终端侧人工智能如何为生物识别带来更多机遇
终端侧AI能够在靠近数据源的进行处理，实现低时延、隐私、出色的可靠性和极高效的带宽使用方式。正如外媒评论指出，若把云端AI比作一个巨型大脑，那么终端侧AI则可被认为是集合诸多更小的大脑的蜂巢，它们通过复制和组织的方式协同工作。终端侧AI将拥有像我们一样的行为举止，可从我们所处的中学习，并轻松地在本地做出最佳决策。
终端侧AI正在飞速发展。例如，在智能手机领域，目前主要是终端可以支持终端侧AI，但很快就会发生改变。据Gartner预测，截止到2022年，80%已经出货的智能手机都将支持终端侧AI功能，与2017年相比实现了10%的提升。
不仅仅是智能手机，终端侧AI将通过多样的方式显著推动其他行业的发展，例如物联网、汽车、扩展现实和金融服务。生物识别将是推动上述行业发展最有成效的方式之一。对于很多AI功能，在终端本地运行算法所带来的响应时间和带宽效率优势至关重要，尤其是生物识别等对时效性要求颇高的使用场景。
提到生物识别，大部分人都将其局限于指纹扫描，事实上，指纹扫描仅仅是开始。虹膜识别和人脸识别都已取得突破，一些先进的版本可以利用AI来分析用户的虹膜或面部特征，如瞳孔大小或下颌轮廓。很快，终端侧AI将会激发更先进的生物识别类别，并成为我们日常生活的一部分。
举例来说，步态识别这一技术已经投入研究数十年，它能够通过步伐来识别一个人的身份，最近在AI的支持下，步态识别的准确率得到了提升，但在此之前所取得的进展甚微。在今年早些时候，曼彻斯特大学的研究人员实现了99.3%的步态识别准确率。该系统利用地面传感器并借助AI分析了人体步伐，并发现实现最后一个百分点的精确度是最具挑战性的。随着在终端侧AI取得的更多进展，未来它将有望被应用在机场安检等使用场景，甚至有可能被用于医学诊断。
语音是另一个由AI推动的生物识别领域。用户已经在使用语音认证和语音助手，但终端侧AI的进展将对开发近乎自然语言的声纹生物识别技术至关重要。人们习惯于会话过程中的快速响应和无缝交谈。因此，自然的语音交互应该具备用户体验上察觉不到时延。借助终端侧AI的可靠性和对于时延的改进，最终与机器对话将能够听起来更像和真人对话。
对于很多行业，一些基于生物识别的全新或改进的使用场景，正在改变我们使用终端的方式，同时也为新技术创造可能。
在物联网领域，从普通终端，例如灯泡和恒温器，到更先进终端，例如智能助手和电器，的演进，很大程度上是依赖于终端侧AI的。从诸如传感器、麦克风和摄像头等拥有更先进技术的设备中所采集到的数据，为机器学习的训练和预测功能创造了机会。并且考虑到隐私、更低时延和更高可靠性等原因，在通常情况下，终端本身就是创造新机会的最佳平台。我们以智能家庭中的安防摄像头为例来说明。面部追踪能够在摄像头上对视频内容进行本地化分析，正是因为它无需等待网络和云端之间来回传输数据，因此终端侧的响应速度也会更快。
此外，汽车行业也将受到重要影响。在汽车内部，终端侧AI开始支持自然用户界面、个性化和驾驶员意识监测。基于生物识别和偏好，终端侧AI有助于实现个性化体验，例如播放用户喜爱的音乐或调节驾驶动态。在车外，借助环视、径规划和决策，终端侧AI将助力自动驾驶的实现。
很可能你的终端已经支持人工智能AI了。不难预测，随着AI不断发展，未来的AI将会区别于现在的AI。终端侧AI将助力实现技术承诺，并且影响机器的学习和处理方式、进而影响信息的传达方式和实际体验。 终端侧AI能够在靠近数据源的进行处理，实现低时延、隐私、出色的可靠性和极高效的带宽使用方式。正如外媒评论指出，若把云端AI比作一个巨型大脑，那么终端侧AI则可被认为是集合诸多更小的大脑的蜂巢，它们通过复制和组织的方式协同工作。终端侧AI将拥有像我们一样的行为举止，可从我们所处的中学习，并轻松地在本地做出最佳决策。 终端侧AI正在飞速发展。例如，在智能手机领域，目前主要是终端可以支持终端侧AI，但很快就会发生改变。据Gartner预测，截止到2022年，80%已经出货的智能手机都将支持终端侧AI功能，与2017年相比实现了10%的提升。 不仅仅是智能手机，终端侧AI将通过多样的方式显著推动其他行业的发展，例如物联网、汽车、扩展现实和金融服务。生物识别将是推动上述行业发展最有成效的方式之一。对于很多AI功能，在终端本地运行算法所带来的响应时间和带宽效率优势至关重要，尤其是生物识别等对时效性要求颇高的使用场景。 终端侧AI支持更先进的生物识别 提到生物识别，大部分人都将其局限于指纹扫描，事实上，指纹扫描仅仅是开始。虹膜识别和人脸识别都已取得突破，一些先进的版本可以利用AI来分析用户的虹膜或面部特征，如瞳孔大小或下颌轮廓。很快，终端侧AI将会激发更先进的生物识别类别，并成为我们日常生活的一部分。 举例来说，步态识别这一技术已经投入研究数十年，它能够通过步伐来识别一个人的身份，最近在AI的支持下，步态识别的准确率得到了提升，但在此之前所取得的进展甚微。在今年早些时候，曼彻斯特大学的研究人员实现了99.3%的步态识别准确率。该系统利用地面传感器并借助AI分析了人体步伐，并发现实现最后一个百分点的精确度是最具挑战性的。随着在终端侧AI取得的更多进展，未来它将有望被应用在机场安检等使用场景，甚至有可能被用于医学诊断。 语音是另一个由AI推动的生物识别领域。用户已经在使用语音认证和语音助手，但终端侧AI的进展将对开发近乎自然语言的声纹生物识别技术至关重要。人们习惯于会话过程中的快速响应和无缝交谈。因此，自然的语音交互应该具备用户体验上察觉不到时延。借助终端侧AI的可靠性和对于时延的改进，最终与机器对话将能够听起来更像和真人对话。 通过终端侧AI和生物识别助力行业发展 对于很多行业，一些基于生物识别的全新或改进的使用场景，正在改变我们使用终端的方式，同时也为新技术创造可能。 在物联网领域，从普通终端，例如灯泡和恒温器，到更先进终端，例如智能助手和电器，的演进，很大程度上是依赖于终端侧AI的。从诸如传感器、麦克风和摄像头等拥有更先进技术的设备中所采集到的数据，为机器学习的训练和预测功能创造了机会。并且考虑到隐私、更低时延和更高可靠性等原因，在通常情况下，终端本身就是创造新机会的最佳平台。我们以智能家庭中的安防摄像头为例来说明。面部追踪能够在摄像头上对视频内容进行本地化分析，正是因为它无需等待网络和云端之间来回传输数据，因此终端侧的响应速度也会更快。 此外，汽车行业也将受到重要影响。在汽车内部，终端侧AI开始支持自然用户界面、个性化和驾驶员意识监测。基于生物识别和偏好，终端侧AI有助于实现个性化体验，例如播放用户喜爱的音乐或调节驾驶动态。在车外，借助环视、径规划和决策，终端侧AI将助力自动驾驶的实现。
肖涵结婚本文由来源于财鼎国际