在思考发现技术先进的地外生命的可能性时，经常出现的问题是，“如果它们就在那里，为什么我们还没有找到它们?” 通常，回应是我们只搜索了银河系的一小部分。此外，几十年前为最早的数字计算机开发的算法在应用于现代 PB 级数据集时可能已经过时且效率低下。
宇宙中的大多数星系都生活在被称为“场”的低密度环境中，或者生活在小群体中，比如包含我们的银河系和仙女座星系的星系。星系团更为罕见，但它们代表了星系可以生存的最极端环境，研究它们可以帮助我们更好地理解暗物质和暗能量。
这是一次有趣的旅程，因为就像我说的那样，学术界在 70 年代开始关注计算机时，因为它们真正开始变得易于使用，开始写论文说这里存在问题。这将导致人们利用和影响机器操作的能力是他们使用的单词类型。这确实启动了一些早期研究，包括 70 年代后期在剑桥围绕所谓的能力系统进行的一些研究，这些研究在采用方面并没有真正取得进展。另外，当时的行业只是在遵循摩尔定律来构建越来越快的处理器。安全不是一个大问题，我们在 80 年代没有遭遇过大规模的网络犯罪之类的事情。
自 2019 年以来，Arm 的实验性 CHERI 支持的 Morello 处理器、SoC 和主板的开发得到了英国政府研究与创新机构 UKRI 的支持。2022 年 1 月，Arm 宣布了该计划的一个重要里程碑，推出了其 Morello 片上系统和演示板。Morello 原型板现已发布，可供软件开发人员和安全专家开始使用 Morello 架构来展示可以通过硬件功能实现的增强安全性。
今天，我们将讨论计算机视觉。我们将听到 Perceive 的首席执行官 Steve Teig 谈论他提出的一种压缩激活的方法，该方法可以减少 AI 推理所需的内存大小。我们还将先睹为快，了解来自 GrAI Matter Labs 的新型神经形态启发式视觉芯片。
世界正在向电动汽车发展。因此，电气化竞赛进行得非常迅速。告诉我电动汽车市场的现状如何?市场方面有什么消息，世界是否准备好转向电动汽车还取决于成本?那么，电动汽车成本的主要驱动因素是什么?
随着电动汽车充电基础设施的不断扩展，电动汽车正在成为主流。根据世界经济论坛的数据，到 2030 年将有 2.15 亿辆电动乘用车上路。未来十年电动汽车的快速普及将增加对电动汽车配套技术的需求。 随着电池和电源管理技术的成熟以及电动汽车充电基础设施的扩展，电动汽车正成为主流，世界上许多国家已承诺在不久的将来禁止销售汽油和柴油汽车。根据世界经济论坛的数据，到 2030 年将有 200 辆或多或少 200 万辆电动乘用车上路。随着未来十年电动汽车的迅速普及，对配套技术的需求将继续增加。市场继续加速向电气化方向发展，需要考虑三个方面：储能、效率、以及对大众市场客户采用至关重要的基础设施，我指的是充电站。
您经常听到我们谈论如何使用我们的车对车通信或 V2X 技术来畅通交通流，让汽车相互交流，让汽车与红绿灯相通。因此，我们周围的基础设施如何以最佳方式进行管理。我们在汉堡所做的是，我们还展示了如何，例如，自行车骑手、电动滑板车司机如何被周围的其他系统看到，以避免发生事故。
今天的 AI 模型有数十亿或数万亿个参数，即输入和权重。所以我们需要巨大的内存来激活。这当然会对芯片设计产生巨大影响，因为激活存储器经常支配平面布局。我们可以尝试使用量化、稀疏性、权重共享等概念来减少所需的内存。但它们只能走这么远，尤其是在模型庞大且持续增长的情况下。要是有办法压缩激活就好了!好吧，Perceive 的 CEO Steve Teig 想出了一个办法。
毫无疑问，智能手机和智能家居仍将是边缘人工智能的两个最大市场。与此同时，自动驾驶汽车的潜力为边缘人工智能公司带来了极高的期望和市场估值。然而，自动驾驶汽车的缓慢推出，以及智能手机市场的标准化，导致许多厂商在他刚才提到的市场之外寻求新的增长机会。
在 AV 系统中使用蓝牙和 UWB 等地面无线电技术有助于保护易受伤害的道路使用者。 虽然媒体上有很多关于我们街道上全自动驾驶汽车 (AV) 的曙光的讨论，但我们离这个现实还有很长的路要走。这包括缺乏保护弱势道路使用者 (VRU) 的技术。
远程医疗或远程医疗使医疗保健提供者能够通过技术提供医疗服务，在许多情况下，实际上是通过可在智能手机、平板电脑或台式机上访问的远程医疗软件应用程序。但是，现在的健康追踪器远不止这些，它可以集成到患者的医疗记录和远程患者监测 (RPM) 中，使医疗保健提供者能够以电子方式监测和审查健康数据。
在过去的五年或十年里，随着深度学习的出现，我们对这个问题有了不同的方法。它更多的是数据驱动，而不是代码或算法设计驱动。 深度学习的想法是，我们有一种算法，它是一种学习机器。因此，我们拥有这种通用的学习结构，而不是在算法中规定步骤来解决特定问题。我们所做的是，我们展示了很多例子。这是一个戴着面具的人;这是一个没有面具的人。这里有10,000个不同情况和方向的戴着口罩的人;这里有 10,000 人没有戴口罩。
很长一段时间以来，技术人员一直在开发能够感知的机器。我们使用运动探测器已有很长时间了。我们现在拥有如此灵敏的压力传感器，以至于我们可以制造出能够处理鸡蛋而不破坏鸡蛋的机器人。在音频领域，我们拥有可以将语音与其他声音区分开来的传感器。
在最初的几十年里，我大量参与了音频和语音处理等领域的数字信号处理。因此，如果我们倒回 20 或 30 年，想想数字信号处理和数字音频，那时候的技术处于类似的状态。它有效，但它很新，而且它并不是真正可以现成部署的。假设一家公司生产自动售货机，他们想为自动售货机添加语音命令，他们很可能不得不聘请一些 DSP 和语音专家。而且很可能他们必须真正进行一些研究和原创技术发明才能为他们的应用程序创建一个独特的解决方案。
