마이크로소프트, 라즈베리 파이에 AI 도입할 계획

그렇기 때문에 AI 시스템은 로컬 센서를 사용하여 입력 데이터를 수집하고 클라우드의 보다 강력한 하드웨어는 출력 데이터의 무거운 작업을 관리합니다. 이것이 바로 Siri와 Amazon Alexa가 작동하는 방식이며 IBM Watson이 거의 모든 작업을 해결하는 방식입니다. 하지만 인터넷 연결 없이 더욱 스마트한 IoT를 구축하고 인텔리전스를 적용하는 데 있어 이는 제한된 접근 방식입니다.

Microsoft Research India의 수석 연구원인 Manil Varma는 "주요 패러다임은 이러한 센서가 쓸모가 없다는 것입니다."라고 말했습니다.

이제 인도의 Varma 팀과 워싱턴 주 레드몬드의 Microsoft 연구원(전체 프로젝트는 Ofer Dekel 연구원이 주도함)이 기계의 시냅스인 신경망을 압축하는 방법을 발견했습니다. 32비트에서 때로는 1비트까지 배우고 실행합니다. 포트는 많고 화면은 없는 카드 크기의 저전력 컴퓨터인 10달러짜리 Raspberry Pi에 탑재됩니다. 어디에서나 채굴할 수 있는 진정한 오픈 소스 마더보드입니다. 회사는 블로그 게시물을 통해 이 연구를 발표했습니다.

언젠가 기계 학습 알고리즘을 실행할 수 있는 작은 마이크로프로세서를 갖춘 연구원 Ofer Dekel

Microsoft의 작업은 기계 학습을 장치 및 최종 사용자에게 더 가깝게 만드는 더 큰 추세의 일부입니다.

이달 초 WWDC 컨퍼런스에서 Apple은 개발자가 단 몇 줄의 코드만으로 기계 학습 기반 인텔리전스를 앱에 추가할 수 있는 새로운 기계 학습 API(비전 및 자연어)를 발표했습니다. 또한 AI에 대한 깊은 지식을 갖춘 개발자가 하드웨어 기능을 최대한 활용할 수 있도록 Core ML을 공개했습니다. Apple의 모델은 개발자가 Apple이 제공하는 라이브러리에서 기계 학습 알고리즘을 가르치는 데 도움이 됩니다. 그런 다음 이 시스템은 코드를 변환하여 장치에서 AI를 실행합니다.

분명히 Apple의 경우 하드웨어는 700달러짜리 iPhone에 들어 있으며 CPU는 Raspberry Pi에서 찾을 수 있는 그 어떤 것보다 훨씬 강력합니다. 그러나 이러한 추세는 매우 분명합니다. 이들 회사는 AI를 사용자 장치에 더 가까이 가져가서 클라우드의 대규모 데이터에 대한 액세스에 대한 의존도를 낮추고 있습니다.

“도로에서 운전 중이고 네트워크에 연결할 수 없는 경우 AI가 작동을 멈추는 것을 원하지 않을 것입니다. 사실 그때가 가장 필요한 때입니다.”라고 Varma는 말했습니다.

이 접근 방식을 사용하면 위치, 의도, 최근 작업 또는 장치 데이터를 통해 학습할 수 있는 보다 간단한 센서 기반 작업을 이해할 수 있습니다. 단기적으로는 암 치료(IBM에서 Watson Al의 관심 분야 중 하나)에 대한 솔루션이 될 수도 있습니다.

Microsoft의 경우 이번 Raspberry Pi의 혁신은 계층적 마이크로 컨트롤러에서 실행될 수 있도록 신경망을 압축하는 워크플로의 첫 번째 단계에 불과합니다. 이를 달성하려면 Microsoft에 따르면 기계 학습 모델이 10,000배 더 작아야 합니다. 그것은 그들이 아직도 연구하고 있는 문제입니다.

Microsoft 연구원들은 AI를 Raspberry Pi에 도입할 계획입니다.

동시에 Microsoft는 GitHub에서 Raspberry Pi용 기계 학습 알고리즘의 미리 보기 버전도 출시했습니다. 여기서 개발자는 Raspberry Pi 3 및 Raspberry Pi Zero에서 이를 시험해보고 활용할 수 있습니다.

결국 이것은 CEO Satya Nadella가 올해 초 Microsoft Build 컨퍼런스에서 설명한 Microsoft의 Intelligent Edge 전략의 일부입니다. 마이크로소프트는 작은 AI 기반 프로세서가 사무실에서 우리가 입는 옷에 퍼지기를 바라고 있습니다.

시력을 잃은 Varma의 경우 연구는 좀 더 개인적인 것이었습니다. 그의 팀은 연구를 설명하기 위해 스마트 지팡이의 프로토타입을 개발하고 있습니다.