Das Gerät wurde vom Leiter der Microsoft-Gruppe für maschinelles Lernen und Optimierung, Ofer Dekel, entwickelt. Er entdeckte, dass Eichhörnchen Blumenzwiebeln und Samen aus dem Vogelhäuschen in seinem Hinterhof stahlen. Natürlich konnte er nicht buchstäblich im Schatten Wache halten und die Nagetiere mit den pelzigen Schwänzen mit bloßen Händen jagen, also überlegte er sich einen Plan.
Empfohlene Videos
Mit seinem Team im Forschungslabor in Redmond, Washington (er hat auch eines in Indien) trainierten sie ein Computer-Vision-Modell, um Eichhörnchen zu erkennen. Die künstliche Intelligenz wurde dann auf einem Raspberry Pi 3-Board in einem speziellen Gerät eingesetzt, das er in seinem Hinterhof montierte. Wenn also ein Eichhörnchen den Kopf erhebt, schaltet das Gerät die Sprinkleranlage ein und unterbindet so die Diebesgewohnheiten des Nagetiers.
Verwandt
- „Sonderereignis“ von Microsoft für September geplant – Ankündigungen zu Surfaces und KI wahrscheinlich
- Sehen Sie, wie dieser Entwickler einen Raspberry Pi verwendet, um einen Gitarrenverstärker wiederzubeleben
- Microsoft Surface Laptop 3 vs. Dell XPS 13
Dieses Hinterhof-„Projekt“ ist nur ein Teil von Microsofts Gesamtbild einer Welt, in der künstliche Intelligenz an erster Stelle steht. „Wir bewegen uns von der heutigen Mobile-First- und Cloud-First-Welt zu einer neuen Welt, die aus einer intelligenten Cloud und einem intelligenten Edge bestehen wird.“ sagte Microsoft-Chef Satya Nadella während der letzten Build-Entwicklerkonferenz.
Laut Microsoft bestand die große Errungenschaft des Eichhörnchenjagdprojekts darin, ein tiefes neuronales Netzwerk auf einen extrem kleinen Chip zu packen. Dekel und sein Team verwendeten „verschiedene Techniken“, um das neuronale Netzwerk zu komprimieren, das im Wesentlichen „eine Klasse von Prädiktoren“ ist, die von unserem Gehirn inspiriert wurden.
Eine Technik heißt Gewichtsquantisierung und ermöglicht es, mehr Parameter auf kleinerem Raum unterzubringen. Durch diese Komprimierung kann die künstliche Intelligenz auch schneller arbeiten. Darüber hinaus untersucht Dekels Gruppe eine Technik namens Pruning, die Redundanzen in neuronalen Netzen beseitigt. Dies hat einen doppelten Vorteil: die Möglichkeit, ein neuronales Netzwerk darauf auszuführen extrem kleine Prozessorenund schnellere Auswertungszeiten.
Allerdings möchte das Team künstliche Intelligenz auf dem bisher kleinsten ARM-basierten Prozessor zum Laufen bringen: der Cortex M0. Laut ARM hat dieser Prozessor eine „Grundrissfläche“ von 0,007 mm im Quadrat. Das ist sehr, sehr klein und erfordert, dass das Team seine Modelle für maschinelles Lernen bis zu 10.000 Mal kleiner macht als das, was sie für den Raspberry Pi 3 komprimieren.
„Es gibt einfach keine Möglichkeit, ein tiefes neuronales Netzwerk so genau wie heute zu halten und dabei 10.000 Ressourcen weniger zu verbrauchen. Das geht nicht“, sagte Dekel. „Deshalb haben wir einen längerfristigen Ansatz, der darin besteht, bei Null anzufangen. Wir beginnen mit der Mathematik an der Tafel und erfinden eine Reihe neuer Technologien und Tools für maschinelles Lernen, die auf diese ressourcenbeschränkten Plattformen zugeschnitten sind.“
Um zu sehen, woran das Team gerade arbeitet, können frühe Vorschauen unter heruntergeladen werden Das GitHub-Depot von Microsoft finden Sie hier. Es bietet auch Vorschauen der Komprimierungstechniken und Trainingsalgorithmen.
Empfehlungen der Redaktion
- Reiseartikel, der offenbar von KI generiert wurde, lässt Microsoft rot im Gesicht zurück
- Bing Chat: So verwenden Sie Microsofts eigene Version von ChatGPT
- Was ist ein Raspberry Pi und was kann ich 2022 damit machen?
- Sprach-Supermodel: Wie GPT-3 still und leise die KI einleitet Revolution
- Sie können Ihren Raspberry Pi 4 jetzt für 75 US-Dollar mit 8 GB RAM ausstatten
Werten Sie Ihren Lebensstil aufDigital Trends hilft Lesern mit den neuesten Nachrichten, unterhaltsamen Produktrezensionen, aufschlussreichen Leitartikeln und einzigartigen Einblicken, den Überblick über die schnelllebige Welt der Technik zu behalten.
