財(cái)聯(lián)社1月8日訊（編輯 黃君芝）先進(jìn)的人工智能（AI）技術(shù)允許使用最少數(shù)量的傳感器重建廣泛的數(shù)據(jù)集，如海洋溫度。這種方法利用節(jié)能的“邊緣”計(jì)算，在包括工業(yè)、科學(xué)研究和醫(yī)療保健在內(nèi)的各個(gè)領(lǐng)域提供廣泛的潛在用途。
近期，美國洛斯阿拉莫斯國家實(shí)驗(yàn)室（Los Alamos National Laboratory）研發(fā)了一種采用自然語言模型的新方法，可以擴(kuò)展人工智能在邊緣計(jì)算中的應(yīng)用。最新研究成果已于近期發(fā)表在了“Nature Machine Intelligence”雜志上。
研究員Javier Santos說，“我們開發(fā)了一個(gè)神經(jīng)網(wǎng)絡(luò)，使我們能夠以非常緊湊的方式表示一個(gè)大系統(tǒng)。與最先進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)相比，這種緊湊性意味著它需要更少的計(jì)算資源，使其非常適合無人機(jī)、傳感器陣列和其他邊緣計(jì)算應(yīng)用的現(xiàn)場部署，使計(jì)算更接近其最終用途。”
研究人員們將這種新型人工智能技術(shù)稱為Senseiver。這項(xiàng)工作建立在谷歌開發(fā)的一個(gè)名為Perceiver IO的人工智能模型上，將ChatGPT等自然語言模型的技術(shù)應(yīng)用于從相對較少的測量中重建有關(guān)廣闊區(qū)域（如海洋）信息的問題。
由于其更高的效率，該團(tuán)隊(duì)意識到該模型將具有廣泛的應(yīng)用。研究人員說，“使用更少的參數(shù)和更少的內(nèi)存需要更少的計(jì)算機(jī)中央處理單元周期，因此它在小型計(jì)算機(jī)上運(yùn)行得更快。”
為了演示Senseiver在現(xiàn)實(shí)世界中的實(shí)用性，該團(tuán)隊(duì)將該模型應(yīng)用于美國國家海洋和大氣管理局的海洋表面溫度數(shù)據(jù)集。該模型能夠整合幾十年來從衛(wèi)星和船上傳感器獲取的大量測量數(shù)據(jù)。通過這些稀疏的測量數(shù)據(jù)，該模型預(yù)測了整個(gè)海洋的溫度，這為全球氣候模型提供了有用的信息。
研究人員說，“我們的工作為無人機(jī)、現(xiàn)場傳感器網(wǎng)絡(luò)以及目前尖端人工智能技術(shù)無法實(shí)現(xiàn)的其他應(yīng)用帶來了人工智能的好處。”
他們認(rèn)為，該方法為自動駕駛汽車、石油和天然氣資產(chǎn)的遠(yuǎn)程建模、患者醫(yī)療監(jiān)控、云游戲、內(nèi)容交付和污染物追蹤等大型實(shí)際應(yīng)用提供了改進(jìn)的功能。
（財(cái)聯(lián)社 黃君芝）
