Impian dan cabaran kecerdasan buatan tepi

Dalam artikel ini, kami memberi tumpuan kepada dua persoalan utama, iaitu, rasional untuk melaksanakan kecerdasan buatan dalam "mesin kecil", dan apakah cabaran yang akan dihadapi dalam membangunkan mesin kecil kecerdasan buatan?

Pada masa hadapan, dari segi kecerdasan buatan, kita sepatutnya mempunyai kereta terbang dan butler robot. Kami juga mungkin menghadapi robot yang hidup yang memutuskan untuk memberontak terhadap kami. Walaupun kita belum sampai ke sana, jelas bahawa teknologi kecerdasan buatan (AI) telah memasuki dunia kita.

Setiap kali kami meminta pembantu suara pintar melakukan sesuatu, teknologi pembelajaran mesin akan terlebih dahulu mengetahui perkara yang anda katakan dan cuba membuat keputusan terbaik tentang perkara yang anda mahu ia lakukan. Sebagai contoh, setiap kali tapak web video atau platform e-dagang mengesyorkan "filem yang anda mungkin suka" atau "produk yang mungkin anda perlukan" kepada anda, ia adalah berdasarkan algoritma pembelajaran mesin yang kompleks untuk memberikan anda maklumat yang meyakinkan yang mungkin. ini jelas lebih menarik daripada promosi lepas.

Walaupun kami mungkin tidak semua mempunyai kereta pandu sendiri, kami amat menyedari perkembangan di kawasan ini dan potensi yang ditawarkan oleh navigasi autonomi.

Teknologi kecerdasan buatan memegang janji yang besar - mesin boleh membuat keputusan berdasarkan dunia di sekelilingnya dan memproses maklumat seperti manusia, malah dengan cara yang lebih baik daripada manusia. Tetapi jika kita memikirkan contoh di atas, kita melihat bahawa janji AI hanya boleh direalisasikan oleh "mesin besar", yang cenderung tidak mempunyai kuasa, saiz atau kekangan kos. Atau dengan kata lain, ia memanaskan, berkuasa wayar, besar, dan mahal. Sebagai contoh, gergasi IT terkemuka dunia seperti Alexa dan Netflix bergantung pada pelayan (pusat data) yang haus kuasa besar dalam awan untuk menyimpulkan niat pengguna.

Walaupun kereta pandu sendiri kemungkinan besar akan bergantung pada bateri, kapasiti tenaganya sangat besar memandangkan bateri tersebut perlu memusingkan roda dan mengemudi. Ia adalah perbelanjaan tenaga yang besar berbanding dengan keputusan AI yang paling mahal.

Jadi, sementara kecerdasan buatan mempunyai janji yang besar, "mesin kecil" sedang ditinggalkan. Peranti yang dikuasakan oleh bateri yang lebih kecil atau dengan kekangan kos dan saiz tidak boleh mengambil bahagian dalam idea bahawa mesin boleh melihat dan mendengar. Hari ini, mesin kecil ini hanya boleh menggunakan teknik kecerdasan buatan yang mudah, mungkin mendengar kata kunci atau menganalisis isyarat dimensi rendah daripada kadar denyutan jantung, seperti photoplethysmography (PPG).

Bagaimana jika mesin kecil itu boleh melihat dan mendengar?

Tetapi adakah terdapat nilai dalam mesin kecil yang dapat melihat dan mendengar? Mungkin sukar bagi ramai orang untuk membayangkan peranti kecil seperti kamera loceng pintu yang menggunakan teknologi seperti pemanduan autonomi atau pemprosesan bahasa semula jadi. Namun begitu, peluang wujud untuk pengiraan AI yang kurang kompleks dan kurang pemprosesan intensif seperti pengecaman perkataan, pengecaman pertuturan dan analisis imej:

• Kamera loceng pintu dan kamera keselamatan gred pengguna sering mencetuskan peristiwa yang tidak menarik seperti pergerakan tumbuhan disebabkan oleh angin, perubahan cahaya dramatik yang disebabkan oleh awan, atau anjing atau kucing yang bergerak di hadapan kamera. Ini boleh menyebabkan penggera palsu dicetuskan dan pemilik rumah mula terlepas acara penting. Pemilik rumah mungkin melancong di bahagian lain di dunia atau tidur sementara kamera keselamatan mereka kerap memberi amaran kepada perubahan pencahayaan yang disebabkan oleh matahari terbit, awan dan matahari terbenam. Kamera yang lebih pintar boleh mengenal pasti perubahan objek dengan lebih tepat, seperti garis besar badan manusia, dengan itu mengelakkan gangguan penggera palsu.
• Kunci pintu atau pusat akses lain boleh menggunakan pengecaman muka atau pengecaman suara untuk mengesahkan akses manusia, dalam banyak kes tanpa memerlukan kunci atau kad IC.
• Banyak kamera ingin mencetus pada acara tertentu: contohnya, kamera jejak mungkin mahu mencetuskan apabila haiwan tertentu muncul dalam bingkai dan kamera keselamatan mungkin mahu mencetuskan apabila seseorang muncul dalam bingkai atau apabila terdapat bunyi seperti pintu dibuka atau tapak kaki Dicetuskan, dan sesetengah kamera mungkin mahu dicetuskan oleh arahan suara dan sebagainya.
• Arahan perbendaharaan kata yang besar berguna dalam banyak aplikasi. Walaupun terdapat banyak penyelesaian "Hey Alexa", "Hey Siri" di luar sana, jika anda mula memikirkan perbendaharaan kata 20 atau lebih perkataan, anda boleh menemuinya dalam peralatan industri, automasi rumah, peralatan memasak dan banyak peranti lain untuk memudahkan pengguna. kehidupan. Penggunaan interaksi komputer.

Contoh ini hanya menconteng permukaan. Idea untuk membiarkan mesin kecil melihat, mendengar dan menyelesaikan masalah yang sebelum ini memerlukan campur tangan manusia adalah idea yang hebat, dan kami terus mencari kes penggunaan baharu yang kreatif setiap hari.

Apakah cabaran untuk mendapatkan mesin kecil untuk melihat dan mendengar?

Jadi, jika AI sangat berharga untuk mesin kecil, mengapa kita tidak menggunakannya dengan lebih meluas? Jawapannya ialah kuasa pengkomputeran. Penaakulan kecerdasan buatan adalah hasil pengiraan model rangkaian saraf. Fikirkan model rangkaian saraf sebagai anggaran kasar bagaimana otak anda memproses gambar atau bunyi, memecahkannya kepada kepingan yang sangat kecil, dan kemudian mengenali corak apabila kepingan kecil itu disatukan.

Model kuda kerja untuk masalah penglihatan moden ialah rangkaian saraf konvolusi (CNN). Model ini sangat baik dalam analisis imej dan juga sangat berguna dalam analisis audio. Cabarannya ialah model sedemikian memerlukan berjuta-juta atau berbilion-bilion pengiraan matematik. Secara tradisinya, aplikasi ini sukar dilaksanakan:

• Gunakan penyelesaian mikropengawal berkuasa rendah dan murah. Walaupun purata penggunaan kuasa mungkin rendah, CNN boleh mengambil masa beberapa saat untuk mengira, bermakna inferens AI bukan masa nyata dan oleh itu menggunakan banyak kuasa bateri.
• Beli pemproses mahal dan berprestasi tinggi yang boleh melakukan operasi matematik ini dalam kependaman yang diperlukan. Pemproses ini selalunya besar dan memerlukan sejumlah besar komponen luaran, termasuk sink haba atau komponen penyejukan yang serupa. Walau bagaimanapun, mereka melakukan inferens AI dengan cepat.
• Tidak dapat dilaksanakan. Penyelesaian mikropengawal berkuasa rendah akan menjadi terlalu lambat untuk digunakan, manakala pendekatan pemproses berprestasi tinggi akan meningkatkan belanjawan kos, saiz dan kuasa.

Apa yang kami perlukan ialah penyelesaian kecerdasan buatan terbenam, dibina dari bawah untuk meminimumkan penggunaan tenaga pengiraan CNN. Inferens AI perlu dilakukan mengikut urutan magnitud berbanding dengan penyelesaian mikropengawal atau pemproses tradisional dan tidak memerlukan bantuan komponen luaran seperti ingatan, yang menggunakan tenaga, volum dan kos.

Jika penyelesaian inferens AI boleh menghapuskan kehilangan tenaga penglihatan mesin, maka peranti terkecil pun dapat melihat dan mengenal pasti perkara yang berlaku di dunia sekeliling mereka.

Nasib baik, kita berada di permulaan revolusi "mesin kecil" ini. Produk kini tersedia yang hampir boleh menghapuskan kos tenaga inferens AI dan membolehkan penglihatan mesin berkuasa bateri. Sebagai contoh, mikropengawal boleh digunakan untuk melakukan inferens AI sambil menggunakan hanya mikrojoule tenaga.

Atas ialah kandungan terperinci Impian dan cabaran kecerdasan buatan tepi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!