Het apparaat is gemaakt door het hoofd van de Machine Learning and Optimization-groep van Microsoft, Ofer Dekel. Hij ontdekte dat eekhoorns bloembollen en zaden stalen uit de vogelvoederbak in zijn achtertuin. Natuurlijk kon hij niet letterlijk in de schaduw de wacht houden en de harige staartknaagdieren met zijn blote handen achtervolgen, dus bedacht hij een plan.
Aanbevolen video's
Met behulp van zijn team in het onderzoekslaboratorium in Redmond, Washington (hij heeft er ook een in India), trainden ze een computervisiemodel om eekhoorns te detecteren. De kunstmatige intelligentie werd vervolgens ingezet op een Raspberry Pi 3-bord in een speciaal apparaat dat hij in zijn achtertuin monteerde. Dus wanneer een eekhoorn zijn kop opsteekt, zal het apparaat het sprinklersysteem inschakelen, waardoor de diefgewoonten van het knaagdier worden tegengewerkt.
Verwant
- Microsoft ‘speciaal evenement’ gepland voor september – Surfaces en AI-aankondigingen waarschijnlijk
- Kijk hoe deze ontwikkelaar een Raspberry Pi gebruikt om een gitaarversterker nieuw leven in te blazen
- Microsoft Surface-laptop 3 vs. Dell XPS13
Dit 'achtertuinproject' is slechts een deel van Microsofts algemene beeld van een wereld waarin kunstmatige intelligentie voorop staat. “We gaan van de huidige ‘mobile-first, cloud-first’ wereld naar een nieuwe wereld die zal bestaan uit een intelligente cloud en intelligente edge.” Dat zei Microsoft-topman Satya Nadella tijdens de recente Build-ontwikkelaarsconferentie.
De grote prestatie in het eekhoornjachtproject was volgens Microsoft het proppen van een diep neuraal netwerk op een extreem kleine chip. Dekel en zijn team gebruikten “een verscheidenheid aan technieken” om het neurale netwerk te comprimeren, dat in wezen “een klasse van voorspellers” is, geïnspireerd door onze hersenen.
Eén techniek heet gewichtskwantisering, waarmee meer parameters in een kleinere fysieke ruimte kunnen worden gepropt. Door deze compressie kan de kunstmatige intelligentie ook sneller werken. Daarnaast onderzoekt Dekels groep een techniek genaamd snoeien, die redundanties in neurale netwerken verwijdert. Dit heeft een dubbel voordeel: de mogelijkheid om een neuraal netwerk te laten draaien extreem kleine processorenen snellere evaluatietijden.
Het team wil echter kunstmatige intelligentie laten draaien op de kleinste ARM-gebaseerde processor tot nu toe: de Cortex M0. Volgens ARM heeft deze processor een “vloeroppervlak” van 0,007 mm in het kwadraat. Dat is heel, heel klein, en het team zal zijn machine learning-modellen tot 10.000 keer kleiner moeten maken dan wat ze comprimeren voor de Raspberry Pi 3.
“Er is gewoon geen manier om een diep neuraal netwerk zo nauwkeurig te laten blijven als het nu is, en 10.000 bronnen minder te verbruiken. Dat kun je niet doen”, zei Dekel. “Daarvoor hebben we een aanpak voor de langere termijn, namelijk helemaal opnieuw beginnen. Om te beginnen met wiskunde op het whiteboard en een nieuwe reeks machine learning-technologieën en -tools uit te vinden die op maat zijn gemaakt voor deze platforms met beperkte middelen.”
Om te zien waar het team momenteel aan werkt, kunnen vroege previews worden gedownload van Het GitHub-depot van Microsoft hier. Het biedt ook voorbeelden van de compressietechnieken en trainingsalgoritmen.
Aanbevelingen van de redactie
- Een reisartikel dat blijkbaar door AI is gegenereerd, zorgt ervoor dat Microsoft een rood gezicht krijgt
- Bing Chat: hoe u Microsoft’s eigen versie van ChatGPT gebruikt
- Wat is een Raspberry Pi en wat kan ik er anno 2022 mee?
- Taalsupermodel: hoe GPT-3 stilletjes de A.I. revolutie
- Je kunt je Raspberry Pi 4 nu proppen met 8 GB RAM voor $ 75
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.
