人工智能還處于起步階段。因此，圖本身，算法，都在不斷發(fā)展。然后，正如我們在本次對話的早期所討論的那樣，應用程序正在發(fā)生變化。因此，部分應用程序正在驅動，嗯，我無法在這個應用程序中使用 AI 來實現(xiàn)這一點。所以我們必須研究一種可以實現(xiàn)它的不同類型的網(wǎng)絡。所以事情確實在不斷發(fā)展。

大約七八年前，卷積神經(jīng)網(wǎng)絡——這是你聽到的最常見的一種;它是最常用于分析視覺圖像的一類神經(jīng)網(wǎng)絡，對吧?例如，視覺系統(tǒng)。就在幾年前，實現(xiàn)卷積神經(jīng)網(wǎng)絡的各種方法在分類和識別物體和圖像方面擊敗了人類。一旦發(fā)生這種情況，事情就開始了。

然后你確實有像 DNN 這樣的東西，它實際上只是很多很多層的深層卷積神經(jīng)網(wǎng)絡。所以它是卷積神經(jīng)網(wǎng)絡的一種形式。然后隨著這些用例的發(fā)展，您確實擁有專門為解決這些用例而開發(fā)的神經(jīng)網(wǎng)絡。

讓我給你舉個例子。所以RNN，全稱Recurrent Neural Networks，是一類特別擅長自然語言處理的神經(jīng)網(wǎng)絡。因為，正如我所提到的，神經(jīng)網(wǎng)絡需要時間，需要時間元素來處理句子。

因此，如果某些內容帶有圖像，您只需瀏覽數(shù)據(jù)集，然后匹配圖像。但是，如果有一個序列——如果我說一個詞，但你還必須等待三四個詞才能解釋我在說什么，例如，特別是如果我在句子中移動單詞相對于如何其他人可能會說話——那么你需要一個神經(jīng)網(wǎng)絡，它有一個組件，它可以識別時間，然后將事物縫合在一起。這就是 RNN 的優(yōu)勢所在。并且有幾類 RNN。

變形金剛是一個新的，一個相對較新的。這是一個深度學習模型，可以捕捉可能相距甚遠的關系和單詞序列。所以正如我之前所說的，能夠處理順序數(shù)據(jù)是一回事，即使有時間元素。但是如果這些單詞被許多其他單詞甚至句子分隔，能夠理解它們，那只是自然語言處理的關鍵，因為我們都以不同的方式說話：不同的口音，我們使用不同的措辭。就像名字所暗示的那樣，自然語言的這些元素需要在神經(jīng)網(wǎng)絡中處理。而 Transformers 是最近發(fā)展的另一個例子，專門用于處理自然語言處理類型的工作負載。

因此，根據(jù)應用程序，您可能會選擇不同類別的神經(jīng)網(wǎng)絡來完成您想要完成的任務。

所以當你提高分辨率時，你會得到幾何上更大的數(shù)據(jù)集。這成為一個問題。因為現(xiàn)在，例如，如果您對由數(shù)千張 8K 圖像而不是數(shù)千張 4K 圖像組成的數(shù)據(jù)集進行圖像分類，那么現(xiàn)在您的神經(jīng)網(wǎng)絡需要更長的訓練時間。順便說一句，這通常是在云中完成的。然后推理——基本上是通常在設備上完成的決策或實際結果，而不是在訓練期間——現(xiàn)在正在這些更大的數(shù)據(jù)集上完成。因此實現(xiàn)推理需要更長的時間。

所以有各種各樣的技術被應用到圖表本身，這樣他們就不會因為生活在邊緣而變得笨拙。他們都是關于真正嘗試壓縮圖的大小，以便它們可以生活在邊緣設備的內存限制內。有一些技術稱為修剪，這是一種優(yōu)化技術。它的目的基本上是從模型中刪除多余的或可能非常少的重要信息。所以你可以想象，如果你正在拍攝一張 8K 圖像，那張圖像中會有一大堆不相關的信息，或者重復了很多次。例如，背景中的灰色天空。

這就是視頻壓縮的本質，對吧?

正確。但是，當涉及到 AI 模型本身時，他們還必須考慮到，為了將訓練數(shù)據(jù)集與他們所看到的內容進行匹配，他們需要知道該圖像中重要內容之間的區(qū)別。所以這不僅僅是壓縮圖像大小的問題。但是，當模型查看并嘗試將新圖像與數(shù)據(jù)集相關聯(lián)時，無論圖像大小如何壓縮，它們都必須確定該圖像的哪一部分是重要的。

例如，有一種稱為稀疏性的技術。這指的是，如果你考慮一個矩陣，一個神經(jīng)網(wǎng)絡主要是在做很多矩陣運算。矩陣中有很多零值實際上并沒有提高準確性。因為它旁邊的神經(jīng)元是完全相同的值。因此，有一些技術可以將稀疏性應用于模型，以便模型可以更小，而不會損失很多準確性。因此，從功率和面積的角度來看，它可以存在于更多受限的設備中。因此，軟件部分中發(fā)生了一些事情，以確保圖形本身對于受限設備是可管理的。