Urządzenie zostało stworzone przez szefa grupy Machine Learning and Optimization w Microsoft, Ofera Dekela. Odkrył, że wiewiórki kradną cebulki kwiatowe wraz z nasionami z karmnika dla ptaków w jego przydomowym ogródku. Naturalnie nie mógł dosłownie trzymać się w cieniu i gołymi rękami ścigać gryzonie z futrzanym ogonem, więc wymyślił plan.
Polecane filmy
Korzystając ze swojego zespołu znajdującego się w laboratorium badawczym w Redmond w stanie Waszyngton (on ma je także w Indiach), wyszkolili komputerowy model wizyjny do wykrywania wiewiórek. Następnie sztuczną inteligencję wdrożono na płycie Raspberry Pi 3 wewnątrz specjalnego urządzenia, które zamontował na swoim podwórku. Tym samym, gdy wiewiórka podniesie głowę, urządzenie włączy system zraszaczy, udaremniając złodziejskie nawyki gryzonia.
Powiązany
- „Wydarzenie specjalne” Microsoftu zaplanowane na wrzesień – prawdopodobne zapowiedzi Surface i AI
- Zobacz, jak programista używa Raspberry Pi do ożywienia wzmacniacza gitarowego
- Porównanie laptopa Surface 3 z Microsoftem Dell XPS 13
Ten podwórkowy „projekt” to tylko część ogólnego obrazu świata opartego na sztucznej inteligencji firmy Microsoft. „Przechodzimy od dzisiejszego świata, w którym najważniejsze są urządzenia mobilne i chmura, do nowego świata, który będzie się składał z inteligentnej chmury i inteligentnych rozwiązań brzegowych” – powiedział dyrektor generalny Microsoftu Satya Nadella podczas ostatniej konferencji deweloperów Build.
Według Microsoftu największym osiągnięciem projektu polowania na wiewiórki było umieszczenie głębokiej sieci neuronowej w niezwykle małym chipie. Dekel i jego zespół wykorzystali „różne techniki” do kompresji sieci neuronowej, która jest w istocie „klasą predyktorów” inspirowanych naszymi mózgami.
Jedna z technik nazywana jest kwantyzacją wagową i umożliwia upchnięcie większej liczby parametrów w mniejszej przestrzeni fizycznej. Dzięki tej kompresji sztuczna inteligencja może działać szybciej. Ponadto grupa Dekela bada technikę zwaną przycinaniem, która usuwa nadmiarowość w sieciach neuronowych. Ma to podwójną korzyść: możliwość uruchomienia sieci neuronowej wyjątkowo małe procesoryi krótszy czas oceny.
Zespół chce jednak uruchomić sztuczną inteligencję na najmniejszym jak dotąd procesorze opartym na ARM: kora M0. Według ARM ten procesor ma „powierzchnię planu piętra” wynoszącą 0,007 mm kwadratowego. To bardzo, bardzo mały rozmiar i będzie wymagał od zespołu stworzenia modeli uczenia maszynowego nawet 10 000 razy mniejszych niż te, które kompresują dla Raspberry Pi 3.
„Po prostu nie ma sposobu, aby wykorzystać głęboką sieć neuronową, aby pozostała tak dokładna jak obecnie i zużywała 10 000 zasobów mniej. Nie możesz tego zrobić” – powiedział Dekel. „W tym celu mamy podejście długoterminowe, które zakłada rozpoczęcie od zera. Zacząć od matematyki na tablicy i opracować nowy zestaw technologii i narzędzi uczenia maszynowego dostosowanych do platform o ograniczonych zasobach”.
Aby zobaczyć, nad czym obecnie pracuje zespół, można pobrać wczesne podglądy Magazyn Microsoft GitHub tutaj. Zawiera także podgląd technik kompresji i algorytmów szkoleniowych.
Zalecenia redaktorów
- Artykuł podróżniczy najwyraźniej wygenerowany przez sztuczną inteligencję sprawia, że Microsoft czerwieni się
- Bing Chat: jak korzystać z własnej wersji ChatGPT firmy Microsoft
- Co to jest Raspberry Pi i co mogę z nim zrobić w 2022 roku?
- Supermodelka językowa: jak GPT-3 po cichu wprowadza A.I. rewolucja
- Możesz teraz wyposażyć Raspberry Pi 4 w 8 GB pamięci RAM za 75 USD
Ulepsz swój styl życiaDigital Trends pomaga czytelnikom śledzić szybko rozwijający się świat technologii dzięki najnowszym wiadomościom, zabawnym recenzjom produktów, wnikliwym artykułom redakcyjnym i jedynym w swoim rodzaju zajawkom.
