微軟計劃將 AI 引進 Raspberry Pi

這就是為什麼人工智慧系統依賴本地感測器來收集輸入數據，而雲端中更強大的硬體則負責管理繁重的輸出數據。Siri 和 Amazon Alexa 就是這樣運作的，IBM Watson 就是這樣解決幾乎所有任務的。儘管如此，在創建更智慧的物聯網和在沒有網路連線的情況下應用智慧時，這是一種有限的方法。

微軟印度研究院高級研究員 Manil Varma 表示：“主要的範式是這些（感測器）毫無用處。”

現在，印度的 Varma 團隊和華盛頓州雷德蒙德的微軟研究人員（整個計畫由研究員 Ofer Dekel 領導）已經發現瞭如何壓縮神經網路、機器的突觸。從 32 位學習到有時只有一位並運行它們安裝在價值10 美元的Raspberry Pi 上，這是一款卡片大小、功耗較低的計算機，具有許多連接埠且沒有螢幕。它是真正的開源主機板，可以在任何地方開採。該公司在一篇部落格文章中宣布了這項研究。

研究人員 Ofer Dekel 擁有一個微型微處理器，有一天可以運行機器學習演算法

微軟的工作是一個更大趨勢的一部分，使機器學習更接近設備和最終用戶。

本月早些時候，在 WWDC 大會上，蘋果宣布推出新的機器學習 API（視覺和自然語言），允許開發人員只需幾行程式碼即可將基於機器學習的智慧添加到應用程式中。他們還向對 AI 有更深入了解的開發人員展示了 Core ML，以充分利用其硬體功能。蘋果的模型幫助開發人員在蘋果提供的庫上教授機器學習演算法。然後，該系統將轉換代碼以在設備上運行人工智慧。

顯然，就 Apple 而言，硬體位於 700 美元的 iPhone 中，而 CPU 比 Raspberry Pi 上的任何硬體都強大得多。但這趨勢也是非常明顯的。這些公司正在讓人工智慧更接近用戶的設備，從而減少對雲端中海量數據的依賴。

「如果你在路上行駛並且無法連接到網絡，你不希望人工智慧停止工作。事實上，那是你最需要它的時候，」瓦爾瑪說。

透過這種方法，我們可以理解更簡單的基於感測器的任務，這些任務也可以透過位置、意圖、最近的操作或設備數據來學習。在短期內，它可能成為癌症治療（Watson Al 在 IBM 感興趣的領域之一）等領域的解決方案。

對微軟來說，Raspberry Pi 的這項突破只是壓縮神經網路工作流程的第一階段，以便它們可以在分層微控制器上運作。微軟表示，為了實現這一目標，機器學習模型需要縮小 10,000 倍。這是他們仍在研究的問題。

微軟研究人員計劃將人工智慧引入 Raspberry Pi

同時，微軟也在 GitHub 上發布了適用於 Raspberry Pi 的機器學習演算法預覽版，開發者可以在 Raspberry Pi 3 和 Raspberry Pi Zero 上進行試用和利用。

畢竟，這是微軟執行長 Satya Nadella 在年初的 Microsoft Build 大會上概述的微軟智慧邊緣策略的一部分。微軟希望看到微型人工智慧處理器從辦公室擴展到我們穿的衣服。

對於同樣患有視力喪失的瓦爾瑪來說，這項研究更加個人化。他的團隊正在開發智慧手杖的原型來說明其研究。