擔心智慧家居洩漏隱私?別怕,邊緣 AI 來幫你

0
281
圖片來源:Daniel Reche from Pexels

雖然人工智慧相當聰明、方便,但潛藏其中的隱私問題也日益增加,如今有一種新的技術「邊緣 AI」,將大幅降低使用的成本,更加節能。

Alexa,你在偷聽我嗎?

我總是會問我的 Amazon Echo 這個問題。雖然它很聰明、很方便,但有時過於智慧也讓人毛骨悚然。因為這種智慧設備通常是基於雲端上的,它會經常從智慧門鈴等設備將家裡的音頻或圖片發送到網際網路上。當然,這也會產生隱私洩漏的風險,想想亞馬遜或 Google 的轉包商坐在一旁聽我們家裡傳送過來的音頻片段,或者黑客遠程監視我們的孩子,這有多恐怖。

這個問題是結構性的。它融入了當今消費類人工智慧的構建和部署方式。大型科技公司都是在這樣的假設下運作的:人工智慧要想最有效地識別人臉和聲音等,就需要深入學習神經網路,而這需要強大的計算能力。我們被告知,這些神經網路需要大量的數據,需要源源不斷地輸入數據來提高它們的智慧水平,所以它必須在雲端發生,對嗎?

不是這樣的。在 20 世紀 20 年代初,當複雜的消費者神經網路首次出現時,這些觀點還能站得住腳。那時候,如果你想自動識別小貓,你確實需要 Google「吞噬世界」的服務器的力量。

但摩爾定律就是摩爾定律,近年來人工智慧硬體和軟體都有了巨大的改進。如今,有了一種新的神經網路,它可以完全運行在廉價、低功耗的微處理器上,它可以完成我們需要的所有人工智慧技巧,但永遠不會將圖片或聲音發送到雲端,它就是邊緣 AI。在接下來的一段時間裡,如果我們足夠幸運的話,我相信它可以給我們帶來方便,而且不會損害我們的隱私。

一家邊緣 AI 公司——Picovoice,它生產的軟體可以識別語音命令,但你能想像,它只是運行在一個價格不超過幾美元的小微處理器上嗎?硬體是如此便宜,以至於智慧語音技術可能會被應用於洗衣機或洗碗機等日常家居中。Picovoice 表示,它已經在與各大家電公司合作開發語音控制設備。

這麽小的 AI 是怎麽運行的?

這其實是一個巧妙的工程技術。傳統的神經網路多使用長數位數的數字進行計算,而 Picovoice 使用的是非常短的數字,甚至二進制的 1 和 0,這就使得 AI 可以在速度慢得多的晶片上運行。這種折衷方案塑造出來的似乎是一個不那麽雄心勃勃的機器人:一個咖啡機的語音識別人工智慧只需要識別大約 200 個單詞,所有這些都與 java 的釀造任務有關。

「你不能像使用 Alexa 那樣跟它對話或者開玩笑,但誰在乎?它只是一個咖啡壺而已。」

Picovoice 創始人 Alireza Kenarsari-Anhari 說,你不會與咖啡機進行有意義的對話。

這是一個很有哲理意義的觀點,它暗示了當今人工智慧的另一個問題:公司不斷創造語音助手,試圖讓他們表現得像 C-3PO(《星球大戰》中的機器人),它幾乎能聽懂你說的任何話。這很難,而且確實需要大量的雲端運算來實現。但是日常用品不需要透過圖靈測試。我不需要一個會講「爸爸笑話」的電燈開關或讓它有什麽自我意識。它們只需要聽懂「開」和「關」或者「暗」就行了。

當涉及到和我「同床共寢」的小玩意時,我寧願它們不那麽聰明。

更重要的一點是,邊緣 AI 反應很快。從設備發送你的聲音請求,到在整個非洲大陸的中途播放 Smash Mouth 的「全明星」,再到亞馬遜的服務器,NSA 大量思想犯罪數據或任何最終結果的過程中,性能不會暫停,也不會損失幾毫秒。

「邊緣處理風馳電掣」Todd Mozer 說。他是 Sensory 公司的首席執行長,這家公司為邊緣設備製造視聽識別軟體。他演示了他為微波爐創建的一些神經網路代碼,他發出的任何命令,比如「把我的爆米花加熱 2 分 36 秒」,都能立即被識別出來。

這也使得邊緣 AI 更加節能,可以減少在網路數據包傳輸途中所需的動力來源。確實,Apple 最近收購了一家西雅圖公司 XNOR.ai,做出了一款圖像識別神經網路,它的重量非常輕,可以由一個小型太陽能電池供電(真正意義上的油炸麵條,是用植物產生的微弱電壓來製作的)。正如 XNOR.ai 聯合創始人阿里.法哈迪(Ali Farhadi)指出的那樣,邊緣 AI 不僅環保,還能保護隱私:「我不想有一個能把我孩子臥室的照片發送到雲端的設備,不管它宣稱有多安全,他們似乎每隔一天就被黑客攻擊一次。」(蘋果豪擲 2 億美元買下 AI 新創,邊緣運算能否拯救資安危機?

當然,傳統的 AI 並不會消失,一些機器智慧方面的創新可能需要雲端功能。畢竟,有些人可能真的想跟牙刷聊天,所以他們當然可以把自己的口腔清潔數據反饋給「索倫之眼」(《指環王》劇情),這也許很有趣。但對普通人來說,相信大多會選擇邊緣 AI:少點智慧,多點隱私。

資料來源:WIRED

文:李菁瑛