隨著越來越多的公司將物聯網（IoT）設備與邊緣計算能力相結合，人們逐漸對如何使用人工智能（AI）來優化這些應用感到好奇。以下是一些發人深省的可能性。
利(li)用機器(qi)學習提(ti)高物聯網傳感器(qi)推斷精度
技(ji)術研究人(ren)員仍(reng)處(chu)于研究如(ru)何通過機器(qi)學習提高邊緣部(bu)署物聯網傳感器(qi)性能的(de)早(zao)期階段。早(zao)期應(ying)用(yong)包括將(jiang)傳感器(qi)用(yong)于圖像分類(lei)或涉及自然語言處(chu)理的(de)任務。不過有(you)一(yi)個例(li)子表明了人(ren)們是如(ru)何取得進步的(de)。
IMDEA Network的研(yan)究人員意(yi)識到，如果將物聯網傳感(gan)器用于特定的深度學(xue)(xue)習任務，可(ke)能會(hui)導(dao)致傳感(gan)器無法(fa)保證特定的服務質量，如遭遇延遲和(he)推理準確性降低(di)。然而，參與該項目(mu)的研(yan)究人員開發了一種名為AMR2的機器學(xue)(xue)習算法(fa)來(lai)應(ying)對這一挑戰(zhan)。
AMR2利用邊緣計算基礎設施使物聯(lian)網(wang)傳感(gan)器(qi)推(tui)斷更加準確(que)，同(tong)時實(shi)現迅速響應和實(shi)時分析。實(shi)驗表明，與不使用該算法的(de)基本調度(du)任務結果相比，使用算法后的(de)推(tui)理(li)精度(du)提高了40%。
他們發現，像這樣高效的調度算(suan)法(fa)對于(yu)幫助物聯網(wang)傳感器在邊緣部(bu)署時正常工作至關重要。一(yi)位項目研究人員(yuan)(yuan)指出，如果開(kai)(kai)發人員(yuan)(yuan)將(jiang)AMR2算(suan)法(fa)用于(yu)類似(si)于(yu)谷歌圖片的服務（即(ji)根據圖像包(bao)含(han)的元素對圖像分類），可能(neng)會(hui)影響執行延遲。開(kai)(kai)發人員(yuan)(yuan)可以部(bu)署該算(suan)法(fa)以確(que)保用戶在使用應用程序時不(bu)會(hui)注意(yi)到此類延遲。
邊(bian)緣人工(gong)智能降低連接設備的能耗
2023年(nian)，一項針(zhen)對科(ke)技公(gong)司首席財(cai)務官的(de)(de)研究表(biao)明，預計80%的(de)(de)公(gong)司來年(nian)收入(ru)會增(zeng)加(jia)。但增(zeng)加(jia)收入(ru)的(de)(de)前提是，員工了(le)解客戶的(de)(de)需求并相應地提供(gong)產(chan)品或服(fu)務。
許(xu)多物聯網設(she)(she)(she)備(bei)(bei)的(de)(de)制造(zao)商想讓人們經常佩戴(dai)他們產品。一(yi)些可(ke)穿戴(dai)設(she)(she)(she)備(bei)(bei)可(ke)以(yi)(yi)監測(ce)獨身(shen)一(yi)人的(de)(de)員工(gong)是否(fou)跌倒或感到痛苦；還可(ke)以(yi)(yi)監測(ce)擔任高(gao)體(ti)力(li)要求的(de)(de)角(jiao)色是否(fou)處于過度(du)疲(pi)勞的(de)(de)狀(zhuang)態而需要休(xiu)息。在(zai)這種情況下，用戶必須對(dui)他們的(de)(de)物聯網設(she)(she)(she)備(bei)(bei)有信(xin)心，相信(xin)設(she)(she)(she)備(bei)(bei)可(ke)以(yi)(yi)在(zai)工(gong)作及其他時間可(ke)靠地(di)工(gong)作。
這就是研(yan)究(jiu)人員(yuan)探索邊(bian)緣人工智能(neng)如何提(ti)高物聯網(wang)設備(bei)的(de)能(neng)源效率的(de)原因之一。物聯網(wang)設備(bei)用于研(yan)究(jiu)久坐對健康的(de)影響，以及正(zheng)確的(de)姿勢(shi)是怎樣(yang)改善結果的(de)。任何捕捉生活方式(shi)數據(ju)的(de)物聯網(wang)設備(bei)都必須(xu)持續收集(ji)數據(ju)，所以幾乎或根本不能(neng)出現因為設備(bei)電量耗盡而停止收集(ji)信息的(de)情況。
為了(le)避免上述情(qing)況，受試(shi)者佩戴的(de)(de)無線設備通常由(you)紐扣電(dian)池供電(dian)。一般(ban)來(lai)說，每(mei)個(ge)(ge)小裝置(zhi)都有(you)慣性傳(chuan)感器，用來(lai)收(shou)集人們全天移動(dong)量的(de)(de)準(zhun)確(que)數(shu)據(ju)。然而最主要(yao)的(de)(de)問題是，由(you)于傳(chuan)輸的(de)(de)數(shu)據(ju)量很大，電(dian)池的(de)(de)電(dian)量只維持幾個(ge)(ge)小時。例如研究表明，一個(ge)(ge)九通道運動(dong)傳(chuan)感器每(mei)秒讀(du)取50個(ge)(ge)樣(yang)本，那么(me)一天則會產生超過(guo)100MB的(de)(de)數(shu)據(ju)。
然而，研究人員意識到，機(ji)器(qi)學習可(ke)以讓算法僅把關鍵數據從邊緣部署的(de)物聯(lian)網設備傳輸到智(zhi)能手機(ji)或其(qi)他(ta)幫(bang)助分析信息的(de)設備。他(ta)們繼續使(shi)用(yong)預訓練的(de)遞歸神經網絡，發(fa)現該算法實(shi)現了實(shi)時(shi)性能，能夠改進物聯(lian)網設備的(de)功能。
為設備端的人工智能訓練(lian)創(chuang)造機會
邊緣計(ji)算的(de)(de)進步，提(ti)供了在更多地(di)方使用智(zhi)能設備(bei)的(de)(de)機(ji)會。例如，人(ren)(ren)們(men)建議部(bu)(bu)署(shu)可以(yi)根據實(shi)時(shi)交通狀況打開和關閉的(de)(de)智(zhi)能路燈。技術研(yan)究人(ren)(ren)員(yuan)和愛(ai)好者(zhe)也(ye)對直接(jie)部(bu)(bu)署(shu)在邊緣的(de)(de)物聯網(wang)設備(bei)上人(ren)(ren)工智(zhi)能的(de)(de)訓(xun)練(lian)機(ji)會增(zeng)加感興(xing)趣。這種方法(fa)可以(yi)提(ti)高產品功能，同(tong)時(shi)降低能耗并完善隱私保護(hu)。
麻(ma)省理工學(xue)院的一個團隊研究(jiu)了(le)在(zai)(zai)智(zhi)(zhi)能(neng)邊(bian)緣設備上訓練人工智(zhi)(zhi)能(neng)算(suan)法(fa)的可行(xing)性(xing)。他們(men)嘗試(shi)了(le)優化多種技(ji)術(shu)，其中一種技(ji)術(shu)只需(xu)(xu)157K內存就可以在(zai)(zai)微(wei)控(kong)制器上訓練機器學(xue)習算(suan)法(fa)，而(er)其他輕量(liang)級訓練方法(fa)通(tong)常需(xu)(xu)要(yao)300-600 MB的內存。這一創新取得(de)了(le)顯著的改進(jin)。
研究(jiu)人員解釋說，在訓(xun)練中(zhong)生成的(de)任(ren)何數據都會(hui)保留在設備上，從(cong)而(er)減少(shao)了隱私泄露的(de)危(wei)險(xian)。他們還提出在正常使用過程中(zhong)進行訓(xun)練的(de)用例，例如(ru)算(suan)法(fa)能否(fou)通過在智能鍵盤上鍵入的(de)內容進行學習。
這種方法無疑取得了(le)令(ling)人印象深刻的成果(guo)。在一個案例(li)中，該團(tuan)隊只訓練了(le)10分(fen)鐘算法，便能檢測圖像中的人。這個例(li)子表明(ming)優化(hua)可以雙向(xiang)進(jin)行。
盡管前兩個(ge)例子側重于(yu)改進物(wu)聯(lian)網(wang)設(she)備(bei)(bei)的(de)工作方式，但這(zhe)種方法也增(zeng)強(qiang)了人(ren)工智能訓練(lian)過程。不過，如果開發人(ren)員在(zai)物(wu)聯(lian)網(wang)設(she)備(bei)(bei)上訓練(lian)算法并實現更好的(de)性能的(de)話，這(zhe)將對人(ren)工智能算法和物(wu)聯(lian)網(wang)邊(bian)緣(yuan)設(she)備(bei)(bei)都有益處。
如(ru)何使用人工智(zhi)能(neng)來改善物聯網邊緣設備的工作方式(shi)？
這些例子(zi)表明(ming)，在(zai)探索人工智能如(ru)何改善部署在(zai)邊緣的(de)(de)物聯(lian)網(wang)設備(bei)功能時，研究(jiu)人員(yuan)所(suo)關注(zhu)重點。希望這些能為(wei)你提供(gong)寶(bao)貴的(de)(de)見解(jie)和(he)靈(ling)感。從一(yi)個(ge)定(ding)義明(ming)確的(de)(de)問題開始解(jie)決總是最好的(de)(de)，然后再尋(xun)找能夠幫助實現目標的(de)(de)技術和(he)創新方法。
