Исследования обеспечивают совместимость ИИ с интеллектуальными устройствами

Прочитано: 149 раз(а)


Умные устройства продолжают становиться умнее и требуют все больше и больше от аппаратного обеспечения. Как мы можем убедиться, что эти устройства совместимы с искусственным интеллектом, необходимым для их функционирования, без увеличения мощности оборудования? Это то, что Несма Резк, доктор философии. в области компьютерных наук и инженерии, занимается исследованиями в своей диссертации.

Диссертация Несмы Резк посвящена реализации приложений глубокого обучения на встроенных платформах, которые представляют собой компьютерные системы любого типа со специальной функцией, такие как смарт-часы или автономный автомобиль. Глубокое обучение — это метод искусственного интеллекта (ИИ), который учит компьютеры учиться на примере. Этот метод, например, позволяет беспилотному автомобилю распознавать различные дорожные знаки, и эту технологию можно найти во всем, от умных домашних гаджетов до медицинских инструментов.

Как определить, работает ли искусственный интеллект так, как мы хотим

«Эта методика поднимает вопросы о том, как вы можете использовать эти реализации, обеспечить их эффективность и справиться с технологическими достижениями в алгоритмах глубокого обучения , которые постоянно совершенствуются, чтобы стать более интеллектуальными», — говорит Резк.

Включает ИИ в повседневную жизнь

Несмотря на то, что существуют передовые аппаратные платформы, предлагающие высокую производительность, высокие требования моделей глубокого обучения к аппаратным вычислительным ресурсам и ресурсам памяти по-прежнему представляют собой проблему, и если оборудование и модели недостаточно совместимы, это может ограничить эффективность получающихся реализаций. .

Резк был удивлен, увидев, что во многих случаях можно было сжать модель глубокого обучения менее чем до четверти ее исходного размера и при этом модель работала правильно.

«Приложения глубокого обучения не следует развертывать непосредственно во встроенных системах. Сначала следует применить предшествующий шаг, называемый алгоритмической оптимизацией. Алгоритмическая оптимизация — это методы, которые снижают требования к приложениям глубокого обучения, чтобы сделать возможным их запуск на платформах с ограниченными ресурсами, сохраняя при этом они функционируют правильно», — объясняет она.

Резк считает, что ее исследование может быть частью связи между глубоким обучением и нашей повседневной жизнью.

«Реализуя приложения глубокого обучения на встроенных платформах и делая эту реализацию эффективной, быстрой и надежной, мы можем интегрировать ИИ во все аспекты нашей повседневной жизни», — говорит она.

Искусственные нейронные сети лучше учатся, когда проводят время, вообще не обучаясь



Новости партнеров