Table des matières
Et si la petite machine pouvait voir et entendre ?
Quels sont les défis de faire voir et entendre une petite machine ?
Maison Périphériques technologiques IA Rêves et défis de l'intelligence artificielle de pointe

Rêves et défis de l'intelligence artificielle de pointe

Apr 09, 2023 pm 02:41 PM
物联网 人工智能 边缘计算

Rêves et défis de lintelligence artificielle de pointe

Dans cet article, nous explorons principalement deux questions principales, à savoir la justification de la mise en œuvre de l'intelligence artificielle dans les « petites machines », et quels défis seront confrontés dans le développement de petites machines dotées d'intelligence artificielle

À l'avenir, quand ? En ce qui concerne l'intelligence artificielle, nous devrions avoir des voitures volantes et des robots majordomes. Nous pourrions même rencontrer des robots sensibles qui décident de se rebeller contre nous. Même si nous n’en sommes pas encore là, il est clair que la technologie de l’intelligence artificielle (IA) a fait son entrée dans notre monde.

Chaque fois que nous demandons à l'assistant vocal intelligent de faire quelque chose, la technologie d'apprentissage automatique comprendra d'abord ce que vous avez dit et essaiera de prendre la meilleure décision quant à ce que vous voulez qu'il fasse. Par exemple, chaque fois qu'un site Web de vidéo ou une plateforme de commerce électronique vous recommande des « films que vous pourriez aimer » ou des « produits dont vous pourriez avoir besoin », il s'appuie sur des algorithmes d'apprentissage automatique complexes pour vous fournir des suggestions aussi convaincantes que possible. c'est clairement plus attractif que les promotions précédentes.

Même si nous ne disposons pas tous de voitures autonomes, nous sommes parfaitement conscients des évolutions dans ce domaine et du potentiel qu'offre la navigation autonome.

La technologie de l'intelligence artificielle est très prometteuse : les machines peuvent prendre des décisions basées sur le monde qui les entoure, traiter les informations comme les humains, ou même d'une manière meilleure que les humains. Mais si nous réfléchissons aux exemples ci-dessus, nous constatons que les promesses de l’IA ne peuvent être réalisées que par de « grosses machines », qui n’ont généralement aucune contrainte de puissance, de taille ou de coût. En d’autres termes, ils chauffent, sont alimentés par fil, sont grands et coûteux. Par exemple, les principaux géants mondiaux de l'informatique tels qu'Alexa et Netflix s'appuient sur de grands serveurs (centres de données) gourmands en énergie dans le cloud pour déduire les intentions des utilisateurs.

Bien que les voitures autonomes dépendent très probablement de batteries, leur capacité énergétique est énorme étant donné que ces batteries doivent faire tourner les roues et diriger. Ce sont d’énormes dépenses énergétiques par rapport aux décisions d’IA les plus coûteuses.

Ainsi, malgré les promesses de l’intelligence artificielle, les « petites machines » sont laissées pour compte. Les appareils alimentés par des batteries plus petites ou soumis à des contraintes de coût et de taille ne peuvent pas participer à l’idée selon laquelle les machines peuvent voir et entendre. Aujourd’hui, ces petites machines ne peuvent utiliser que des techniques simples d’intelligence artificielle, par exemple en écoutant un mot-clé ou en analysant les signaux de faible dimension de la fréquence cardiaque, comme la photopléthysmographie (PPG).

Et si la petite machine pouvait voir et entendre ?

Mais y a-t-il de la valeur à ce qu'une petite machine soit capable de voir et d'entendre ? Il peut être difficile pour beaucoup de gens d’imaginer de petits appareils comme des caméras de sonnette qui utilisent des technologies telles que la conduite autonome ou le traitement du langage naturel. Il existe néanmoins des opportunités pour des calculs d'IA moins complexes et moins gourmands en traitement, comme la reconnaissance de mots, la reconnaissance vocale et l'analyse d'images :

  • Les caméras de sonnette et les caméras de sécurité grand public déclenchent souvent des événements inintéressants, par exemple des mouvements d'usines provoqués par le vent, des événements dramatiques. les changements de lumière causés par les nuages, ou même par des choses comme un chien ou un chat se déplaçant devant la caméra. Cela peut entraîner le déclenchement de fausses alarmes et le fait que les propriétaires commencent à manquer des événements importants. Les propriétaires peuvent voyager dans différentes parties du monde ou dormir pendant que leurs caméras de sécurité alertent fréquemment des changements d'éclairage causés par les levers, les nuages ​​et les couchers de soleil. Des caméras plus intelligentes peuvent identifier avec plus de précision les changements d'objets, tels que le contour du corps humain, évitant ainsi les fausses alarmes.
  • Une serrure de porte ou un autre point d'accès peut utiliser la reconnaissance faciale ou même la reconnaissance vocale pour vérifier l'accès humain, dans de nombreux cas sans avoir besoin d'une clé ou d'une carte IC.
  • De nombreuses caméras souhaitent se déclencher lors de certains événements : par exemple, une caméra de suivi peut vouloir se déclencher lorsqu'un certain animal est dans le cadre, une caméra de sécurité peut vouloir se déclencher lorsqu'une personne est dans le cadre ou qu'il y a du bruit comme celui d'un ouverture de porte ou bruits de pas, et certains La caméra peut vouloir être déclenchée par commande vocale et ainsi de suite.
  • Les commandes de vocabulaire étendu sont utiles dans de nombreuses applications. Bien qu'il existe de nombreuses solutions « Hey Alexa », « Hey Siri », si vous commencez à penser à des vocabulaires de 20 mots ou plus, vous pouvez les trouver dans les équipements industriels, la domotique, les appareils de cuisine et bien d'autres appareils destinés à simplifier le travail des gens. vies. L’utilisation de l’interaction informatique.

Ces exemples sont tout simplement superficiels. L’idée de permettre aux petites machines de voir, d’entendre et de résoudre des problèmes qui nécessitaient auparavant une intervention humaine est puissante, et nous continuons de trouver chaque jour de nouveaux cas d’utilisation créatifs.

Rêves et défis de lintelligence artificielle de pointe

Quels sont les défis de faire voir et entendre une petite machine ?

Alors, si l’IA est si précieuse pour les petites machines, pourquoi ne l’utilisons-nous pas déjà plus largement ? La réponse est la puissance de calcul. Le raisonnement de l’intelligence artificielle est le résultat de calculs de modèles de réseaux neuronaux. Considérez un modèle de réseau neuronal comme une approximation approximative de la façon dont votre cerveau traite une image ou un son, en le décomposant en très petits morceaux, puis en reconnaissant des modèles lorsque ces petits morceaux sont assemblés.

Le principal modèle de problèmes de vision modernes est le réseau neuronal convolutif (CNN). Ces modèles sont excellents en analyse d’images et sont également très utiles en analyse audio. Le défi est que de tels modèles nécessitent des millions, voire des milliards de calculs mathématiques. Traditionnellement, ces applications sont difficiles à mettre en œuvre :

  • Utilisez des solutions de microcontrôleurs bon marché et à faible consommation. Bien que la consommation d'énergie moyenne puisse être faible, le calcul des CNN peut prendre plusieurs secondes, ce qui signifie que l'inférence de l'IA n'est pas en temps réel et consomme donc beaucoup d'énergie de la batterie.
  • Achetez un processeur coûteux et performant capable d'effectuer ces opérations mathématiques dans la latence requise. Ces processeurs sont souvent volumineux et nécessitent un grand nombre de composants externes, notamment un dissipateur thermique ou un composant de refroidissement similaire. Cependant, ils effectuent des inférences IA très rapidement.
  • Impossible d'être mis en œuvre. Les solutions de microcontrôleurs basse consommation seront trop lentes à utiliser, tandis que les approches de processeurs hautes performances feront exploser les budgets en termes de coût, de taille et d'énergie.

Ce dont nous avons besoin, c'est d'une solution d'intelligence artificielle embarquée, conçue dès le départ pour minimiser la consommation d'énergie des calculs de CNN. L'inférence de l'IA doit être effectuée d'un ordre de grandeur par rapport aux solutions traditionnelles de microcontrôleurs ou de processeurs et ne nécessite pas l'aide de composants externes tels que la mémoire, qui consomment de l'énergie, du volume et des coûts.

Si les solutions d'inférence d'IA pouvaient éliminer la perte d'énergie de la vision industrielle, alors même les plus petits appareils pourraient voir et identifier ce qui se passe dans le monde qui les entoure.

Heureusement, nous sommes au début de cette révolution des « petites machines ». Des produits sont désormais disponibles qui peuvent pratiquement éliminer les coûts énergétiques de l’inférence de l’IA et permettre une vision industrielle alimentée par batterie. Par exemple, un microcontrôleur peut être utilisé pour effectuer une inférence IA tout en ne consommant que des microjoules d’énergie.


Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
2 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
Repo: Comment relancer ses coéquipiers
1 Il y a quelques mois By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Comment obtenir des graines géantes
1 Il y a quelques mois By 尊渡假赌尊渡假赌尊渡假赌
Combien de temps faut-il pour battre Split Fiction?
4 Il y a quelques semaines By DDD

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA Jun 28, 2024 am 03:51 AM

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag Jun 10, 2024 am 11:08 AM

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Sept questions d'entretien technique Cool GenAI et LLM Sept questions d'entretien technique Cool GenAI et LLM Jun 07, 2024 am 10:06 AM

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations Jun 11, 2024 pm 03:57 PM

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG. Jul 25, 2024 am 06:42 AM

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire Jul 17, 2024 pm 06:37 PM

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Cinq écoles d'apprentissage automatique que vous ne connaissez pas Cinq écoles d'apprentissage automatique que vous ne connaissez pas Jun 05, 2024 pm 08:51 PM

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

La tendance à combiner le framework Java et l'edge computing La tendance à combiner le framework Java et l'edge computing Jun 05, 2024 pm 10:06 PM

Les frameworks Java sont combinés avec l'informatique de pointe pour permettre des applications innovantes. Ils créent de nouvelles opportunités pour l'Internet des objets, les villes intelligentes et d'autres domaines en réduisant la latence, en améliorant la sécurité des données et en optimisant les coûts. Les principales étapes d'intégration comprennent la sélection d'une plate-forme informatique de pointe, le déploiement d'applications Java, la gestion des appareils de pointe et l'intégration dans le cloud. Les avantages de cette combinaison incluent une latence réduite, la localisation des données, l'optimisation des coûts, l'évolutivité et la résilience.

See all articles