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)用機器學習(xi)提(ti)高(gao)物聯網傳感器推斷精度
技術(shu)研究人員仍處(chu)于研究如(ru)何通(tong)過(guo)機(ji)器學(xue)習(xi)提高(gao)邊緣部署物聯網傳感器性能(neng)的(de)早(zao)期(qi)階段(duan)。早(zao)期(qi)應用包括(kuo)將傳感器用于圖(tu)像分類或涉及自(zi)然語言處(chu)理的(de)任務。不過(guo)有一個(ge)例子表明了人們(men)是(shi)如(ru)何取(qu)得進步的(de)。
IMDEA Network的研究(jiu)人員意識到，如果將(jiang)物(wu)聯網(wang)傳(chuan)感器(qi)用于(yu)特定的深(shen)度學習(xi)任(ren)務，可能(neng)會(hui)導致傳(chuan)感器(qi)無法保證特定的服務質量，如遭(zao)遇延遲和推理準確性(xing)降低。然(ran)而(er)，參(can)與該(gai)項目的研究(jiu)人員開發了一種名為AMR2的機(ji)器(qi)學習(xi)算法來應對這一挑戰。
AMR2利用(yong)邊緣計算(suan)基礎設(she)施使物(wu)聯網傳感器推斷(duan)更加準確，同時實(shi)現迅速響應和實(shi)時分析。實(shi)驗表(biao)明，與不使用(yong)該算(suan)法(fa)(fa)的基本調度任務結(jie)果相(xiang)比(bi)，使用(yong)算(suan)法(fa)(fa)后的推理精(jing)度提高了40%。
他們發(fa)(fa)(fa)現，像(xiang)這(zhe)樣高效(xiao)的調度算法(fa)對于(yu)幫助(zhu)物聯網(wang)傳感器在(zai)邊緣部署(shu)時(shi)正常(chang)工作至關重要。一位項目(mu)研究人(ren)(ren)員(yuan)(yuan)指出，如果(guo)開(kai)(kai)發(fa)(fa)(fa)人(ren)(ren)員(yuan)(yuan)將AMR2算法(fa)用于(yu)類似于(yu)谷歌圖片的服務（即根據圖像(xiang)包含的元(yuan)素對圖像(xiang)分類），可能會(hui)影響執行延(yan)遲。開(kai)(kai)發(fa)(fa)(fa)人(ren)(ren)員(yuan)(yuan)可以部署(shu)該算法(fa)以確保用戶在(zai)使用應用程(cheng)序時(shi)不(bu)會(hui)注(zhu)意到此類延(yan)遲。
邊緣人工智能降低連(lian)接設備(bei)的能耗
2023年，一項針對科技公司(si)首(shou)席財務官的(de)研究表明，預計80%的(de)公司(si)來年收入(ru)(ru)會增加(jia)。但增加(jia)收入(ru)(ru)的(de)前提是，員(yuan)工了解(jie)客戶(hu)的(de)需求(qiu)并相應地(di)提供(gong)產品或服務。
許多物聯(lian)網設(she)(she)備(bei)(bei)的(de)(de)制造商想讓人(ren)們經常佩戴他們產品。一(yi)些(xie)可(ke)穿戴設(she)(she)備(bei)(bei)可(ke)以監測獨(du)身(shen)一(yi)人(ren)的(de)(de)員(yuan)工是(shi)否(fou)跌倒(dao)或(huo)感到痛(tong)苦；還(huan)可(ke)以監測擔任高體力要(yao)求的(de)(de)角(jiao)色(se)是(shi)否(fou)處于過(guo)度(du)疲(pi)勞的(de)(de)狀態而需(xu)要(yao)休(xiu)息。在這(zhe)種情況下，用戶必須對他們的(de)(de)物聯(lian)網設(she)(she)備(bei)(bei)有信心，相信設(she)(she)備(bei)(bei)可(ke)以在工作及其(qi)他時(shi)間可(ke)靠(kao)地工作。
這就(jiu)是研究人(ren)員探索邊緣(yuan)人(ren)工智能如何提高物聯(lian)網設備的(de)(de)能源效率的(de)(de)原因之一。物聯(lian)網設備用于研究久坐對(dui)健康(kang)的(de)(de)影響，以(yi)及正確的(de)(de)姿勢是怎樣改善結果的(de)(de)。任(ren)何捕捉生活方(fang)式數據的(de)(de)物聯(lian)網設備都必須持續收集數據，所以(yi)幾乎(hu)或根本(ben)不能出(chu)現(xian)因為設備電量耗(hao)盡而(er)停止收集信息(xi)的(de)(de)情況。
為了避免上述(shu)情況，受試者(zhe)佩戴的無線設備通常(chang)由紐扣電池供電。一(yi)般(ban)來說，每(mei)個小裝置都有慣性傳(chuan)(chuan)感器，用來收集人們(men)全天移動量(liang)的準確數(shu)據(ju)。然(ran)而(er)最主(zhu)要的問題(ti)是，由于傳(chuan)(chuan)輸(shu)的數(shu)據(ju)量(liang)很大，電池的電量(liang)只(zhi)維持幾個小時。例(li)如研究表明，一(yi)個九通道(dao)運動傳(chuan)(chuan)感器每(mei)秒(miao)讀取(qu)50個樣本，那(nei)么一(yi)天則會產(chan)生超過100MB的數(shu)據(ju)。
然而(er)，研(yan)究人員意識到，機(ji)器學(xue)習可以讓算法僅把關鍵數(shu)據(ju)從(cong)邊緣部署的(de)(de)物聯網設備傳輸到智能(neng)手機(ji)或(huo)其他(ta)幫助分析信息(xi)的(de)(de)設備。他(ta)們繼續(xu)使用預訓(xun)練的(de)(de)遞歸神(shen)經網絡，發現該算法實現了實時性能(neng)，能(neng)夠改進物聯網設備的(de)(de)功(gong)能(neng)。
為設備端的人工智能訓(xun)練創(chuang)造(zao)機會
邊緣(yuan)計算的進步(bu)，提供(gong)了在更多地(di)方(fang)使用智能(neng)設備的機會(hui)(hui)。例如(ru)，人(ren)們建議部署可以根(gen)據實時交通狀(zhuang)況打開和關(guan)閉的智能(neng)路燈。技術研究(jiu)人(ren)員和愛好者也(ye)對直接部署在邊緣(yuan)的物聯網設備上人(ren)工智能(neng)的訓練機會(hui)(hui)增(zeng)加感興趣(qu)。這種方(fang)法可以提高產品(pin)功(gong)能(neng)，同(tong)時降低(di)能(neng)耗并完善隱(yin)私(si)保護。
麻省(sheng)理工學(xue)院的(de)(de)一(yi)(yi)個團隊研究(jiu)了(le)(le)在智能邊緣設備上訓練人工智能算法(fa)的(de)(de)可行性。他們嘗試(shi)了(le)(le)優化(hua)多種技(ji)術(shu)(shu)，其(qi)中一(yi)(yi)種技(ji)術(shu)(shu)只需157K內存就(jiu)可以在微控制(zhi)器上訓練機器學(xue)習算法(fa)，而其(qi)他輕量級(ji)訓練方(fang)法(fa)通常需要300-600 MB的(de)(de)內存。這一(yi)(yi)創(chuang)新(xin)取得了(le)(le)顯著(zhu)的(de)(de)改進。
研究人員解釋(shi)說，在訓(xun)(xun)練(lian)中生(sheng)成的(de)(de)任(ren)何數據(ju)都會保留在設備上，從而減少了隱私泄露(lu)的(de)(de)危險(xian)。他們還提出在正(zheng)常使(shi)用過程中進行(xing)訓(xun)(xun)練(lian)的(de)(de)用例，例如算法能否通(tong)過在智能鍵盤上鍵入的(de)(de)內容(rong)進行(xing)學(xue)習。
這(zhe)種方法無疑取得了(le)令(ling)人(ren)印象深刻的成果。在一(yi)個案例中，該團隊只訓練了(le)10分(fen)鐘算法，便(bian)能檢測圖像中的人(ren)。這(zhe)個例子(zi)表明(ming)優化可(ke)以雙(shuang)向進行。
盡管前兩個例子側重于改(gai)進物(wu)聯網設備的工(gong)作方式，但這種方法(fa)也(ye)增強了人工(gong)智能訓練(lian)過程。不過，如果開發人員在物(wu)聯網設備上(shang)訓練(lian)算法(fa)并實現更好的性能的話，這將對人工(gong)智能算法(fa)和物(wu)聯網邊緣設備都有益處(chu)。
如何(he)使用(yong)人(ren)工智能(neng)來(lai)改善物聯網邊緣設備的(de)工作(zuo)方式？
這些(xie)例子(zi)表明，在(zai)探索人(ren)工智能(neng)如何改善(shan)部署在(zai)邊緣的(de)物(wu)聯網設備功能(neng)時(shi)，研究人(ren)員所關(guan)注重點。希望(wang)這些(xie)能(neng)為你提供寶貴的(de)見解和(he)靈感。從一個定義明確的(de)問題(ti)開始解決總(zong)是最好的(de)，然后再(zai)尋找能(neng)夠幫助實現(xian)目(mu)標的(de)技術和(he)創新(xin)方法。
