[發(fā)明專利]一種便攜式人工智能裝置及其配置方法

有效

• 申請?zhí)枺?/td>: 201710216705.0
• 申請日: 2017-04-01
• 公開（公告）號: CN108664266B
• 公開（公告）日: 2022-04-15
• 發(fā)明（設計）人: 李遠志;朱凌;陳志豪
• 申請（專利權(quán)）人: 深圳森若科技有限公司
• 主分類號: G06F8/71
• 分類號: G06F8/71;G06F9/445;G06F21/32;G06V30/194
• 代理公司: 深圳市順天達專利商標代理有限公司 44217
• 代理人: 高占元

本發(fā)明公開了一種便攜式人工智能裝置及其配置方法，該配置方法包括：將便攜式人工智能裝置連接至移動設備，并依據(jù)所述移動設備的類型安裝客戶端；在所述移動設備中啟動所述客戶端，從而于所述客戶端中創(chuàng)建或登錄企業(yè)賬戶；根據(jù)所述企業(yè)賬戶獲取行業(yè)信息，并依據(jù)所述行業(yè)信息加載對應的組件；藉由攝像頭獲取圖像，并依據(jù)所加載的組件對所述圖像進行本地化準在線式處理或本地化離線式處理。該發(fā)明的有益效果為：通過離線深度學習功能，不依賴網(wǎng)絡的智能獨立性，也不需要龐大服務器的支持；通過與移動設備協(xié)同工作，具備提供精確服務的高智能性，而且可以即插即用，具有高擴展性。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種便攜式人工智能裝置及其配置方法。

背景技術(shù)

人工智能正以前所未有的態(tài)勢洶涌而來，一方面是風投和創(chuàng)業(yè)創(chuàng)新，都把人工智能當做了下一個尚未被開墾的寶地；另一方面是應用，比起概念盛行的階段，現(xiàn)在的無人車、AlphaGo等已經(jīng)把人工智能技術(shù)帶到了“看得到摸得著”的境地。

機器學習算法的一個關(guān)鍵應用就在于數(shù)據(jù)分析。視覺數(shù)據(jù)分析的進步以及速度的加快將會跨越不同的領(lǐng)域帶來廣泛的影響。人工智能在理解圖像方面的技術(shù)大大加強，這包括對于例如目標、人和地點等特殊元素的文本和意義等。深度學習(Deep Learning)是關(guān)于自動學習要建模的數(shù)據(jù)的潛在(隱含)分布的多層(復雜)表達的算法。深度學習的概念源于人工神經(jīng)網(wǎng)絡的研究。含多隱層的多層感知器就是一種深度學習結(jié)構(gòu)。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。換句話來說，深度學習算法自動的提取分類需要的低層次或者高層次特征。高層次特征，一是指該特征可以分級(層次)地依賴其他特征，例如：對于機器視覺，深度學習算法從原始圖像去學習得到它的一個低層次表達，例如邊緣檢測器，小波濾波器等，然后在這些低層次表達的基礎上再建立表達，例如這些低層次表達的線性或者非線性組合，然后重復這個過程，最后得到一個高層次的表達。

深度學習的概念由Hinton等人于2006年提出，為解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題帶來希望，隨后提出多層自動編碼器深層結(jié)構(gòu)。此外Lecun等人提出的卷積神經(jīng)網(wǎng)絡是第一個真正多層結(jié)構(gòu)學習算法，它利用空間相對關(guān)系減少參數(shù)數(shù)目以提高訓練性能。深度學習是機器學習研究中的一個新的領(lǐng)域，其動機在于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡，它模仿人腦的機制來解釋數(shù)據(jù)。

現(xiàn)有技術(shù)中需要大型服務器運行的“機器深度學習”算法，而移動設備上部署“機器深度學習”在本方法出現(xiàn)之前，受到技術(shù)條件的制約，尚未實現(xiàn)。目前人工智能應用面臨的主要挑戰(zhàn)：

1、自主研發(fā)方面

設備龐大，架構(gòu)復雜，CPU+GPU服務器和系統(tǒng)構(gòu)架搭建耗資巨大；自主研發(fā)周期長，不能專注于應用開發(fā)；專業(yè)AI技術(shù)人員較少，自主開發(fā)AI模塊耗時至少1年以上。

2、第三方應用

受制于第三方AI服務接口。三方AI服務接口一般是通用型，不能根據(jù)企業(yè)應用的具體需求單獨提供定制化服務和優(yōu)化，極大限制了應用的開發(fā)靈活性和功能的設計。第三方的硬件故障、軟件故障和系統(tǒng)升級等因素也會對服務的提供造成嚴重影響；服務調(diào)用時延明顯，不能滿足實時服務的性能要求。隨著AI服務的發(fā)展和普及，對性能的要求越來越高，目前物體或人臉識別普遍采用的在線式AI服務接口(包括第三方AI服務)調(diào)用服務返回時延都在2秒以上，無法滿足很多應用的設計要求。

3、客戶體驗方面

完全依賴網(wǎng)絡，使用戶體驗處于極大風險中。目前普遍采用的在線式AI服務接口，其服務提供完全依賴網(wǎng)絡。無法預測的網(wǎng)絡中斷、延遲、擁堵、干擾和惡意攻擊會時常影響服務提供，使用戶體驗大打折扣。不同行業(yè)需求差異顯著，目前市場上沒有為特定行業(yè)打造的幫助企業(yè)開發(fā)定制化服務以提升用戶體驗的產(chǎn)品。