Bu nedenle yapay zeka sistemleri, girdi verilerini toplamak için yerel sensörlere güvenirken buluttaki daha güçlü donanım, çıktı verilerinin ağır yükünü yönetir. Siri ve Amazon Alexa bu şekilde çalışıyor; IBM Watson neredeyse her görevi bu şekilde çözüyor. Yine de, konu daha akıllı Nesnelerin İnterneti oluşturmak ve zekayı İnternet bağlantısı olmadan uygulamak olduğunda bu sınırlı bir yaklaşımdır.
Microsoft Research India'dan kıdemli araştırmacı Manil Varma, "Asıl paradigma, bu sensörlerin işe yaramaz olmasıdır" dedi.
Şimdi, Varma'nın Hindistan'daki ekibi ve Redmond, Washington'daki Microsoft araştırmacıları (projenin tamamı araştırmacı Ofer Dekel tarafından yönetiliyor) sinir ağlarının, yani Machine'in sinapslarının nasıl sıkıştırılacağını keşfettiler. 32 bitten, bazen sadece bir bit'e kadar öğrenin ve çalıştırın. bunları, birçok bağlantı noktasına sahip ve ekranı olmayan, kart boyutunda, daha düşük güçlü bir bilgisayar olan 10 dolarlık Raspberry Pi'de. Gerçekten her yerde çıkarılabilen açık kaynaklı bir anakarttır. Şirket bu araştırmayı bir blog yazısında duyurdu.

Araştırmacı Ofer Dekel, bir gün Makine Öğrenimi algoritmalarını çalıştırabilecek küçük bir mikroişlemciye sahip
Microsoft'un çalışmaları, Makine Öğrenimini cihazlara ve son kullanıcılara yaklaştıran daha büyük bir trendin parçası.
Bu ayın başlarında WWDC konferansında Apple, geliştiricilerin yalnızca birkaç satır kodla uygulamalara Makine Öğrenimi tabanlı zeka eklemesine olanak tanıyan yeni bir Makine Öğrenimi API'sini (Görme ve Doğal Dil) duyurdu. Ayrıca, AI konusunda daha derin bilgiye sahip geliştiricilerin donanım özelliklerinden tam olarak yararlanabilmesi için Core ML'yi de ortaya çıkardılar. Apple'ın modeli, geliştiricilerin Apple'ın sağladığı kütüphanede Makine Öğrenimi algoritmalarını öğretmesine yardımcı olur. Bu sistem daha sonra kodu cihazda AI çalıştıracak şekilde dönüştürecektir.
Açıkçası Apple'ın durumunda, donanım 700 dolarlık bir iPhone'dadır ve CPU, Raspberry Pi'de bulunabilecek her şeyden çok daha güçlüdür. Ancak bu eğilim de çok açık. Bu şirketler yapay zekayı kullanıcıların cihazlarına yaklaştırıyor ve böylece yapay zekanın buluttaki büyük verilere erişmeye daha az güvenebilmesini sağlıyor.
“Yolda araç kullanıyorsanız ve ağa bağlanamıyorsanız yapay zekanın çalışmasının durmasını istemezsiniz. Aslında en çok o zaman ihtiyacın var," dedi Varma.
Bu yaklaşımla konum, niyet, son eylemler veya cihaz verilerine göre de öğrenilebilen daha basit, sensör tabanlı görevleri anlayabiliriz. Yakın vadede bu, örneğin kanser terapisine (Watson Al'ın IBM'deki ilgi alanlarından biri) çözüm olabilir.
Microsoft için bu Raspberry Pi atılımı, sinir ağlarının hiyerarşik mikro denetleyiciler üzerinde çalışabilmesi için sıkıştırılması iş akışındaki birinci aşamadır. Microsoft'a göre bunu başarmak için Makine Öğrenimi modelinin 10.000 kat daha küçük olması gerekiyor. Bu hala üzerinde çalıştıkları bir konu.
Microsoft araştırmacıları yapay zekayı Raspberry Pi'ye getirmeyi planlıyor
Aynı zamanda Microsoft, Raspberry Pi için boyutlandırılmış Makine Öğrenimi algoritmasının Önizleme sürümünü de GitHub'da yayınladı; burada geliştiriciler bunu deneyebilir ve Raspberry Pi 3 ve Raspberry Pi Zero'da kullanabilirler.
Sonuçta bu, CEO Satya Nadella'nın yılın başında Microsoft Build konferansında ana hatlarını çizdiği Microsoft'un Intelligent Edge stratejisinin bir parçası. Microsoft, yapay zeka destekli küçük işlemcilerin ofislerden giydiğimiz kıyafetlere kadar yayılacağını umuyor.
Kendisi de görme kaybı yaşayan Varma için araştırma biraz daha kişisel. Ekibi, araştırmasını göstermek için akıllı bir baston prototipi geliştiriyor.
