自1956年达特茅斯会议提出“人工智能”概念以来，人们就一直梦想着拥有与人类相同智慧特性的机器，帮助我们完成一些复杂工作。近年来，得益于数据量的飞涨、新算法的进步和云计算的出现，人工智能开始爆发。从图像识别到语义分析，从自动驾驶到辅助决策，人工智能的发展可谓是惊喜不断。但这一波人工智能的崛起主要依赖中心化的云服务，如果离开来自云端的算力和数据支持，很多应用难以实现，这也让我们对人工智能产生某种陌生感。大家不禁要问：能否突破中心化的限制，让每一个智能设备都具有环境感知、计算分析、人机交互的能力呢？能否使人工智能变得人人触手可及呢？答案是肯定的，我们将这种去中心化的人工智能技术称之为微型人工智能，也叫轻量化人工智能。
与传统人工智能相比，轻量化（微型）人工智能所需要的数据是“轻”的，即使只有少量样本数据，依然能够实现较为准确的计算和推理；轻量化（微型）人工智能对云端的依赖也是“轻”的，智能设备不需要与云端交互就能实现很多智能化操作。我们把微型人工智能的这种表现称之为“外减、内加”：对外做减法，减少对数据的依赖、对云端的依赖；对内实质上做加法，增加终端设备的计算能力、基于小样本数据的算法创新。当前，微型人工智能已悄悄走来，我们使用手机助手时，已无需向远程服务器发送请求；使用汽车的自动泊车功能时，也无需汽车厂商提供在线支持。2020年，一年一度的《麻省理工科技评论》将微型人工智能评为“全球十大突破性技术”之一。
微型人工智能可以解决传统人工智能发展面临的诸多困境。比如，算力浪费的问题，传统人工智能必须搭建大型云平台，以有效支撑来自各方面的计算请求，但很多时候云平台的资源是闲置的，而微型人工智能直接将计算部署在设备终端，减少了对云端算力的消耗；隐私保护的问题，微型人工智能无需将终端采集的数据上传到云端，减少了通过云端泄露数据的风险；网络时滞的问题，像自动驾驶这种对响应时间极为苛刻的应用场景，最好的解决方案就是本地计算和实时决策，而这也离不开微型人工智能的发展和应用。可以说，微型人工智能所带来的好处是显而易见的，既降低了人工智能系统的部署难度和成本，也把人工智能从一场高门槛的科技竞赛变成了普惠性的民生科技，其落地场景包括语音助手、数字化妆、无人驾驶、基于移动端的个人医疗健康管理等。一些人工智能领域研究人员认为，现在的很多微型算法都可以安装到手机上，将来的业务形态应该是终端设备作出快速的反馈和决定，特别重大的决策才需要云端介入。
发展微型人工智能同样面临不可回避的困难。一是技术跟进的不足。一方面，微型人工智能终端需要使用更高性能、更低功耗、更小体积的芯片，这样才能承担云端迁移过来的计算任务，但高精度芯片的研制绝非一朝一夕能够完成；另一方面，微型人工智能更依赖小样本学习、无监督学习等新算法技术的发展，以确保小规模数据计算结果的精准度。二是治理难度的加大。微型人工智能会导致分布式人工智能的兴起，每个终端都成为一个独立节点。比如，未来的智能终端极有可能接收或产生大量伪造数据，受限于算力，在分散式网络架构中，如何有效地甄别这些伪造数据，这将是一个不得不面对的难题。不过，新技术的发展与其面临的挑战总是相生相伴，只要我们做好对微型人工智能潜在发展风险的预判和应对，就能推动其发挥正面作用，更好造福人类社会。
