在5G量子世界中怎样思考人工智能

上周，我参加了高通公司最新处理器的一次即将到来的活动，其人工智能工作的大量更新（其中包括创新的量子元素），与5G的连接很可能看不到。我认为这是一个改变游戏规则的人。

旧金山活动的本质是强调5G领导的革命的反直觉影响：网络边缘情报的增加。我将对这次革命做一些观察，然后结束我本周的产品：微软的Vision AI Developer套件，该套件已在本次活动中展出。5G在这里预计5G将积极进入市场，到年底将有近乎完整的主要大都市覆盖。这项技术是一个改变游戏规则的技术，但它并非没有问题，其中之一就是网络负载的巨大变化。5G将把瓶颈从无线网络转移到回程，预计大规模的流量增加将迫使一些相当令人印象深刻的网络升级。

推动这一大规模流量增长的一个因素，比今天增加10倍，将是智能网络设备的大幅增长。为了减少流量，使网络不会遇到巨大的瓶颈，有必要将智能推向网络边缘。

这导致云提供商重新考虑他们庞大的集中式计算工厂并开始分发这项技术。它导致像Qualcomm这样的公司将更多的智能和自主性驱动到设备本身，因此它们不依赖于集中资源，这有望将网络负载保持在更易管理的水平。

5G已经改变的一个重要领域是托管游戏。5G不仅提供更高的数据吞吐量，而且延迟更低，使得从云端进行游戏不仅可行，而且在纸面上，比传统方法更具可扩展性和成本。

然而，为了防止数据克服网络，图形很大程度上仍然保留在设备中，并伴随着一些智能。

我认为提供商正在期待越来越多的混合游戏体验，因此5G游戏的社交和互联方面将得到增强，但网络不会因大量视频流而变得更加饱和。我认为这也预计游戏机可能嵌入智能手机，平板电脑，类似Roku的机顶盒，甚至是电视本身。

移动XR体验在汽车中延伸现实的想法，特别是当汽车获得驾驶自身的能力时，是令人信服的。这是因为如果与扩展现实（XR）结合，它可以显着增强驾驶体验。使用增强现实眼镜，您可以发现自己穿越想象的领域并参与虚拟战斗，甚至与其他车辆的乘客一起战斗，同时您的车自动继续前进。

“权力的游戏”的最后一季开始于周日，我可以想象一个长途驾驶看起来像是从Kings Landing到墙上的旅行，以便使用遥控虚拟龙来对抗白人步行者。是的，你也可以成为女王或龙之王！

为未来工厂提供动力在未来几年内，工厂将经历任何垂直方向的最大变化，这主要是3D打印的破坏性影响的结果。制造和质量控制设备将能够直接与云服务联网，然后可以在整个物流生态系统中有效地管理它们。所有这些都与机器和深度学习云服务有关。高通公司的客户AI

基于10多年的人工智能研究，高通公司在其Snapdragon解决方案中引起了人工智能引擎的关注，并指出，该公司长期以来一直专注于电力遏制。

这就是为什么高通公司的产品目前在绝大多数AR和VR解决方案中，因为功率效率提高了实用性并可能降低重量。这一焦点是高通公司推动7nm工艺主要由功率效率驱动但也具有一些性能优势的原因之一。

高通还为各种移动相关功能的开发铺平了道路，从扩展现实到声音处理。

这创造了推理的潜力。根据高通公司的估计，到2025年，培训和推理市场将增长到170亿美元。（鉴于市场需求，我认为这是非常保守的。）

高通公司认为，最大的销量和收入潜力都在推理方面。这可能是正确的，因为您只需要一定数量的培训平台，但一旦掌握了知识，您就可以将其传播到大量使用它的推理产品中。

简而言之，你需要很多老师，但学生的数量 - 推断 - 往往要大得多。

人工智能在Facebook上周参加Qualcomm活动的主持人之一是Facebook的AI产品经理Joe Spisak。如果有一家公司比Facebook更迫切需要AI，我不知道。

Facebook必须迅速解决各种非常棘手的问题。否则，罚款，诉讼和客户流失可能会埋葬它。AI可用于提供社交推荐和机器语言翻译，协助可访问性，并提供更智能的机器人和助手。

此外，机器生成的内容，AR效果和VR体验非常依赖于AI。但是，我认为Facebook真正需要应用AI（我知道他们知道这一点）的目的是策划内容并确保平台的安全性。幸运的是，人工智能 - 特别是深度学习人工智能 - 越来越能够大规模地处理这些问题。

Facebook一直在使用AI探索的一个有趣的领域是慈善捐赠。它使用人工智能筹集了超过10亿美元的慈善捐款。（我不知道这一点。）人工智能的积极使用导致Facebook在建立新数据中心方面遇到障碍，特别是电力需求使其扩张难以为继。

这显然是Facebook在Qualcomm活动上的核心，因为高通的解决方案在电源效率方面处于领先地位。Facebook还称赞其可靠性（高通公司尚未承担英特尔所拥有的安全风险）和低延迟。

显然，通过与高通公司合作，Facebook创建了一个独特的模块化服务器，使其能够通过简单的升级途径保持其速度，实现预期的即将到来的技术变革，消除不断的叉车服务器升级，这在Facebook大规模的情况下价格昂贵且风险太大。

Facebook指出的一个有趣的技术是PyTorch，一个机器学习框架，重点是急切和基于图形的执行，动态神经网络，分布式培训，硬件加速推理和简单性 - 因为在规模上，复杂性是一个项目杀手。