人工智能和機(jī)器學(xué)習(xí)可能比你想象的更重要

如今，人工智能已成為普遍的流行語，但大多數(shù)消費(fèi)者可能不知道它如何與日常生活息息相關(guān)。分析人員和技術(shù)新聞界中的某些人可能還會(huì)嘲笑該術(shù)語用于某些幾乎不像真正的人工智能的技術(shù)的頻率。也就是說，除了強(qiáng)大的數(shù)據(jù)中心外，還有一些平臺(tái)對(duì)于AI處理和驅(qū)動(dòng)它們的NN(神經(jīng)網(wǎng)絡(luò))來說是很自然的。其中之一是AI推理(使用AI推理信息，而不是訓(xùn)練NN)在邊緣和口袋中，使用智能手機(jī)。

就像您想象的那樣，從Android到Apple的智能手機(jī)平臺(tái)差別很大，但是語音-文本翻譯和推薦器引擎(例如Google Assistant和Siri)等常見工作負(fù)載大量使用了常見的AI NN模型，在設(shè)備上執(zhí)行此操作可提高速度和延遲。

衡量移動(dòng)設(shè)備中的AI性能

隨著任何新設(shè)備的推出以及熱門新應(yīng)用的出現(xiàn)，精通技術(shù)的消費(fèi)者和技術(shù)媒體成員希望能夠衡量和收集各種移動(dòng)生態(tài)系統(tǒng)中設(shè)備的相對(duì)性能。此外，目前智能手機(jī)測試和評(píng)論中的AI處理性能正在發(fā)展，因此，在主要的應(yīng)用商店中當(dāng)然會(huì)出現(xiàn)多種工具，這些工具聲稱能夠測量電話和其他移動(dòng)設(shè)備的AI性能。而且-您猜對(duì)了-這些應(yīng)用程序的創(chuàng)建肯定不盡相同。為了解決這個(gè)問題，Marco和我深入研究了HotHardware，分析了三種主流AI基準(zhǔn)測試中各種旗艦Android手機(jī)的性能，這些基準(zhǔn)在某些情況下會(huì)產(chǎn)生截然不同的結(jié)果。

關(guān)鍵是要更好地了解實(shí)際測試的特定基準(zhǔn)度量標(biāo)準(zhǔn)。測試是否代表盡可能接近實(shí)際的工作負(fù)載?理想的基準(zhǔn)測試使用的是消費(fèi)者可能會(huì)使用的實(shí)際應(yīng)用程序，但短短的基準(zhǔn)測試可以使用流行應(yīng)用程序的相同核心軟件組件來代表實(shí)際的性能期望。在這種情況下，這意味著我們需要了解這些基準(zhǔn)測試工具要針對(duì)哪些NN進(jìn)行測試，以及要使用哪些數(shù)學(xué)精度和AI算法來處理這些工作量。