|
图片:DJI；谷歌；亚马逊;亚马逊机器人，iRobot 当涉及到新技术和新产品时，我们往往会把“数字电子”和先进的技术联系起来，而把“模拟电子”认为是过时的。 但是，如果你认为模拟电子技术已经消失，那你就错了。模拟电子技术仍然是我们赖以生存的许多重要系统的核心，它现在还将进入新一代智能计算系统，并驱动一些最令人兴奋的未来技术：人工智能和机器人技术。 在讨论模拟电子技术的复兴和为什么人工智能和机器人工程师和研究者应密切关注它这两个话题之前，了解模拟时代的意义和遗产可以帮助理解问题的核心。 我们对模拟电子技术的喜爱 二战期间,模拟电路在第一个自动防空系统的建设中发挥了关键作用,在随后的几十年里,模拟电子计算机成为了计算火箭和航天器的飞行轨迹的一个必不可少的工具。 模拟电子技术也普遍应用于飞机、船舶和发电厂的控制和通信系统，一些系统今天仍在正常运行。不久前，模拟电路还控制了我们的大部分电信基础设施（还记得旋转拨号电话？），他们甚至统治办公室的复印机，因为在早期的复印机在复制图像时是不会处理二进制数字的。 我们对模拟电路的爱持续如此之久，是因为这项技术再一次又一次证明它是准确、 简单而且速度快。它操纵我们的火箭，驾驶我们的飞船，记录和播放我们的音乐和视频，并用电话连接了我们几十年。然后,从1960年代中期到后期,数字电子技术出现了并迅速代替了模拟电子技术。 图片：反馈化油器的引入使得混合燃料的燃烧效率更高，废气排放更少。它们的结构复杂，材料脆弱，而且工作不可靠。后来迅速被电子燃油喷射系统所取代，它们能计算的空气/燃料的混合比例，并控制排放量。要把这些精密的电子控制系统退回到模拟时代，那是不可能的。然而，用于自动驾驶的人工智能技术有可能可以运行在模拟神经系统的计算机上。 数字领域 为什么模拟技术被遗弃，转而采用数字技术?模拟电子技术的最大弱点是物理硬件，当算法要设计成扩展性比较强时，电路的复杂度会以指数级别增长。过高的电路复杂度会造成算法可靠性的下降，因此工程师开始注意到摩尔定律，它使得计算变得更快更可靠。 同时，使用MEMS和微细加工技术制造的传感器可以采集物理信号并将其转换为数字信号。很快,运算放大器被逻辑门元件取代,而且正如摩尔定律所预测，它的成本呈指数级下降。物理连线变成了“电子飞线”,而且设计者把电子技术推到了极限。 在今天的消费电子世界中，模拟电子技术只用于与人类交互的接口，捕捉和产生声音、图像以及其他感觉。在大型系统中，模拟电子技术是用来驱动轮子的转动和使得机器转向。但对于大多数其他电子应用而言，工程师们都想把他们全部转换到数字技术上。这样做的好处是数字技术更加便宜，快速，稳健，灵活，这些优点都使的工程师对模拟技术嗤之以鼻。 然而，模拟电子技术经过长时间的沉寂后，卡佛·米德预测模拟电子技术的回归正开始变成现实。 “大规模自适应模拟系统在组件损坏和失效的情况下，会比传统的电子系统更稳健，而且他们所需要的电源功率也少得多。”米德是加州理工学院的教授、微电子技术的先驱。上面的观点是他在1990年的一篇很有影响力的IEEE论文所写的。“因为这个原因，自适应模拟技术可以充分发挥圆晶硅制造技术的全部潜力。” 图片：模拟计算机在人们的印象中就是大而笨重的机器，而数字计算机则是聪明和圆滑的。然而现在,一大批新兴的人工智能应用程序可能会复兴神经形态计算机和模拟计算机的概念。未来的机器人管家将会“思考”，更像我们的大脑，而不是我们的个人电脑和智能手机里的处理器。 人工智能喜欢模拟电子技术 硬件工程师通常将模拟电子技术视为一种与物理世界交互的必要手段。但事实证明，人工智能和深度学习算法似乎更适合模拟神经形态计算的运行。 我们力士资本公司投资了Nervana，他们使用模拟电路去计算卷积神经网络，以加速深度学习算法的训练。虽然数学运算是在数字技术部分中完成的，整个系统总体架构上却是在一个很高的水平上模仿人类的大脑。 该方法对在云平台的人工智能算法训练很有效，但对于一个自由运动的机器人而言，它需要的电能还是太多了。然而，Nervana的技术发展实在很快，以至于英特尔愿意快速地收购了该公司。 来自大自然的灵感 然而，最近，对于机器人的思考似乎在不断发展。问一千个人心里所想机器人是什么样子的，答案会有Roomba, 亚马逊的Echo，又或者Siri。 图片:AF Archive /Alamy（Bender）；Ronald Grant Archive/Alamy (C-3PO); Ronald Grant Archive/Alamy (C-3PO); DJI；谷歌；亚马逊;亚马逊机器人,iRobot 科幻小说向我们描述了未来的人形机器人，像C-3PO和罗茜。而我们今天的机器人是一种非常不同的东西：他们只是用于完成特定的任务，例如自动吸尘器，带有摄像机的无人机，和语音助手。模拟传感器和模拟计算系统可以显着提高机器人和人工智能的能力，使他们更快，更小，和更少的功率消耗。他们可能不会给我们带来罗茜，但他们会塑造我们想象不到的机器人应用程序。 现在有一个明显的趋势,越来越多的产品和系统将变得更聪明,更智能,例如从恒温器到智能汽车。这些系统需要小型的，便携式的，低功耗的计算机；他们也需要随时随刻的灵敏响应和警报。对于现代的计算机系统而言，要满足这些要求是非常艰难的，通常消耗相当大的功率（除非他们一直处在在待机状态），而且它们需要连接到云计算平台才能执行有用的功能。这就是模拟电子技术可以帮助的地方。 受到大自然的启发，科学家们一直在研究模拟电路，使得传感器可以更好地看到和听到世界，同时只消耗很少的功率。斯坦福大学的硅大脑项目和密歇根大学的集成电路实验室，在DARPA的SyNAPSE和美国海军办公室的支持下，正在研究一种辅助设计模拟神经形态系统的工具。一些还没名气的创业公司也慢慢开始出现。他们从我们的大脑中获取灵感，设计了一种模拟电子系统，可以低功耗地执行类似的计算，而不是尝试在标准的数字电路上运行深度网络。 噪音不是问题 为什么现在要使用模拟电路？答案很简单:我们正处于一个独特的交叉点，我们想实现的神经网络正适合模拟电路的设计，同时这样的人工智能电路的需求正要急剧增加。 传统的硬编码算法只有在内部函数的计算是准确和精确的。如果传统的硬编码算法运算不准确,错误将在系统中传播并且失控。神经网络并不是这样,它的内部状态不需要很精确,而且系统可以对于一个给定的输入自适应地产生所需的输出。事实上，我们的大脑是一个有很多噪声的系统，但它可以很好的工作。工程师们发现，他们可以用有噪声的模拟方法实现深度学习，同时能节省100倍的能耗。 它的影响是巨大的。想象一个未来世界，可穿戴设备和亚马逊的Echo助手，可以在几乎不耗电的情况下使用。或者想象一个工具,不再需要连接上“云平台”就可以变得足够聪明，还无需连接Wifi和数据网络。这仅仅是个开始,得益于这种模拟器件，我期待未来将会出现全新神奇的人工智能和机器人产品。 |
|
|
