Ierīci izveidoja Microsoft mašīnmācīšanās un optimizācijas grupas vadītājs Ofers Dekels. Viņš atklāja, ka viņa piemājas dārza putnu barotavā vāveres zog puķu sīpolus kopā ar sēklām. Protams, viņš nevarēja burtiski noskatīties ēnā un ar kailām rokām padzīt pūkainos grauzējus, tāpēc viņš izdomāja plānu.
Ieteiktie videoklipi
Izmantojot viņa komandu, kas atrodas Redmondā, Vašingtonā, pētniecības laboratorijā (viņam tāda ir arī Indijā), viņi apmācīja datorredzes modeli, lai atklātu vāveres. Pēc tam mākslīgais intelekts tika izvietots uz Raspberry Pi 3 dēļa īpašā ierīcē, kuru viņš uzstādīja savā pagalmā. Tādējādi, kad vāvere paceļ galvu, ierīce ieslēgs smidzinātāju sistēmu, izjaucot grauzēju zagšanas paradumus.
Saistīts
- Microsoft “īpašais notikums” paredzēts septembrī — iespējams, tiks paziņoti paziņojumi par virsmām un AI
- Skatieties, kā šis izstrādātājs izmanto Raspberry Pi, lai atdzīvinātu ģitāras pastiprinātāju
- Microsoft Surface klēpjdators 3 vs. Dell XPS 13
Šis piemājas “projekts” ir tikai daļa no Microsoft vispārējā priekšstata par mākslīgā intelekta pasauli. “Mēs pārejam no mūsdienu pasaules, kurā galvenokārt ir mobilās ierīces, uz jaunu pasauli, ko veidos inteliģents mākonis un viedās malas.” Microsoft izpilddirektors Satja Nadella teica nesenās Build izstrādātāju konferences laikā.
Saskaņā ar Microsoft teikto, lielais sasniegums vāveru medību projektā bija dziļa neironu tīkla pieblīvēšana ārkārtīgi mazā mikroshēmā. Dekels un viņa komanda izmantoja "dažādas metodes", lai saspiestu neironu tīklu, kas būtībā ir "prognozētāju klase", kuru iedvesmojušas mūsu smadzenes.
Vienu paņēmienu sauc par svara kvantēšanu, kas spēj ievietot vairāk parametru mazākā fiziskajā telpā. Šī saspiešana ļauj arī mākslīgajam intelektam strādāt ātrāk. Turklāt Dekela grupa pārbauda paņēmienu, ko sauc par atzarošanu, kas novērš dublējumus neironu tīklos. Tam ir divkāršs ieguvums: iespēja darbināt neironu tīklu ārkārtīgi mazi procesori, un ātrāks novērtēšanas laiks.
Tomēr komanda vēlas panākt, lai mākslīgais intelekts darbotos ar līdz šim mazāko uz ARM balstītu procesoru: Cortex M0. Saskaņā ar ARM datiem šī procesora "stāva plāna laukums" ir 0,007 mm kvadrātā. Tas ir ļoti, ļoti niecīgs, un komandai būs jāpadara savi mašīnmācīšanās modeļi līdz pat 10 000 reižu mazāki par to, ko viņi saspiež Raspberry Pi 3.
"Nevar vienkārši izmantot dziļu neironu tīklu, lai tas būtu tikpat precīzs kā šodien un patērētu par 10 000 mazāk resursu. Jūs to nevarat izdarīt," sacīja Dekels. “Tāpēc mums ir ilgtermiņa pieeja, kas ir sākt no nulles. Sākt no matemātikas uz tāfeles un izgudrot jaunu mašīnmācības tehnoloģiju un rīku komplektu, kas ir pielāgots šīm platformām, kurās ir ierobežoti resursi.
Lai redzētu, pie kā komanda pašlaik strādā, agrīnos priekšskatījumus var lejupielādēt no vietnes Microsoft GitHub depo šeit. Tas nodrošina arī saspiešanas metožu un apmācības algoritmu priekšskatījumus.
Redaktoru ieteikumi
- Acīmredzot mākslīgā intelekta radītais ceļojumu raksts atstāj Microsoft sarkanu seju
- Bing Chat: kā izmantot Microsoft pašas ChatGPT versiju
- Kas ir Raspberry Pi un ko ar to varu darīt 2022. gadā?
- Valodas supermodele: kā GPT-3 klusi ievada A.I. revolūcija
- Tagad varat pieblīvēt Raspberry Pi 4 ar 8 GB RAM par 75 USD
Uzlabojiet savu dzīvesveiduDigitālās tendences palīdz lasītājiem sekot līdzi steidzīgajai tehnoloģiju pasaulei, izmantojot visas jaunākās ziņas, jautrus produktu apskatus, ieskatu saturošus rakstus un unikālus ieskatus.
