物聯網需要一套新的眼睛

計算機視覺的興起催生了機器人廚師和用於探測燃料生產過程中氣體燃燒的錄影機。這也導致了試圖在網路邊緣運行的聯網錄影機的增加。

「邊緣運行」意味著這些錄影機不僅與雲端進行無線通信，還與本地網關進行通信，並與內置邏輯板協同完成任務。這些任務可能很簡單，比如在生產線生產出有缺陷的產品時通知製造商；也可能很複雜，比如識別人員身份，確定系統是否應發出警報。

而隨著我們連接更多的錄影機，並要求它們執行更複雜的任務，它們的基礎架構也在悄然改變。當前，用於圖像處理和計算的矽已然發生種種變化。未來數年，錄影機將不僅僅滿足人眼的要求，亦會朝向數位眼的需求邁進。

推動矽發生轉變的挑戰有兩個。首先是處理能力。許多錄影機試圖通過機器學習來識別特定物體。例如，一家石油公司可能想要一架能夠在遠程石油管道上空識別泄漏情況的無人機。由於需要巨大的計算能力，這些識別模型的訓練通常是在雲端完成的。一些雄心勃勃的晶片供應商認為，未來幾年，邊緣運行的晶片不僅能夠使用這些模型匹配圖像，還能夠在設備上直接訓練模型。

這種願景還沒有做到，是因為矽供應商還面臨著另一項挑戰。將圖像與模型進行對比不僅需要計算能力，還需要消耗電力。矽供應商正嘗試製造耗電低且仍能正常工作的晶片。高通公司的研究實驗室研制出了這樣一款晶片，稱之為Glance。該晶片將鏡頭、圖像處理器和藍牙收音機集成在一個比方糖還小的模塊上。

Glance僅能處理三四個簡單模型，如識別人形，但它耗電不足2毫瓦。高通公司尚未將這項技術商業化，但其最新的一些計算機視覺晶片可以做到在晶片上處理圖像的同時降低耗電量。

但是錄影機真的需要鏡頭嗎？猶他大學的研究人員不這麼認為。他們發明了一種無透鏡相機，削減了傳統錄影機的一些硬件並降低了它們的高數據速率。該錄影機是一個附著在樹脂玻璃上的光電探測器，它拍下基本圖像後，將它們轉換成計算機能夠識別的圖形。

這種方法不適用於需要豐富細節的工作，但它可以為計算機做到基本功能提供一種更便宜、更節能的視角。我們也可以將這種思維應用於如何為計算機生成圖像數據。例如，華盛頓大學的研究人員一直在研究如何利用Wi-Fi信號中斷的情況教會電腦理解手勢。

未來錄影機的外觀可以突破傳統。它只需要將輸入的數據與統計模型相匹配，就能告知我們某樣東西的外觀。如果它能做到低成本、低耗電，那麼它的變化將超出我們的認知，甚至成為生活的必需品。