Microsoft planuje wprowadzić sztuczną inteligencję do Raspberry Pi

Dlatego systemy sztucznej inteligencji polegają na lokalnych czujnikach do zbierania danych wejściowych, podczas gdy mocniejszy sprzęt w chmurze zarządza dużym obciążeniem danymi wyjściowymi. Tak działają Siri i Amazon Alexa, tak IBM Watson rozwiązuje niemal każde zadanie. Jest to jednak ograniczone podejście do tworzenia inteligentniejszego Internetu Rzeczy i stosowania inteligencji bez połączenia z Internetem.

„Głównym paradygmatem jest to, że te (czujniki) są bezużyteczne” – powiedział starszy badacz w Microsoft Research India, Manil Varma.

Teraz zespół Varmy w Indiach i badacze Microsoftu w Redmond w stanie Waszyngton (całym projektem kieruje badacz Ofer Dekel) odkryli, jak kompresować sieci neuronowe, synapsy Machine. Ucz się od 32 bitów do czasami tylko jednego bitu i biegnij je na Raspberry Pi za 10 dolarów, komputerze wielkości karty, o niższym poborze mocy, z wieloma portami i bez ekranu. To naprawdę płyta główna typu open source, którą można wydobywać w dowolnym miejscu. Firma ogłosiła wyniki tych badań w poście na blogu.

Badacz Ofer Dekel z małym mikroprocesorem, który pewnego dnia będzie mógł obsługiwać algorytmy uczenia maszynowego

Praca Microsoftu wpisuje się w szerszy trend, przybliżający Machine Learning do urządzeń i użytkowników końcowych.

Na początku tego miesiąca na konferencji WWDC firma Apple ogłosiła nowy interfejs API uczenia maszynowego (wizja i język naturalny), który umożliwia programistom dodawanie inteligencji opartej na uczeniu maszynowym do aplikacji za pomocą zaledwie kilku linijek kodu. Ujawnili także Core ML dla programistów z głębszą wiedzą na temat sztucznej inteligencji, aby w pełni wykorzystać jej możliwości sprzętowe. Model Apple pomaga programistom uczyć algorytmów uczenia maszynowego w bibliotece udostępnianej przez Apple. System ten następnie przekonwertuje kod, aby uruchomić sztuczną inteligencję na urządzeniu.

Oczywiście w przypadku Apple sprzęt znajduje się w iPhonie za 700 dolarów, a procesor jest znacznie potężniejszy niż wszystko, co można znaleźć w Raspberry Pi. Ale ten trend jest również bardzo wyraźny. Firmy te przybliżają sztuczną inteligencję do urządzeń użytkowników, gdzie może ona w mniejszym stopniu polegać na dostępie do ogromnych danych w chmurze.

„Jeśli jedziesz drogą i nie możesz połączyć się z siecią, nie chcesz, aby sztuczna inteligencja przestała działać. Tak naprawdę właśnie wtedy jest to najbardziej potrzebne” – stwierdził Varma.

Dzięki takiemu podejściu możemy zrozumieć prostsze zadania oparte na czujnikach, których można się również nauczyć na podstawie lokalizacji, intencji, ostatnich działań lub danych urządzenia. W najbliższej przyszłości może to być rozwiązanie na przykład w leczeniu raka (jeden z obszarów zainteresowań Watsona Ala w IBM).

Dla Microsoftu przełom w Raspberry Pi to po prostu pierwsza faza procesu kompresji sieci neuronowych, aby mogły działać na hierarchicznych mikrokontrolerach. Aby to osiągnąć, zdaniem Microsoftu, model uczenia maszynowego musi być 10 000 razy mniejszy. To problem, nad którym wciąż pracują.

Badacze Microsoftu planują wprowadzić sztuczną inteligencję do Raspberry Pi

W tym samym czasie firma Microsoft udostępniła także wersję zapoznawczą algorytmu uczenia maszynowego dostosowaną do Raspberry Pi w serwisie GitHub, gdzie programiści mogą go wypróbować i wykorzystać na Raspberry Pi 3 i Raspberry Pi Zero.

W końcu jest to część strategii Intelligent Edge firmy Microsoft, którą dyrektor generalny Satya Nadella nakreślił na początku roku na konferencji Microsoft Build. Microsoft ma nadzieję, że maleńkie procesory napędzane sztuczną inteligencją rozprzestrzenią się z biur do ubrań, które nosimy.

W przypadku Varmy, który również utracił wzrok, badania są nieco bardziej osobiste. Jego zespół opracowuje prototyp inteligentnej laski, aby zilustrować swoje badania.