緩了邊緣運算節點(如探頭、處理設備、數據中心等)的迭代升級。

AI盲杖觸動的邊緣智能未來

 

二是產業應用的連動。

既然是AIoT,自然需要多個邊緣節點來協同合作,透過技術的整合來發揮AI的最大值。

舉個例子,例如視障者在使用AI導盲杖出行時,電線桿、飛馳的車輛、垃圾箱、紅綠燈等等多個節點,都將即時數據共享給邊緣節點。AI導盲杖依據這些數據來做出精準的避障判斷,會不會比視覺辨識的解決方案更加高效可行?

而其他節點也可以透過數據共享,訓練並掌握出行大數據,來整體最佳化並影響城市的交通管理。

而這種邊緣協作的應用聯動,目前還處於理想之中。更為現實的方案是,透過智慧園區、智慧大樓、智慧城市等的片狀更新,不斷積累和訓練相關模型,最後將工業級邊緣智慧與消費級物聯網融合在一起,形成無處不在的萬物智慧,讓AI隨時隨地可被召喚。

AI盲杖觸動的邊緣智能未來

三是開發生態的培育。

無規矩不成方圓,全面智慧物聯的未來,自然也需要統一的標準和規範。但儘管不少雲端廠商都交付了很多邊緣運算工具。但時至今日,我們並沒有看到開發者的創意和腦洞在AIoT領域爆發。

例如2018年7月,谷歌推出的兩款大規模開發和部署智慧連接設備的產品:Edge TPU和Cloud IoT Edge;亞馬遜也早在2016年的re:Invent開發者大會上,決定將AWS擴展到間歇性連接的邊緣設備。微軟的Azure IoT Edge,也允許雲端工作負載集裝箱化,可以從Raspberry Pi到工業網關的智慧設備上本地運行。

除了傳統硬體廠商在更新迭代之外,很少有類似AI導盲杖這樣顛覆傳統功能的創新出現。

其中最核心的原因,是開發門檻依然過高。除了軟體使用的技術門檻,以及訓練機器模型的成本之外,缺乏軟硬體一體化的系統,和統一可靠的行業標準,這些都要求開發者在創新時,注重跨平台相容、異構數據的處理、不同技術和生態的融合等等,無疑過度消耗了精力時間,讓不少開發者望而卻步,也就限制了更多創意的出現。

從現在開始培養開發者生態,或許會成為雲端廠商在未來引領產業標準、結束混亂局面、拉開競爭身位的關鍵。

AI盲杖觸動的邊緣智能未來

科技行業的鐵律,是技術服務於應用,而新的應用造就新的市場主宰者。4G之於行動互聯網,AI之於數位產業,莫不如是。

如果說智慧社會還是一片溝壑縱橫、氣象萬千的原始叢林,神祕,卻也有著無數寶藏可待挖掘。那麼邊緣運算,或許就是那根通向未來的「導盲杖」。

👉 加入T客邦telegram送《任天堂Switch大補丸》 ( https://bit.ly/35gy8ig )  

 

 

使用 Facebook 留言

發表回應

謹慎發言,尊重彼此。按此展開留言規則