„Edge“ dirbtinis intelektas (AI) leidžia apdoroti duomenis realiuoju laiku ir priimti sprendimus tiesiogiai įrenginiuose, sumažinant delsą ir pralaidumo naudojimą, kartu padidinant privatumą sumažinant duomenų perdavimą į debesį. Tačiau plačiai taikant jį iškilo techninių kliūčių. DIME projektas, kuriam vadovavo tyrimų grupė IMDEA tinklai ir koordinuoja Joergas Widmeris, tyrimų direktorius, ir Jaya Champati, mokslinio tyrimo asistentas, užbaigė šiais metais, pasiekęs proveržį įveikiant šiuos iššūkius. Jos rezultatais siekiama greitesnių, saugesnių ir tvaresnių dirbtinio intelekto programų, turinčių poveikį pagrindiniams sektoriams, pavyzdžiui, sveikatos priežiūrai, transportui ir išmaniesiems miestams.
Techninių kliūčių įveikimas
Vienas iš pagrindinių iššūkių diegiant gilaus mokymosi (DL) modelius tokiuose įrenginiuose kaip mikrovaldikliai ar išmanieji telefonai buvo suprasti jų poveikį našumui energijos suvartojimo, delsos ir tikslumo požiūriu. DIME projektas atliko tyrimą, kuriame buvo matuojami šie kintamieji penkiuose daiktų interneto įrenginiuose, pradedant nuo pagrindinių mikrovaldiklių ir baigiant pažangiais vienos plokštės kompiuteriais, tokiais kaip Jetson Orin Nano. Ši analizė nustatė strategijas, kaip optimizuoti našumą nepakenkiant sprendimų kokybei.
Be to, DIME išsprendė problemą tokiose programose kaip medicinos prietaisai ir daiktų interneto infrastruktūra: trūksta mechanizmų, leidžiančių patikrinti AI modelio tikslumą realiuoju laiku. Komanda sukūrė internetinį mokymosi algoritmą, kuris su pertraukomis lygina įrenginio modelio sprendimus su tvirtesnių modelių sprendimais krašto serveriuose. Šis hierarchinės išvados metodas ištaiso klaidas realiu laiku ir perkelia duomenis į serverį tik tada, kai tai būtina, pagerina efektyvumą ir sumažina duomenų perdavimo išlaidas.
Pasaulinis poveikis
„DIME projekto rezultatai sudaro pagrindą plačiai paplitusiam AI pritaikymui“, – sakė Jaya Champati. Tai ypač aktualu atokiose arba nepakankamai aptarnaujamose vietovėse, kuriose interneto ryšys yra ribotas.
Tyrimas sulaukė tarptautinio susidomėjimo, įkvepiantis bendradarbiavimą su Kanados, Indijos ir Europos universitetais bei pasiekęs matomumą aukšto lygio konferencijose, tokiose kaip ACM simpoziumas apie kraštų skaičiavimą ir IEEE INFOCOM. DIME metu sukurti duomenys ir įrankiai buvo prieinami mokslo bendruomenei per „GitHub“ ir bus pasiūlyti kaip mažas ML lyginamasis standartas per MLCommons, organizaciją, skirtą mašininio mokymosi naujovėms spartinti.
Įtraukianti ateitis
DIME poveikis neapsiriboja techniniais pasiekimais. Demokratizuojant prieigą prie pigių AI sprendimų, projektas gali suteikti daugiau galimybių mažoms įmonėms, pagerinti žmonių gyvenimo kokybę ir skatinti didesnę skaitmeninę lygybę. „DIME ne tik siūlo technologinius sprendimus, bet ir sukuria galimybes naujoms programoms bei darbo vietoms besikuriančiuose dirbtinio intelekto sektoriuose“, – pabrėžia pagrindinis mokslininkas.
Dėl gilaus mokymosi išvadų pažangos ir į vartotoją orientuotos vizijos DIME yra pavyzdys, kaip technologiniai tyrimai gali pakeisti pramonės šakas ir visuomenes, skatinant veiksmingesnę, įtraukesnę ir tvaresnę ateitį.
Komentuokite šį straipsnį per X: @IoTNow_ ir apsilankykite mūsų pagrindiniame puslapyje IoT Now
