【導讀】交互式人工智能（CAI）使用機器學習（ML）的子集深度學習（DL），通過機器實現語音識別、自然語言處理和文本到語音的自動化。
交互式人工智能（CAI）簡介
什么是交互式人工智能（AI）？
交互式人工智能（CAI）使用機器學習（ML）的子集深度學習（DL），通過機器實現語音識別、自然語言處理和文本到語音的自動化。CAI流程通常用三個關鍵的功能模塊來描述：
1 語音轉文本（STT），也稱為自動語音識別（ASR）
2 自然語言處理（NLP）
3 文本轉語音（TTS）或語音合成
圖1：交互式AI構建模塊
本篇白皮書詳細介紹了自動語音識別（ASR）的應用場景，以及Achronix如何在實現ASR解決方案的同時將相關成本降低高達90%。
細分市場和應用場景
僅在美國就有超過1.1億個虛擬助手在發揮作用[1]，大多數人對使用CAI服務都很熟悉。主要示例包括移動設備上的語音助手，例如蘋果的Siri或亞馬遜的Alexa；筆記本電腦上的語音搜索助手，例如微軟的Cortana；自動呼叫中心應答助理；以及支持語音功能的設備，例如智能音箱、電視和汽車等。
支持這些CAI服務的深度學習算法可以在本地電子設備上進行處理，或者聚集在云中進行遠程大規模處理。支持數百萬用戶交互的大規模部署是一個巨大的計算處理挑戰，超大規模的提供商已經通過開發專用的芯片和設備來處理這些服務。
現在，大多數小型企業都可以使用亞馬遜、IBM、微軟和谷歌等公司提供的云API，輕松地將語音接口添加到他們的產品中。然而，當這些工作負載的規模增加時（本白皮書后面將介紹一個具體的示例），使用這些云API的成本將會變得過高，迫使企業尋求其他解決方案。此外，許多企業運營對數據安全性有更高的要求，因此需要將解決方案必須保留在企業的數據安全范圍內。
企業級CAI解決方案可用于以下應用場景：
? 自動呼叫中心
? 語音和視頻通信平臺
? 健康和醫療服務
? 金融和銀行服務
? 零售和售貨販賣設備
詳細介紹ASR處理過程
ASR是CAI流程的第一步，在這里語音被轉錄為文本。一旦文本可用，就可以使用自然語言處理（NLP）算法以多種方式對其進行處理。NLP包括關鍵內容識別、情感分析、索引、語境化內容和分析。在端到端的交互式AI算法中，語音合成用于生成自然的語音響應。
最先進的ASR算法是通過端到端的深度學習來實現。不同于卷積神經網絡（CNN），遞歸神經網絡（RNN）在語音識別中很常見。正如來自TechTarget [10]的David Petersson在《CNN與RNN：它們有何不同？》文章中提到：RNN更適合處理時間數據，與ASR應用非常適配。基于RNN的模型需要較高的計算能力和存儲帶寬來處理神經網絡模型，并滿足交互式系統所需的嚴格的延遲目標。當實時或自動響應太慢時，它們會顯得遲緩和不自然。通常只有犧牲處理效率才能實現低延遲，這會增加成本，并且對于實際部署來說會變得過于龐大。
Achronix與采用現場可編程邏輯門陣列（FPGA）進行AI推理的專業技術公司Myrtle.ai展開合作。Myrtle.ai利用其MAU推理加速引擎在FPGA上實現基于RNN的高性能網絡。該設計已集成到Achronix Speedster?7t AC7t1500 FPGA器件中，可以利用Speedster7t架構的關鍵架構優勢（將在本白皮書后面進行探討），大幅提高實時ASR神經網絡的加速處理，從而與服務器級中央處理器（CPU）相比，可處理的實時數據流（RTS）的數量增加2500%。
數據加速器：如何實現資源的合理平衡分配
數據加速器可以卸載通常由主CPU執行的計算、網絡和/或存儲處理工作負載，從而可以顯著減少服務器的占用空間。本白皮書介紹了用一臺服務器和一個Achronix基于ASR的加速卡可取代多達25臺服務器。這種架構大大降低了工作負載成本、功耗和延遲，同時提高了工作負載吞吐量。然而，只有在硬件得到有效使用并且部署具有成本效益的情況下，使用數據加速硬件來實現高性能和低延遲才有意義。
ASR模型對現代數據加速器來說是一種挑戰，通常需要手動調整以實現比平臺主要性能規格的個位數效率更高的性能。實時ASR工作負載需要高存儲帶寬以及高性能計算。這些大型神經網絡所需的數據通常存儲在加速卡上的DDR存儲器中。將數據從外部存儲器傳輸到計算平臺是該工作負載中的性能瓶頸，特別是在進行實時部署的時候。
圖形處理器（GPU）架構是基于數據并行模型，較小的批處理量（batch size）會導致GPU加速硬件的利用率較低，從而導致成本增加和效率降低。硬件加速解決方案數據表（以TOPS即每秒萬億次操作為單位進行衡量）中的性能數據并不能總是很好地表示實際性能，因為許多硬件加速器件由于與器件架構相關的瓶頸而未得到充分利用。這些數據以TOPS為單位，強調了加速器計算引擎的處理能力，但忽略了關鍵因素，例如外部存儲器的批處理量、速度和規模，以及在外部存儲器和加速器計算引擎之間傳輸數據的能力。對于ASR工作負載，關注存儲帶寬和在加速器內高效地傳輸數據為加速器性能和效率的實現提供了更強有力的指導。
加速器必須具有更大的外部存儲規模和非常高的帶寬。當今的高端加速器通常使用高性能的外部存儲器，存儲規模達8-16 GB，運行速度可高達4 Tbps。它還必須能夠將這些數據傳輸到計算平臺而不會影響性能。然而，無論如何去實現高速存儲和計算引擎之間的數據通道，它幾乎在所有情況下都是系統性能的瓶頸，特別是在實時ASR這樣的低延遲應用中。
FPGA設計旨在存儲和計算之間提供最佳的數據路由通道，從而為這些工作負載提供一個出色的加速平臺。
Achronix解決方案與其他FPGA解決方案的對比
在機器學習（ML）加速領域中，已有FPGA架構宣稱其推理速度可高達150 TOPS。然而在實際應用中，尤其是在那些對延遲敏感的應用（如ASR）中，由于無法在計算平臺和外部存儲器之間高效地傳輸數據，所以這些FPGA遠不能達到其聲稱的最高推理速度。由于數據從外部存儲器傳輸到FPGA器件中的計算引擎時出現了瓶頸，從而造成了這種性能上的損失。Achronix Speedster7t架構在計算引擎、高速存儲接口和數據傳輸之間取得了良好的平衡，使Speedster7t FPGA器件能夠為實時、低延遲的ASR工作負載提供高性能，可實現最高TOPS速率的64%等級。
圖2：Speedster7t器件的計算、存儲和數據傳輸能力
Speedster7t架構如何實現更高的計算效率
在Speedster7t上搭載的機器學習處理器（MLP）是一種優化的矩陣/向量乘法模塊，能夠在單個時鐘周期內進行32次乘法和1次累加，是計算引擎架構的基礎。AC7t1500器件中的Block RAM（BRAM）與2560個MLP實例都處于同一位置，這意味著更低的延遲和更高的吞吐量。
借助于這些關鍵的架構單元，Myrtle.ai的MAU低延遲、高吞吐量的ML推理引擎已集成到Speedster7t FPGA器件中。
在構建最佳的ASR解決方案時，集成了之前提到的來自Myrtle.ai的MAU推理引擎，使用了2560個MLP中的2000個。由于MLP是一個硬模塊，它可以運行在比FPGA邏輯陣列本身更高的時鐘速率上。
圖3：機器學習處理器
在AC7t1500器件中使用了8個GDDR6存儲控制器，它們總共可提供高達4 Tbps的雙向帶寬。如上所述，強大的計算引擎和大容量、高帶寬的存儲依賴于高速、低延遲和確定性的數據傳輸，以提供低延遲ASR應用所需的實時結果。
隨后這些數據進入到Speedster7t的二維片上網絡（2D NoC）。該二維片上網絡是Speedster7t架構中的另一種硬結構，時鐘頻率高達2 GHz，可與所有I/O、內部硬模塊和FPGA邏輯陣列本身互連。憑借20 Tbps的總帶寬，2D NoC提供了最高的吞吐量，并通過適當的實現方式，可以在外部GDDR6存儲器和支持MLP的計算引擎之間提供最具確定性的、低延遲的數據傳輸。
圖4：總帶寬為20 Tbps的2D NoC
與其他競爭性廠商的解決方案不同，2D NoC消除了Speedster7t ASR解決方案在存儲器和計算引擎之間的任何瓶頸，在這些非常低的批處理速率下，硬件加速器的利用率達到最佳狀態。
將所有這些功能放在一個roofline圖中，就可以清楚地說明Achronix Speedster7t器件在低延遲ASR應用中相對于其他競爭性FPGA解決方案的優勢。該roofline圖使用了由每個制造商公布的經過驗證的TOPS數據，展示了這些器件在實際應用中可以達到的效果。
下圖顯示了一個有效TOPS的roofline模型，它使用了Achronix為微基準（GEMV和MLP）和測試而構建的子集，以及公司A [4] [5]和公司B（基于架構）發布的數據。橙色的豎線表示批處理量為8毫秒和80毫秒音頻模塊的最佳操作點，用于低延遲、實時ASR數據流應用。在這個最佳操作點上，Achronix的有效TOPS比公司A提高了44%，比公司B的解決方案提高了260%。
圖5：有效TOPS的Roofline模型
在一年內實現ASR處理成本降低高達90%的目標
大多數ASR解決方案由Google、Amazon、Microsoft Azure和Oracle等大型云服務提供商提供。隨著運營規模的擴大，以及這些產品在市場上取得的成功，在這些云API基礎上構建產品的服務提供商面臨著越來越高的成本壓力。較大規模的ASR提供商公開宣傳成本從每分鐘0.01美元到0.025美元不等[6]、[7]、[8]、[9]。行業報告顯示，呼叫中心的平均呼叫時間約為5分鐘。考慮一個大型企業數據或呼叫中心服務公司每天要處理50,000通電話，每通電話5分鐘。按照上述費率計算，ASR處理成本將是每天1,500至6,000美元或每年50萬至200萬美元。Achronix和Myrtle.ai的解決方案可以集成在一個加速卡上支持處理4000個RTS，每天可以處理超過一百萬次的呼叫。
有許多因素會決定獨立ASR設備的成本。在這個特定示例中，假設Achronix ASR加速解決方案是通過基于FPGA的PCIe卡提供，并集成到基于x86架構的2U服務器中。該設備從系統集成商那里出售，價格可能為50,000美元，而每年運行服務器的成本可能是這個成本的兩倍。這樣一來，本地ASR設備第一年的費用就達到了10萬美元。將這種本地解決方案與云API服務進行比較，終端用戶可以在第一年節省5到20倍的費用。
表1：Achronix ASR解決方案與云API服務的對比總結
1.高度緊湊的系統使企業能夠隨著其業務的增加而擴展，而無需依賴日益昂貴的ASR云API，也無需構建龐大的數據中心基礎設施來提供本地解決方案。
總結
CAI中的ASR功能要求RNN機器學習算法具有低延遲、高吞吐量的計算，這對現代AI加速器提出了挑戰。聲稱推理速度高達150 TOPS的FPGA硬件加速器在大型計算引擎和高速存儲器之間傳輸數據時會遇到瓶頸，這些瓶頸可能導致硬件利用率低至5%。Achronix和Myrtle.ai攜手推出一個ASR平臺，該平臺由一個200W、x16 PCIe Gen4加速卡和相關軟件組成，可以同時支持多達4000個RTS，每24小時可以處理多達100萬個、時長5分鐘的轉錄文件。將單臺x86服務器上的PCIe加速卡與云ASR服務的成本相比，第一年的資本支出（CAPEX）和運營成本（OPEX）就可以降低高達90%。
參考資料：
1.https://www.statista.com/statistics/973815/worldwide-digital-voice-assistant-in-use/
2.https://www.microsoft.com/en-us/research/project/project-brainwave/
3.Myrtle.ai未發表的白皮書，關于在Speedster AC7t1500器件中托管的ASR應用
4.M.Langhammer, G. Baeckler和S. Gribok，《SpiderWeb-高性能FPGA NoC》，2020 IEEE國際并行和分布式處理研討會（IPDPSW），2020年，第115-118頁，doi:10.1109/IPDPSW50202.2020.00025。
5.https://arxiv.org/pdf/2010.06075.pdf
6.https://aws.amazon.com/transcribe
7.https://cloud.google.com/speech-to-text
8.https://www.ibm.com/cloud/watson-speech-to-text
9.https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service
10.https://www.techtarget.com/searchenterpriseai/feature/CNN-vs-RNN-How-they-differ-and-where-they-overlap
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
基礎設施數字化正當時，兆易創新與信馳科技共同推進燃氣物聯網發展
