Enheten skapades av chefen för Microsofts maskininlärnings- och optimeringsgrupp, Ofer Dekel. Han upptäckte att ekorrar stal blomlökar tillsammans med frön i fågelmataren i hans trädgård. Naturligtvis kunde han inte bokstavligen hålla utkik i skuggorna och jaga ner de lurviga gnagarna med sina bara händer, så han kom på en plan.
Rekommenderade videor
Med hjälp av hans team i Redmond, Washington, forskningslabb (han har ett i Indien också), tränade de en datorseende modell för att upptäcka ekorrar. Den artificiella intelligensen distribuerades sedan på ett Raspberry Pi 3-kort inuti en speciell enhet som han monterade på sin bakgård. Således, när en ekorre reser upp huvudet, kommer enheten att slå på sprinklersystemet, vilket omintetgör gnagarens tjuvvanor.
Relaterad
- Microsofts "särskilda evenemang" inställt på september - Ytor och AI-meddelanden troligen
- Se den här utvecklaren använda en Raspberry Pi för att återuppliva en gitarrförstärkare
- Microsoft Surface Laptop 3 vs. Dell XPS 13
Detta bakgårds-"projekt" är bara en del av Microsofts övergripande bild av en artificiell intelligens-första värld. "Vi går från vad som är dagens mobil-första, moln-första värld till en ny värld som kommer att bestå av ett intelligent moln och intelligent kant," Microsofts vd Satya Nadella sa under den senaste Build-utvecklarkonferensen.
Den stora bedriften i ekorrjaktsprojektet, enligt Microsoft, var att klämma in ett djupt neuralt nätverk på ett extremt litet chip. Dekel och hans team använde "en mängd olika tekniker" för att komprimera det neurala nätverket, som i huvudsak är "en klass av prediktorer" inspirerade av våra hjärnor.
En teknik kallas viktkvantisering, som kan klämma in fler parametrar i ett mindre fysiskt utrymme. Denna komprimering gör att den artificiella intelligensen också kan arbeta snabbare. Dessutom undersöker Dekels grupp en teknik som kallas beskärning, som tar bort redundanser i neurala nätverk. Detta har en dubbel fördel: möjligheten att köra ett neuralt nätverk på extremt små processoreroch snabbare utvärderingstider.
Teamet vill dock få artificiell intelligens att köra på den minsta ARM-baserade processorn hittills: Cortex M0. Enligt ARM har denna processor en "planyta" på 0,007 mm i kvadrat. Det är väldigt, väldigt litet och kommer att kräva att teamet gör sina maskininlärningsmodeller upp till 10 000 gånger mindre än vad de komprimerar för Raspberry Pi 3.
"Det finns helt enkelt inget sätt att ta ett djupt neuralt nätverk, få det att vara så exakt som det är idag och förbruka 10 000 mindre resurser. Du kan inte göra det, sa Dekel. ”Så för det har vi ett långsiktigt synsätt, som är att börja om från början. Att börja från matematik på den vita tavlan och uppfinna en ny uppsättning maskininlärningsteknologier och verktyg som är skräddarsydda för dessa resursbegränsade plattformar.”
För att se vad teamet för närvarande arbetar med kan tidiga förhandsvisningar laddas ner från Microsofts GitHub-depå här. Det ger också förhandsvisningar av kompressionstekniker och träningsalgoritmer.
Redaktörens rekommendationer
- Researtikel som uppenbarligen genererats av AI gör Microsoft röd i ansiktet
- Bing Chat: hur man använder Microsofts egen version av ChatGPT
- Vad är en Raspberry Pi och vad kan jag göra med den 2022?
- Språksupermodell: Hur GPT-3 tyst inleder A.I. rotation
- Du kan nu fylla din Raspberry Pi 4 med 8 GB RAM för $75
Uppgradera din livsstilDigitala trender hjälper läsare att hålla koll på den snabba teknikvärlden med alla de senaste nyheterna, roliga produktrecensioner, insiktsfulla redaktioner och unika smygtittar.
