電腦運算與通訊領域的新興創新

包羅萬象的研究讓技術具備更大的能力、更加智慧,也更加安全。

焦點

  • 啟用 5G 網路和拓撲讓它們具備更大能力和彈性,且成本效益更高

  • 自動駕駛的研究正努力將人類不必參與控制迴路

  • 增強的區塊鏈將會讓不斷增長的電子交易更值得信任

  • 意義建構利用多個感測器的綜合資料讓人類的空間變得更聰明

  • 預想運算透過瞭解人員、空間和情況帶來引人入勝的體驗

BUILT IN - ARTICLE INTRO SECOND COMPONENT

Intel Labs 的研究對象,就是未來會大幅改變我們在個人、社會和組織的領域中如何與技術互動的新興功能。

遵照其宗旨的核心,Intel Labs 持續參與新一代技術的發展,範圍從基礎研究橫跨至應用技術。特別是,這個方法包括發展與學術界和產業界合作夥伴的合作研究協議,讓剛萌芽的技術能力能夠開花結果。本頁將重點討論 Intel Labs 目前參與的若干研究領域。

下一代無線技術:5G 網路

5G 無線電標準將在 2020 年面市。

取代當前 4G (LTE/WiMAX) 標準的下一代無線連線能力將在 2020 年面市,賦予網路更大的容量,足夠處理數量更多且更加複雜的裝置和資料流量。那些資料將包含越來越多的影片流量、新的資料來源(例如與物聯網 (IoT) 相關者)以及新類型的資料(例如虛擬實境)。相較於 4G,5G 網路將用更低的延遲提供更大的輸送量,旨在改進可攜式裝置的行動頻寬,為工業應用程式和自動駕駛車輛提供極可靠的低延遲連線能力,並為物聯網提供可大規模擴充的傳輸功能。

為了實現 5G 所需的硬體、軟體和電信業者的價鏈體系,Intel Labs 自 2012 年便透過 Intel 5G 策略研究聯盟 (Intel Strategic Research Alliance for 5G) 參與大學研究社群。Intel Labs 為這個研究社群提供技術和財務支援,並著重發展三個主要領域來推動 5G 網路成形:

• 網路容量:Intel Labs 探究新的途徑,例如擴大規模的 MIMO 傳輸來支援預期在未來十年會增長百倍的容量需求。因為能源效率與頻譜效率之間如何權衡與此有關,所以也在進行相關研究。

• 齊一的連線能力:另一個研究目標是減少最終使用者之間因為時間和地理位置(包括因為干擾和網路壅塞)而造成的資料傳輸速率變化,但是不犧牲能源效率或頻譜效率。

• 服務品質與使用者體驗:亦研究如何維持特定應用程式的服務品質,同時讓透過網路傳輸資料發揮最大效率。

Intel Labs 發展出虛擬化的 Evolved Packet Core (vEPC) 參考軟體,並貢獻給 Open Networking Foundation 的 CORD(中央辦公室重新打造為資料中心)計劃,將完整的軟體供產業界使用。使用 Intel® Xeon® 處理器的 Data Plane Development Kit (DPDK) 將程式碼最佳化,提供虛擬化行動核心功能給服務提供者使用,以利支援他們的訂閱戶。

自動駕駛系統更精良

自動駕駛的 6 個等級。

雖然自動駕駛所需的多項技術已有重大進步,仍然有許許多多研究和發展有待完成。車輛製造商已經提供自動導航、轉向、加速和煞車系統給大眾使用數年之久,但是要達到廣泛採用的目標,仍需克服重重困難,不但要實現最高的安全性,也要建立大眾的信賴。

Intel Labs 參與的研究,既要在目前的條件式自動化水平之下改良系統,也要向全面自動化的最終目標前進,讓車內系統全權控制車輛,在無人乘車的情況下自動操控。

在 Intel Labs 為自動駕駛車輛所做的研究當中,機器視覺與人工智慧研究扮演重要角色,特別是在運用卷積神經網路進行視覺辨識方面。用途的例子包括讀取交通號誌和避開障礙物,以及憑藉解讀環境並立即調適的能力而獲得更多預測能力,例如對於無法預見的狀況作出適當反應。這份工作包括將車內和基地台所使用的硬體、韌體和軟體解決方案堆疊最佳化,以及為解決方案的價值鏈體系提供開發工具。

在追求車輛全自動駕駛的過程中,Intel Labs 認為應該著重價值鏈體系的功用,包括發展並落實開放介面標準,讓解決方案廠商之間擁有互通性。車內與基地台設備和軟體之發展多管齊下。

Intel Labs 與車輛製造商、感測器與電子機械系統供應商以及導航和其他資訊的提供者之間已在進行多項研究合作。為了讓各種類型和規模的成員均能運用價值鏈體系,Intel Labs 亦研究模擬環境,要讓沒有能力實地測試車輛的廠商能夠自行開發自動駕駛系統。

在道路體驗管理 (REM) 地圖繪製的領域中,Intel Labs 不斷研究感測器融合與資料收集的技術,以便處理由行駛中車輛上的感測器和其他來源提供的路況資料。以自動駕駛車輛而言,諸如氣候、事故回報和道路施工警報等綜合資訊有可能大幅改善安全系統和事故緩解措施。

安全性技術賦能

Intel® Software Guard Extensions (Intel® SGX)
Intel Labs 正著手研究以 Intel® SGX 為基礎的安全 enclave 空間內可信任執行環境的賦能,以利改善區塊鏈的隱私、安全和可擴充性。特別的是這一套功能讓區塊鏈資料保持加密形式,直到有交易需要使用時,才在有硬體保護的 enclave 空間內解碼,而且僅有受允許的參加者能夠檢視。

Intel Labs 正在進行數個開放原始碼開發計劃,將擴大執行 Intel® SGX 來追求雲端安全。上述工作包括下列計劃:

使用傳輸層安全性協定進行遠端認證 (RA-TLS) 把 Intel® SGX 遠端認證功能與 TLS 連線設定結合,評估端點是否值得信任,利用 Intel® SGX 相關的資訊來延伸標準 X.509 憑證,讓收到憑證者可以驗證它是否與採用 Intel® SGX 的安全 enclave 空間進行通訊。這個工作並不需要改變標準的 TLS 實作,而且該計劃提供三種常見 TLS 程式庫的實作方案:OpenSSL、wolfSSL 和 mbedTLS。

Graphene-SGX 安全容器 (GSC) 是以 Docker 執行個體為基礎的容器系統,讓應用程式在容器中執行時受到 Graphene-SGX 的保護。除了應用程式在 Graphene-SGX 之下執行的 Docker 執行個體以外,該計劃也提供一個前端引擎,可以在 GSC 容器執行個體裡面自動執行舊的 Docker 容器映像檔。

• 具備 Intel® SGX 功能的 OpenStack Barbican 金鑰管理服務保護 OpenStack Barbican 金鑰管理系統,而這個系統會保護秘密資料,例如密碼、加密金鑰和 X.509 憑證,避免遭受系統軟體攻擊。這個方法利用 Intel® SGX 提供比軟體型外掛程式更好的安全防護,也提供比硬體安全模組外掛程式更好的可擴充性。

• 具備 Intel® SGX 的 Snort® 入侵偵測系統 (IDS) 會在安全 enclave 空間內執行 Snort,再搭配一個使用 DPDK 來達成線路速率輸送量的最佳化網路層,達到強化 Snort 的效果。這個計劃旨在保護以公有雲和私有雲環境中執行的虛擬化網路功能為基礎的 IDS,同時在 Intel® SGX enclave 空間之外執行網路 I/O 以維持高輸送量。

區塊鏈
自從網際網路出現以來,讓不受信任的各方之間可以進行受信任的交易一直是根本的要求。區塊鏈的緣起,就是 2009 年比特幣出現時,為了給任何兩方提供程式化、去中心化的信任機制。這個方法的設計宗旨明確,要免除任何中間媒介(例如銀行或其他權威性機關)而自行運作,通常與這類第三方運作相關的額外成本、延遲與複雜性亦可避免。這個方法有一個固有能力,可掃描並驗證交易的來源和出處,以及用加密方式保護交易本身。

讓區塊鏈適合加密貨幣使用的相同能力,在企業許可的情況下亦是十分重要的功能,它能強制執行內容和資料的所有權,包括未來的使用情況,例如智慧合約。隨著區塊鏈脫離供企業內部使用的原始執行方式,區塊鏈對區塊鏈的通訊成為必要,也就需要一套互通性開放標準,而 Intel Labs 正與學術界和產業界的合作夥伴合力發展這個標準。

Intel Labs 從 2014 年開始執行後來代號為 Sawtooth Lake 的計劃,它不但開放公眾使用,而且透過 Linux 基金會的 Hyperledger Sawtooth 計劃一直保持開放原始碼的形態。這個企業區塊鏈平台簡化了以 Ethereum 為基礎的分散式帳務應用程式和網路之建構過程。把核心系統從應用程式領域拆分出來,Sawtooth 讓研究人員可以利用自己選擇的平台建構智慧合約和其它實作的業務邏輯,不必擔心核心系統背後的設計。

Intel Labs 也一直協助發展 Proof of Elapsed Time (PoET),這是與 Sawtooth 結合的一個共識演算化。這個開放原始碼標準為主導的標準 Proof-of-Work (PoW) 和 Proof-of-Stake (PoS) 提供高省電效率的替代方案,這些標準對於主要的加密貨幣包括 Ethereum 和比特幣而言均是不可或缺的。PoET 使用一個以安全執行指示為基礎的計時演算法取代 PoW 和 PoS 所使用的加密雜湊謎題。計時演算法相對簡單,所以大幅減少對能源的需求,可以在大量的節點之間達成共識。

訂閱 SGX Academic Collaboration 郵件發送清單

意義建構

從人類的角度而言,視覺與聽覺各自擁有本身的明顯用處,但是兩者結合起來卻能實現超出總和的價值,因為它可以建構這個世界的意義。比如,在擁擠的房間裡人們對話時會觀看對方的嘴唇,透過粗淺的讀唇術瞭解對方的說話內容。

人類進行多模態意義建構的例子,便與 Intel Labs 結合多種感測器來接收數位資料,讓人類空間更有智慧的工作類似。這項研究橫跨各種各樣的情境,包括環境運算以及智慧家庭、辦公室、工廠和零售。那些空間大多都有極多共通點,所以意義建構的技術和使用模型在它們之間普遍適用。

電腦視覺與機器人
在意義建構的領域中,Intel Labs 推動電腦視覺研究的主旨分為三個主要部分:

• 讓代理程式擁有更高智慧,包括自我學習的能力,讓智慧代理程式辨別出重要的事。比如,現在的虛擬助手基本上需要持續連線並為所有人提供相同的功能,在未來的世代卻可以花時間學習其主人的習慣和個人喜好,用連線或離線的狀態提供個人專屬的體驗。

• 跨模態的綜述將各種不同感測器的資料結合起來,瞭解諸如情況、物理環境、活動和情緒等因素。例如,由一群小孩的言語和姿勢上的線索可以推論出他們是在玩遊戲、打架、專心做事或作白日夢。

• 空間理解與空間及其結構,以及它如何隨著時間變化有關。其中可能包括的各種因素範圍相當大,如道路上有另一部車輛或是在會議室內的人數。

建構一個可以整體結合這類功能的開放平台,同時在必要時滿足諸如極低功耗和高效能的要求,Intel 正是因為具備這樣的核心能力,才能促成 Intel Labs 的研究工作。Intel 獨特的端對端系統專業、人們家中的產品以及支援資料中心和雲端的產品,還有協調橫跨所有模態的活動的軟體價值鏈體系,均為這份工作帶來助益。

Intel Labs 正努力克服挑戰,以便在必要時提供足夠的記憶體和其他可用資源,滿足為了追求細節而有需求變動的情況。比如,在地面上移動的機器人對於動線上的障礙物只需要相對粗淺的理解,相較之下,撿起和操作細小、易碎的物件則是比較講究細節的任務。要針對這些適應性情況開發適用的軟體,就必須解決如何重建空間、如何表示這些空間,以及如何利用 API 和其他程式設計元素來支援它們的問題。

研究小組也正在研發由多個機器人合作處理複雜任務的多種功能。這個工作的重要面向之一,是開發讓無人飛行載具 (UAV) 自動駕駛的演算法,包括飛行控制以及在動態的現實環境中進行協調操作的規劃與決策。研究人員已修改了 Intel® Aero Development Platform 的一個版本來進行自動操作,基於他們所開發的使用方法,可指望在現實中帶來商業價值。

例如,一組 UAV 可以合作在大規模的倉庫中有效執行盤點或是檢查大型資本設備。在這種情況下,多台 UAV 的好處包括分散工作負載以及提供多個視角,可能是使用不同類型的感測器。同樣地,這種的組合也可以合力促成自主農耕,確認比如乾旱或害蟲對作物造成的壓力的各種狀況,並優化化學品的使用。

另一種用途是創造沉浸式消費者體驗,使用多部 UAV 來擷取同步的影片串流並把它們編製在一起創造一個 3D 合成體。目標是把所產生的資料流傳送給在家的觀眾,讓他們接著可以從任何角度檢視 3D 影像,放大及縮小顯示等等。未來的奧林匹克運動會也有興趣利用這些功能。

Anticipatory Computing Lab
我們在世界各地增加非常大量的新感測器,而舊的感測器如攝影機和麥克風則扮演新的重要角色。Anticipatory Computing Lab 正在開發演算法,試圖理解所有那些感測器正在產生的資料。在許多情況下,這個工作包括結合多種感測器的輸入,對於這些訊號發展出更加豐富和更加健全的瞭解,讓它為現實世界帶來更多用處。

Anticipatory Computing Lab 正致力於透過感測和意義建構,深入瞭解人員、空間和狀況,才能提供引人入勝的體驗。我們利用這樣的理解以不同的方式採取行動:簡化、連接多個點、增強意識、挑戰、協助、推薦、娛樂以及改善效率和工作流程。

該實驗室目前致力於讓日常地點更加聰明,能夠更快回應人類居民的要求。這意味著動態理解一個空間中不斷演進的物理格局,也要理解人員的動作和活動、他們現在的焦點,甚至是他們的情緒。這些問題的研究工作也會用到心理學與社會科學研究的成果,這些學科更著眼於人際關係的變化以及互動設計的工具。

這個研究觸及各種各樣的領域。例如,Anticipatory Computing Lab 正在研究全自動駕駛車輛與乘客之間未來的互動情況。自動駕駛車輛並不是只能進行地圖導航和避免碰撞而已。他們也必須與乘客共同合作,才能順利處理乘客計劃中的意外變化,或是在路途中需要暫停的需求。實驗室的研究因此包括了車艙內代理程式或助理的探索性設計,會進行人類駕駛目前為乘客做的一些互動工作。這不但包括複雜的問題,例如發展出對環境的共享感,也牽涉更多基本的問題,例如辨別乘客是口頭稱呼車艙內代理程式,或者只是與另一位乘客說話。

有一項相關的研究計劃則著眼於讓我們的家庭更有智慧。儘管大家現在對「智慧家庭」技術表現出極大的興趣,也有不少動作,但是世界上卻甚少有例子可以顯示智慧家庭究竟能夠為居民完成哪些事;並不只是讓日常生活更便利,卻是真正創造新的價值。以幼兒學習為例。Anticipatory Computing Lab 的研究人員對各種不同型態和大小的家庭進行大範圍的訪談與觀察,他們發現幼兒的父母有一個共同點,雖然父母認為科技對於幼兒教育有甚大的助益,他們對於螢幕使用時間過長也感到焦慮。研究人員認為這是發展環境運算的機會,既能享受數位科技的好處,又能避免它的缺點,包括缺乏運動、重複性遊戲,以及有時候可能會出現的,有問題的內容。

Kid Space 是以此研究成果為基礎開發出來的一個教育環境。它內建活動追蹤和自然語言理解的功能並結合智慧投影,創造出數位環境和多個角色,用引人入勝和的方式與小朋友互動,寓教於樂。比如,該團隊研發出智慧動畫代理程式,小朋友喜歡和它對話,也可以用來傳授課程甚至協助完成教育工作。智慧投影亦有其他用途,可以向一些最受歡迎的電腦遊戲取經,實現開放式探索與學習。想像一下,比如利用智慧投影把臥室地板轉變成為遠古化石帶的沙地,讓孩童用幾個簡單的塑膠沙灘玩具鏟子來挖掘投影出來的化石影像,甚至可以將化石映在牆上成為栩栩如生的恐龍。

這種的情境要使用許多感測形態:定位與身份追蹤讓系統可與房內多個孩童同時互動;姿勢偵測會判斷孩子是不是彎腰挖掘虛擬沙地;音訊和自然語言理解則確保孩童學習到目標課程;新的無線射頻辨識 (RFID) 技術用途是附加在玩具鏟子上,即使在攝影機的視線受到遮蔽時,仍可以精細地感測動作;最後,深度感測攝影機會測繪房間格局,讓所投影的角色與傢俱和其他物件及房間特徵進行適當的互動。

發展這些功能的重點,並不是僅為了給幼兒創造智慧的互動體驗。在其他各種不同的環境中,許多這些相同的技術均能派上用場。智慧房間理解本身的組成部分,以及其房間使用者的活動、意圖和狀態,在未來可以提供各種好處,從提高製造效能,到提高工作環境的合作效率,乃至樂齡人士照護。

意義建構:情感與情緒分類的多模態關聯式張量網路

有一個用來進行多模態情感辨識的新模型,稱為關聯式張量網路,它會根據影片內鄰近片段的關係和互動,考慮一個影片的一段內容之脈絡。

閱讀白皮書

加入 Intel Labs

帶著您對科技與解決問題的熱誠加入 Intel Labs 並創造出前所未見的新事物。

探索機會