تخطط Microsoft لجلب الذكاء الاصطناعي إلى Raspberry Pi

ولهذا السبب تعتمد أنظمة الذكاء الاصطناعي على أجهزة الاستشعار المحلية لجمع بيانات الإدخال بينما تدير الأجهزة الأكثر قوة في السحابة العبء الثقيل لبيانات المخرجات. هذه هي الطريقة التي يعمل بها Siri وAmazon Alexa، وكيف يحل IBM Watson أي مهمة تقريبًا. ومع ذلك، فهو نهج محدود عندما يتعلق الأمر بإنشاء إنترنت أشياء أكثر ذكاءً وتطبيق الذكاء دون الاتصال بالإنترنت.

وقال مانيل فارما، كبير الباحثين في شركة مايكروسوفت للأبحاث في الهند: "النموذج الرئيسي هو أن هذه (أجهزة الاستشعار) عديمة الفائدة".

الآن، اكتشف فريق فارما في الهند وباحثو مايكروسوفت في ريدموند، واشنطن (المشروع بأكمله بقيادة الباحث عوفر ديكل) كيفية ضغط الشبكات العصبية، والمشابك العصبية للآلة. تعلم من 32 بت وصولاً إلى بت واحد فقط في بعض الأحيان وقم بتشغيلها. على جهاز Raspberry Pi بقيمة 10 دولارات، وهو جهاز كمبيوتر بحجم البطاقة منخفض الطاقة مزود بالعديد من المنافذ ولا يحتوي على شاشة. إنها حقًا لوحة أم مفتوحة المصدر يمكن استخراجها في أي مكان. أعلنت الشركة عن هذا البحث في منشور بالمدونة.

الباحث عوفر ديكل يستخدم معالجًا صغيرًا يمكنه يومًا ما تشغيل خوارزميات التعلم الآلي

يعد عمل Microsoft جزءًا من اتجاه أكبر، مما يجعل التعلم الآلي أقرب إلى الأجهزة والمستخدمين النهائيين.

في وقت سابق من هذا الشهر في مؤتمر WWDC، أعلنت شركة Apple عن واجهة برمجة تطبيقات جديدة للتعلم الآلي (الرؤية واللغة الطبيعية) تتيح للمطورين إضافة الذكاء المستند إلى التعلم الآلي إلى التطبيقات باستخدام بضعة أسطر فقط من التعليمات البرمجية. كما كشفوا أيضًا عن Core ML للمطورين الذين يتمتعون بمعرفة أعمق بالذكاء الاصطناعي للاستفادة الكاملة من قدرات أجهزته. يساعد نموذج Apple المطورين على تعليم خوارزميات التعلم الآلي في المكتبة التي توفرها Apple. سيقوم هذا النظام بعد ذلك بتحويل الكود لتشغيل الذكاء الاصطناعي على الجهاز.

من الواضح أنه في حالة شركة Apple، فإن الأجهزة موجودة في جهاز iPhone بقيمة 700 دولار وتكون وحدة المعالجة المركزية أقوى بكثير من أي شيء يمكن العثور عليه في Raspberry Pi. لكن هذا الاتجاه واضح جدًا أيضًا. تعمل هذه الشركات على تقريب الذكاء الاصطناعي من أجهزة المستخدمين، حيث يمكن الاعتماد بشكل أقل على الوصول إلى البيانات الضخمة في السحابة.

"إذا كنت تقود السيارة على الطريق ولا يمكنك الاتصال بالشبكة، فأنت لا تريد أن يتوقف الذكاء الاصطناعي عن العمل. قال فارما: “في الواقع، هذا هو الوقت الذي تكون فيه في أمس الحاجة إليه”.

باستخدام هذا النهج، يمكننا فهم المهام الأكثر بساطة والمعتمدة على أجهزة الاستشعار والتي يمكن تعلمها أيضًا من خلال الموقع أو النية أو الإجراءات الأخيرة أو بيانات الجهاز. وعلى المدى القريب، قد يكون هذا هو الحل، على سبيل المثال، لعلاج السرطان (أحد مجالات اهتمام واتسون آل في شركة آي بي إم).

بالنسبة لشركة Microsoft، يعد هذا الإنجاز في Raspberry Pi مجرد المرحلة الأولى في سير عمل ضغط الشبكات العصبية حتى تتمكن من العمل على وحدات تحكم دقيقة هرمية. ولتحقيق ذلك، وفقًا لمايكروسوفت، يجب أن يكون نموذج التعلم الآلي أصغر بمقدار 10000 مرة. هذه قضية ما زالوا يعملون عليها.

يخطط باحثو مايكروسوفت لجلب الذكاء الاصطناعي إلى Raspberry Pi

في الوقت نفسه، أصدرت Microsoft أيضًا نسخة معاينة من خوارزمية التعلم الآلي بحجم Raspberry Pi على GitHub، حيث يمكن للمطورين تجربتها واستغلالها على Raspberry Pi 3 وRaspberry Pi Zero.

بعد كل شيء، يعد هذا جزءًا من إستراتيجية Microsoft Intelligent Edge التي أوضحها الرئيس التنفيذي ساتيا ناديلا في بداية العام في مؤتمر Microsoft Build. وتأمل مايكروسوفت أن ترى معالجات صغيرة تعمل بالذكاء الاصطناعي تنتشر من المكاتب إلى الملابس التي نرتديها.

بالنسبة لفارما، الذي يعاني أيضًا من فقدان البصر، يعتبر البحث شخصيًا إلى حد ما. ويعمل فريقه على تطوير نموذج أولي لعصا المشي الذكية لتوضيح أبحاثه.