匹茲堡大學(xué)的科學(xué)家正在提出一種應(yīng)用人工智能的系統(tǒng)，以減少IoT傳感器的能耗并減輕電池壽命問題。該項目使用搭載在環(huán)境中的能量作為動力的搭載傳感器來觸發(fā)主要傳感器。搭載傳感器將在無人看管的情況下運行，并使用AI算法進(jìn)行訓(xùn)練，以通知主要設(shè)備僅在滿足特定事件條件時才打開。

該大學(xué)的斯旺森商學(xué)院電氣與計算機工程學(xué)的副研究員兼電氣與計算機工程副教授胡靜同說：“利用從環(huán)境中獲取的能量來運行AI算法的主要挑戰(zhàn)之一是環(huán)境中的能量是斷續(xù)的。”工程，在大學(xué)網(wǎng)站上的一篇文章中?！啊绻麄鞲衅鲾嚯姡鷮G失數(shù)據(jù)，因此我們希望幫助AI算法即使在斷電情況下也能做出準(zhǔn)確的決策?！?/p>

主要的數(shù)據(jù)收集傳感器及其無線電仍將需要電池供電，但如果僅在特定事件期間使用它們，則將減少用電量。

胡錦濤在文章中說：“主要設(shè)備經(jīng)過編程可以完成所有繁瑣的工作。”“較小的傳感器是看門狗，可以監(jiān)視環(huán)境并在必要時喚醒較大的傳感器?！?/p>

雖然這個概念聽起來很簡單，但是執(zhí)行起來并不容易。

美國國家科學(xué)基金會（NSF）于8月獲得了25萬美元的贈款，以支持匹茲堡大學(xué)的項目。一個在美國國家科學(xué)基金會網(wǎng)站抽象描述團(tuán)隊的努力：

“該項目旨在在這種無電池設(shè)備中實現(xiàn)人工智能（AI）。但是，存在兩個主要挑戰(zhàn)：1.大多數(shù)現(xiàn)有的深度神經(jīng)網(wǎng)絡(luò)（DNN）難以安裝在資源受限的微控制器中。2. DNN通常需要多個為了獲得一個推理結(jié)果，由于采集能力弱且無法預(yù)測，可能需要不確定的時間來解決這些挑戰(zhàn)，該項目正在開發(fā)多出口DNN，可以在每次執(zhí)行過程中輸出增量準(zhǔn)確的推理結(jié)果。 ”

研究人員概述了他們計劃要解決的三個任務(wù)，這些任務(wù)為基于能源收集技術(shù)的物聯(lián)網(wǎng)設(shè)備進(jìn)行間歇性增量推理奠定了基礎(chǔ)：

“首先，將開發(fā)新穎的功率跟蹤感知壓縮，在線修剪和自適應(yīng)算法，以確保在間歇供電的設(shè)備上高效部署多出口DNN。其次，將成為新的多出口統(tǒng)計和增量神經(jīng)網(wǎng)絡(luò)（MESI-NN）。進(jìn)一步減少延遲并提高準(zhǔn)確性和能源效率;第三，將開發(fā)新的神經(jīng)體系結(jié)構(gòu)搜索算法，以自動搜索最佳的MESI-NN體系結(jié)構(gòu);該項目將通過實際系統(tǒng)和應(yīng)用（例如圖像分類，關(guān)鍵字）進(jìn)行評估發(fā)現(xiàn)和活動識別?！?/p>

責(zé)任編輯：lq