2020:未来几年的消费电子产品预测

文章作者:Brian Dipert

让我们展望一下,在未来的一年里,什么会影响消费电子产品,甚至更远。

随着新的一年的开始,是时候对来年做一些预测了。就像我写的其他年终文章一样这本假日购物指南我过去一年的回顾),下面的想法没有特别的顺序。

当你浏览下面的分类时,你可能会感觉到一种模式。深度学习的发展将影响未来的许多应用,包括自动驾驶汽车、网络安全,甚至全球选举。

在评论中大声说出来你的对他们任何一个或所有人的想法,以及你认为我可能忽略的任何事情。

图像深度学习

或cam MyEye 2 AI设备

OrCam MyEye 2人工智能设备可以安装在任何眼镜的镜框上。

模式匹配和从已经识别的数据(“训练”)到尚未识别的数据(“推理”)的推断能力已经改变了当今许多算法的开发方式,并影响了许多应用程序(因此也就解释了为什么“深度学习”这个词会出现在这个列表的多个条目中!)计算机视觉是第一个学科热情地拥抱深度学习,并有充分的理由:传统的算法开发是乏味的和狭窄的适用性,无法准确地处理等“问题”离轴对象视图,照明条件差,大气和其他扭曲和升华。此外,用于识别一类物体的算法通常需要重新编码从头开始为了识别不同的对象类。

相反地,在深度学习中,当你将足够大的、可靠标记的数据集输入到训练例程后,所生成的深度学习模型能够可靠地识别同一类中的类似对象。需要扩大识别对象的范围吗?用更多的数据递增地训练模型。即使您需要更换模型以提供足够的识别广度,底层框架也可以保持不变。这是一个越来越长的令人信服的实现示例列表中的一个,就在几天前,我在阅读最近一期的时代杂志,是OrCam MyEye 2该杂志将其评为2019年最佳发明之一。文章中写道:“这种人工智能设备可以安装在任何眼镜的框架上,可以识别人脸和货币,也可以大声读出条形码上的文本和信息……OrCam MyEye 2也可以帮助那些有阅读困难的人,比如诵读困难症。”

音频深度学习

当然,深度学习擅长模式匹配的不仅仅是图像像素簇。音素和其他声音单位呢?比如说,,谷歌的生活标题,现在可用于该公司像素智能手机系列的最新型号。它实时运行,将语音和视频的音频轨迹转换为即时显示的字幕。同样令人印象深刻的是,它完全在“edge”智能手机上运行(当然,利用可以从“云”定期更新的深度学习模型来提高准确性和语言覆盖率),这意味着如果你完全断开网络连接,它仍然可以工作。

通用数据的深度学习

Darktrace

Darktrace旨在利用人工智能识别网络入侵和病毒。

将你的思维扩展到多媒体数据之外,其他引人注目的深度学习机会就会出现。例如,我的侄子最近开始在一家名为Darktrace该技术旨在利用人工智能识别未经批准的网络入侵、网络上运行的病毒等。诚然,我不太了解该公司的产品的细节,但很显然,一旦你安装了软件,它“了解”了通常的网络特征“看起来”是什么样子,因此能够识别并警告it人员偏离这个标准。

回想一下我之前所说的传统与基于深度学习的计算机视觉算法,以及它们各自适应“拐角情况”和识别新对象的能力。将这一点与您过去可能使用过的传统病毒监控软件结合起来,深度学习方法对网络监控的吸引力就变得显而易见了。与“硬编码”病毒扫描方法不同,这种方法直到安装新的数据补丁(然后只能追溯)才会适应新的威胁,基于深度学习的方法是实时演进的,以响应任何偏离平均值的变化。不可避免地,我认为,某种程度的“假阳性”将由此产生,至少在最初是这样,但健壮的迭代训练方案也将从中吸取教训。

有关一般概念的另一个具体例子,请参阅我最近在Slashdot上看到的帖子关于能够识别旧报纸版面上的死亡通知,然后将姓名和其他关键细节拉入可搜索数据库的算法,这对人们发展家谱之类的东西很有用。但免得你对这些可能性感到兴奋,我还建议大家仔细阅读一下最近的一篇演讲(PDF),”如何识别AI蛇油普林斯顿大学计算机科学副教授Arvind Narayanan说。

自动驾驶车辆

韦莫罗博塔西

近期(和不可避免的未来)挫折放在一边在美国,许多汽车领域的老牌和新创企业都在继续积极寻求部署越来越多的自动驾驶汽车。例如,就在最近,Waymo宣布大幅扩大公开试验亚利桑那州菲尼克斯郊区钱德勒的完全无人驾驶汽车项目。你现在甚至可以使用安卓或iOS应用程序申请Waymo One机器人出租车

然而,尽管广泛适用、广泛使用的全自动驾驶汽车仍然是“闪亮的物体”,继续吸引着每个人的注意力,但对这一概念的有限实施可能会实现大部分(如果不是全部的话)的短期成功。例如,Waymo也与该公司将零件运送到附近的汽车修理厂,这是一个重点路线应用程序的示例。已经绘制了强有力的城市和其他类似地区地图的地区也可能更早地采用自治。是的,取消人工驾驶从根本上说是优步正在进行的robotaxi投资的背后,在考虑此类服务的潜在客户时,我不禁想起了我的父亲,他在近十五年前死于ALS。在逐渐失去肢体控制最终结束了自己的驾驶能力后,父亲会欢迎自动驾驶汽车能够提供的独立性扩展。盲人、老年人、智障人士……潜在的候选人数不胜数。

非自动驾驶汽车

2019年9月,Starship Technologies在普渡大学推出了机器人送餐服务。

把你的思维扩展到汽车之外,自动驾驶的潜力(和近期的现实)也会扩大。例如,去年年中,我们了解到UPS和技术开发合作伙伴TuSimple已经进行了好几个月的合作菲尼克斯和图森之间的自驾货运卡车试验.但简单地说,货运卡车是一种非常大的交通工具。考虑,例如,Garmin的自动着陆系统(是的,那些家伙),它可以在人类飞行员无法操作的情况下让小型飞机着陆:我敢说,我不需要向乘客进一步解释这样一个系统的价值!我的侄女(在我的母校普渡大学(Purdue University)读大二)告诉我,她也加入了Starship的送货机器人舰队活跃的校园运作.她最近给了我一个最新消息;据报道,它们有时会感到困惑,显然,在前往目的地的途中,它们也很容易把食物抢过来(不是这样的)我永远不会做这样的事,提醒你)。但是,消除昂贵、不可靠的人力来完成交付任务是显而易见的。

5 g设备

高通XR2 5G芯片组

今年春天,支持5G的第一波智能手机在世界移动大会(Mobile World Congress)上及其前后发布,2020年还将不可避免地推出更多(以及更优化的)机型,其中可能包括苹果(Apple)的首款5G手机。但我同样对即将推出的其他支持5g的设备感到兴奋。

例如,在我之前的2019年回顾展的开发和这篇文章之间,高通公司举行了年度Snapdragon技术峰会。此外,还宣布了移动计算和通信设备目标金鱼草765和865高通还发布了下一代增强-虚拟现实(Qualcomm的术语为“XR”)芯片组,的XR2.它(像Snapdragon 865)可以与独立的X55 5G调制解调器相匹配,用于完全不受束缚的AR+VR头盔应用。为了完整起见,我还应该指出,高通的主要竞争对手联发科(MediaTek)最近也发布了其首个5G芯片组的更完整细节,Dimensity 1000今年早些时候,该公司首次“调侃”了这一点。

专门的处理器

苹果是A13通告

苹果在iPhone 11系列发布会上发布了A13 SoC。

通用处理器(运行软件或可编程硬件)之间的拔河与专用硬接线加速器相比,实现给定的功能始终是值得关注的,无论结果如何可预测。以MPEG系列视频压缩算法为例,在每一代的情况下,最初执行的解码算法和计算量更大的编码算法n CPU和/或可编程逻辑结构。然而,一旦标准确立,市场发展到足以证明额外开发投资的规模,就会出现专用硬件内核来卸载系统处理器,与此同时,与F基于PGA的前身。

在深度学习处理方面也发生了类似的事情,例如,一个框架列表开始上升到使用流行列表的顶端,并且支持它们的一组通用特性开始形成。更普遍地说,你能想象一个没有图形处理器,而是由CPU(与像素显示引擎相结合)处理相关呈现函数的时代吗?相反,如今的GPGPU,正如它的“通用”名字所暗示的那样,正在努力扩展它的用途除了图形,也希望在过程中避开专门的深度学习加速器。看看上面所示的图像,在香港苹果A13 SoC揭幕在iPhone的推出11家,然后考虑列出的许多功能上运行predominantly-to-completely专用协处理器核心和只在软件通用CPU核心集群。

电池

DHL microdrone

来源:Frankhoffner-自己的工作,CC BY-SA 3.0

不过,自动驾驶和电动传动系统却不能总是携手并进,可以肯定的是,未来越来越多的自动驾驶平台将采用可充电电池供电。电池技术的开发和设计实施需要在许多看似矛盾的变量之间进行巧妙的平衡:

  • 成本(转化为价格,再转化为客户需求,再转化为产量… )
  • 重量(电池组和包含它的系统越重,它的缩短充电间隔操作时间范围.)
  • 大小和形状因素(包含包的系统需要多大的体积,我能多容易地将包塞到可用的系统空间中?)
  • 电荷密度(在给定尺寸和重量的电池中,我能挤出多少电子?)
  • 峰值放电率(对于具有高浪涌电流要求的系统)
  • 需要更换蓄电池前的最大充电循环次数
  • 充电时间,无论是在绝对意义上(100%),还是在最大可用百分比上(对于具有非线性充电曲线的技术)
  • 等等(亲爱的读者们,我忘记了什么?)

随着电池技术的发展,至少还有一个值得考虑的机会降价否则会增强它的价值定位。许多,尽管不是全部(见证)地热),可再生能源它们的输出特性是周期性的还是常数的;风不总是吹,太阳在晚上也不亮(甚至在多云的情况下也不亮),潮汐的强度和方向也不是永久的,等等。中间电池可以缓冲,从而消除这种不一致的模式。

隐私

iPhone 11

我在这部分的图片中展示了苹果的产品(iPhone 11系列,在这个特殊的例子中),因为该公司一直特别强大长期以来的支持消费者隐私面对涉及执法和利润的压力(比如,弄清楚用户是谁,他们在做什么,感兴趣什么,并作出回应)为他们提供量身定做的广告、分享和与其他公司交换数据不幸的是,苹果的行为有时是错误的似乎与它的使命不一致是的,加密数据和通信渠道的主题是再次加热,联邦、州和其他执法机构要求“后门”,科技公司则予以回击。预计这种紧张局势在未来一年会增加,而不是减少。

Deepfakes

阿甘肯尼迪

“深度造假”,即改变静止图像、视频、音频和其他数据,以扭曲其中最初捕捉到的现实,并不是什么新鲜事,正如1994年电影《阿甘正传》中的这幅画面所显示的那样。但这一现象近年来出现了爆炸式增长,随着深度学习算法的应用,例如将一个人的脸映射到另一个人的身体上,或者生成可能在现实生活中从未说过的合成语音短语(然后甚至可能将它们映射到一个人在视频序列中的嘴巴动作)。2016年美国大选期间发生的各种恶作剧到目前为止已经被记录下来了(我对它们的看法没有必要记录下来),随着2020年大选周期的进一步升温,这些恶作剧将不可避免地进一步升级。当然,这并不是美国独有的现象;就在我写这篇文章的时候,有证据表明俄罗斯干预了英国大选。可悲的是,当许多人在社交媒体上看到一些东西支持他们对某个特定的人或话题的预先决定的结论时,他们甚至不会费心去分辨它是否真实。他们会将其内化为“事实”,并将其传递给他们的在线社区。

正如我在介绍中说的,请在评论中说出你对我的想法的想法,以及你认为应该在这个列表上的任何补充。一如既往地感谢您的阅读!

- - - - - -Brian Dipert是嵌入式愿景联盟(Embedded Vision Alliance)的总编辑,也是BDTI的高级分析师,也是该公司在线时事通讯InsideDSP的总编辑

相关文章

留下你的评论