Enheden blev skabt af lederen af Microsofts maskinlærings- og optimeringsgruppe, Ofer Dekel. Han opdagede, at egern stjal blomsterløg sammen med frø i fuglefoderet i hans baghave. Naturligvis kunne han ikke bogstaveligt talt holde vagt i skyggerne og jage de pelsede gnavere ned med sine bare hænder, så han kom med en plan.
Anbefalede videoer
Ved at bruge hans hold i Redmond, Washington, forskningslaboratorium (han har også et i Indien), trænede de en computervisionsmodel til at opdage egern. Den kunstige intelligens blev derefter installeret på et Raspberry Pi 3-kort inde i en speciel enhed, han monterede i sin baghave. Når et egern løfter hovedet, vil enheden således tænde for sprinklersystemet, hvilket forhindrer gnaverens tyvevaner.
Relaterede
- Microsoft 'særlig begivenhed' sat til september - Surfaces og AI-meddelelser sandsynligvis
- Se denne udvikler bruge en Raspberry Pi til at genoplive en guitarforstærker
- Microsoft Surface Laptop 3 vs. Dell XPS 13
Dette baggård "projekt" er blot en del af Microsofts overordnede billede af en kunstig intelligens-første verden. "Vi bevæger os fra det, der er nutidens mobile-first, cloud-first-verden til en ny verden, der kommer til at bestå af en intelligent sky og intelligent kant," Microsofts CEO Satya Nadella sagde under den nylige Build-udviklerkonference.
Den store bedrift i egernjagtprojektet var ifølge Microsoft at proppe et dybt neuralt netværk på en ekstremt lille chip. Dekel og hans team brugte "en række forskellige teknikker" til at komprimere det neurale netværk, som i det væsentlige er "en klasse af forudsigere" inspireret af vores hjerner.
En teknik kaldes vægtkvantisering, der er i stand til at proppe flere parametre ind i et mindre fysisk rum. Denne komprimering gør det også muligt for den kunstige intelligens at arbejde hurtigere. Derudover er Dekels gruppe ved at undersøge en teknik kaldet beskæring, som fjerner redundanser i neurale netværk. Dette har en dobbelt fordel: evnen til at køre et neuralt netværk på ekstremt små processorerog hurtigere evalueringstider.
Teamet ønsker dog at få kunstig intelligens til at køre på den mindste ARM-baserede processor til dato: Cortex M0. Ifølge ARM har denne processor et "gulvplansareal" på 0,007 mm i kvadrat. Det er meget, meget lille, og det vil kræve, at teamet gør sine maskinlæringsmodeller op til 10.000 gange mindre end det, de komprimerer til Raspberry Pi 3.
"Der er bare ingen måde at tage et dybt neuralt netværk på, få det til at forblive så præcist som det er i dag og forbruge 10.000 mindre ressourcer. Du kan ikke gøre det,” sagde Dekel. ”Så til det har vi en langsigtet tilgang, som er at starte fra bunden. At starte fra matematik på den hvide tavle og opfinde et nyt sæt maskinlæringsteknologier og værktøjer, der er skræddersyet til disse ressourcebegrænsede platforme."
For at se, hvad teamet i øjeblikket arbejder på, kan tidlige forhåndsvisninger downloades fra Microsofts GitHub-depot her. Det giver også forhåndsvisninger af kompressionsteknikkerne og træningsalgoritmerne.
Redaktørens anbefalinger
- Rejseartikel, der tilsyneladende er genereret af AI, efterlader Microsoft rød i ansigtet
- Bing Chat: hvordan man bruger Microsofts egen version af ChatGPT
- Hvad er en Raspberry Pi, og hvad kan jeg gøre med den i 2022?
- Sprogsupermodel: Hvordan GPT-3 stille og roligt indvarsler A.I. revolution
- Du kan nu proppe din Raspberry Pi 4 med 8 GB RAM for $75
Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.
