这是谷歌是如何为AI-Laden未来准备Android

Android的未来将令人更聪明，凭借Google在星期三亮相的新编程工具。该公司宣布Tensorflow Lite，该版本的机器学习框架，旨在在智能手机和其他移动设备上运行，在其Google I / O开发人员会议上的主题演讲中。

“Tensorflow Lite将利用新的神经网络API挖掘特定于硅的加速器，随着时间的推移，我们预计专门设计用于神经网络推论和培训的[数字信号处理芯片]，”谷歌副总裁Dave Burke表示Android的工程。“我们认为这些新功能将有助于为下一代设备上发电，视觉搜索，增强现实等。”

Lite框架将很快成为开源Tensorflow项目的一部分，而神经网络API将于今年晚些时候到下一个主要发布的Android。

该框架对谷歌认为作为移动硬件的未来具有严重影响。可实现的智能手机可以使智能手机可以处理更先进的机器学习计算，而不会消耗电量。通过使用机器学习提供智能体验的更多应用程序，在设备上更容易发生工作是钥匙。

目前，建设先进的机器学习应用程序 - 特别是在涉及训练模型时 - 需要一定数量的计算能力，通常需要良好的硬件，很多时间和大量的电力。这对消费者智能手机应用并不实用，这意味着它们通常通过在互联网上发送图像，文本和其他数据来卸载到大规模数据中心的处理。

根据Moor Insights和战略的主要分析师Patrick Moorhead的说法，处理云中的数据附带了几个缺点，包括：用户必须愿意将数据转移到公司的服务器，并且它们必须在具有足够丰富的连接的环境中，以确保操作是低延迟的。

已经有一个移动处理器，目前市场上有机器学习的DSP。Qualcomm Snapdragon 835系统上芯片运动支持Tensorflow的六角形DSP。根据Moorhead的说法，DSP还用于提供像识别谷歌助手的“确定，谷歌”唤醒短语一样的功能。

Moorhead说，用户应该期望看到更多的机器学习加速芯片。“自从摩尔定律减慢了，这是一个异构的计算模式，”他说。“我们正在使用不同类型的处理器来做不同类型的东西，无论是DSP，无论是[现场可编程门阵列]，还是它是CPU。这几乎就像我们正在使用正确的高尔夫俱乐部。“

谷歌已经投资了ML特定的硬件，其张量加工单元芯片系列，旨在加速新机器学习算法的培训以及使用现有模型的数据处理。星期三，该公司宣布了该硬件的第二个版本，旨在加速机器学习培训和推理。

该公司也不是唯一一个带智能手机的机器学习框架的人。Facebook展示了去年的移动导向ML框架，其中用于Caffe2Go，它用于电源，如公司的现场转移功能。