1. عندما تلتقي إنترنت الأشياء مع الذكاء الاصطناعي ؛
صدى الأنظمة، وفقا لالمديرين الفنيين مؤخرا على نطاق واسع أبحاث السوق صناعة تكنولوجيا المعلومات وجدت أن عام 2018 الذكاء الاصطناعي (AI) وإنترنت الأشياء (تقنيات عمليات)، ويصبح أهم مجالات الاستثمار في الأعمال التجارية في مجال التكنولوجيات الجديدة.
في 500 متخصصي تكنولوجيا المعلومات التي شملتها الدراسة، 38٪ من أفراد العينة المذكورة الطريق AI بوصفه المحور الرئيسي من الاستثمار في الأعمال التجارية، في حين أن 31٪ من الأشياء، ويستند سلسلة كتلة 10٪ على القائمة. أجهزة الأمور مرتبطة وعادة ما يولد بيانات ضخمة لتدريب نماذج التعلم الآلي (ML).
في الشركات التي شملتها الدراسة، والتخطيط للأمور من منظمة العفو الدولية وأكثر من ذلك، لأن من الأشياء والحوسبة حافة (الحوسبة الحافة) مرحلة من مراحل صناعة أكثر استقرارا، وهذا هو الأساس السليم المتاحة لتحسين دقة تعلم الآلة، أصبح من الضروري AI متطلبات مسبقة.
القدرة على التعرف على الصور / الشكل: جامعة كامبردج
تريد الشركات AI أيضا إلى جعل الاستثمار للتحقيق في نهاية المطاف، بدلا من المؤسسات الأكاديمية مثل عدم التوقف عن البحث. وسائل الإعلام الأجنبية CIO كما ذكر الطريق، AI كيفية الاستثمار في العمل المناسب إلى دليل لهذه المهمة الهامة من كبار رجال الأعمال.
وبالإضافة إلى ذلك، في الخلفية عصر اليوم، فإن تكلفة وصعوبة تشغيل AI أيضا تقلل إلى حد كبير ليس فقط "منصة كخدمة" قد توفر المزيد من البيانات للشركات التدريب على استخدام الحاسوب الذين شركة (أجزاء من الكمية المخصصة) أن يجعل أيضا أجهزة للعالمية (قابلية التشغيل البيني) درجة التحسن ، علاوة على ذلك ، أدى عدد كبير من مكتبات التعلم الآلي الناضجة وواجهات برمجة التطبيقات إلى تقليل الحد الأدنى للدخول إلى الذكاء الاصطناعي.
ومع ظهور تكنولوجيات جديدة تدعم منظمة العفو الدولية وشبكة إنترنت الأشياء ، يجب على منظمات الأعمال أن تلتزم بتركيز التنمية وحالت دون انتشار جداول زمنية من دورات التطوير غير المحددة ، ومن أجل الوصول إلى معالم ، أصبح من الضروري بشكل متزايد الاحتفاظ بالموهبة.
إمكانية التعرف على صورة الآلة / الرسم البياني: جامعة كامبردج
صدى ودعت حول التقنيات أخبار الناشئة، سيؤدي الشركات أصبحت أكثر استعدادا للاستثمار في التكنولوجيا الجديدة، ولكن الأمن والخصوصية تميل الى متخلفة تطوير التكنولوجيا، ويجب أن يكون الاستثمار في التكنولوجيا الجديدة للسلامة الفيضانات المملوكة للقلق، صدى نعتقد أن الشركات هي كما تريد حقا أن تكون رائدة في مجال التكنولوجيات الناشئة، لا يمكننا أن نتجاهل اختبار سلامة التكنولوجيا الجديدة.
في تقرير من جامعة أكسفورد عام 2018، ذكر الباحثون الطريق، والتكنولوجيا، منظمة العفو الدولية ما دام هناك عيب، فإنه يمكن أن يقوض كفاءة سير العمل من تعلم الآلة، ولكن أيضا خطرا على تشغيل الأعمال التجارية، وإذا تجاهل اختبارات السلامة الهامة الجنس ، أخشى أنني لن أحصل عليه.
سلسلة كتلة بالفعل من العام الماضي استقطبت الكثير من اهتمام وسائل الاعلام للعلوم والتكنولوجيا، لكنها تتخلف من حيث الأمور التجارية الاستثمار ومنظمة العفو الدولية. وتبدأ المزيد والمزيد من الشركات للمشاركة في نجاح هذه التكنولوجيا سلسلة كتلة والحالات العملية في المستقبل الاستثمار في هذا المجال، وتشير التقديرات إلى ستتنافس مع الأشياء، ومنظمة العفو الدولية. شبكة كوي هنغ
2. تاريخ المترجمين الذكاء الاصطناعى ؛
في منتدى بواو 2018 لآسيا، بالإضافة إلى جدول الأعمال الرئيسي، وأبرزها مقدمة من بقعة ساخنة هو أول ترجمة اللغة المحكية في مؤتمر الذكاء الاصطناعي في الوقت الحقيقي. ومع ذلك، لم يكن هناك أي AI السابق تعسفية أعلن "دع الصناعة في الوقت الحقيقي المترجمين نحن على وشك مواجهة خطر البطالة "، على العكس من ذلك، ونتيجة لأخطاء جسيمة في الترجمة، والواقع المترجمين الفوريين في الوقت الحقيقي العاملين بالارتياح، ويبدو أن هذا الخط يمكن أيضا تناول الأرز لفترة طويلة.
"الكتاب المقدس العهد القديم سفر التكوين" وصفها في الفصل 11، بعد تراجع الطوفان العظيم، وهذا العالم البشري هم أبناء نوح، يتحدثون نفس اللغة عندما بدأ البشر للتعاون وبناء يسمى برج بابل بابل برج. أزعجت تحرك الله، لذلك دعونا الله البشر في جميع أنحاء العالم وبدأ أن يكون لها لغة مختلفة، كان الجنس البشري لم يعد التعاون موحد. جعلت بابل انتهت خطط بالفشل، عندما تصبح الاختلافات اللغوية أيضا أكبر التواصل الإنساني العقبات: ربما لا يزال هناك حلم في الدم لإعادة بناء برج بابل ، لذلك أصبحت الترجمة مشروعا ثقافيا رئيسيا للتطور المستمر للجنس البشري على مدى آلاف السنين الماضية.
ليس من السهل كسر الحاجز اللغوي ، وعلى وجه الخصوص ، من الضروري فهم المفهوم نفسه عبر اللغات ، وللمرة الأولى في تاريخ البشرية ، أنتجت روزيتا ستون ، التي تم إنتاجها عام 196 قبل الميلاد. تم استخدام النصوص المصرية القديمة واليونانية القديمة والعامية المحلية لتسجيل الكتاب المقدس المنقوش للملك بطليموس من الملك المصري القديم ، وهذا أيضا معلم رئيسي في الترجمة.
ترجمة آلية قائمة على القواعد
أما بالنسبة للترجمة الآلية المصدر، يمكن أن ترجع إلى عام 1949، اقترح نظرية المعلومات باحث وارن نسج رسميا مفهوم الترجمة الآلية. وبعد خمس سنوات، أي في عام 1954، IBM بالتعاون مع جامعة جورج تاون أعلن الأولى في العالم الترجمة الآلية IBM-701: تمكنت من ترجمة الروسية إلى الإنجليزية ، ناهيك عن أنها تمتلك جسدًا ضخمًا ، في الواقع كان لديها ستة قواعد نحوية فقط و 250 كلمة مدمجة فيها ، لكن رغم ذلك ، كان لا يزال اختراقًا تكنولوجيًا كبيرًا. في ذلك الوقت ، بدأ البشر يشعرون بأنهم قادرون على كسر جدار اللغة بسرعة.
كان من الممكن أن الله قد لاحظ شيئًا مختلفًا وصب دلوًا من الماء البارد على خطة إعادة البناء البشري لبرج بابل ، وفي عام 1964 ، أنشأت الأكاديمية الأمريكية للعلوم اللجنة الاستشارية لمعالجة اللغات تلقائيًا (ALPAC). في التقرير المقدم ، يعتبر أن الترجمة الآلية لا تستحق الاستمرار في الاستثمار ، لأن هذا التقرير جعل الولايات المتحدة تكاد تقضي بإيقاف دراسة الترجمة الآلية تقريبًا في السنوات العشر القادمة.
منذ مولد أول جهاز ترجمة لشركة IBM إلى ثمانينيات القرن العشرين ، كان التيار التكنولوجي الرئيسي في ذلك الوقت هو الترجمة الآلية المستندة إلى القواعد ، والطريقة الأكثر شيوعًا هي ترجمة الكلمات بشكل مباشر وفقًا للقاموس ، على الرغم من أن بعض الأشخاص اقترحوا لاحقًا إضافة قواعد النحو لتصحيحها. ولكن لكي نكون صادقين ، تبين أن النتائج محبطة للغاية ، لأنها تبدو غبية ، لذلك ، بحلول الثمانينات من القرن العشرين ، اختفت هذه الممارسات.
لماذا لا تنطبق اللغات القواعد؟ لأن اللغات معقدة للغاية وأنظمة غامضة ، من الغموض الكلامي إلى البلاغة ، من المستحيل استنفاد جميع القواعد ، ولكن المثير للاهتمام أن العديد من الابتكارات الحديثة في اللغة الطبيعية الشركة ، لا تزال تحاول حل دلالات الصينية مع قواعد شاملة ، ولكن هذه الفكرة بالتأكيد تنتهي بالفشل.
سوف أعطي مثالا لتوضيح سبب عدم جدوى القواعد ، لا تذكر تعقيد الترجمة بلغتين ، فقط من المنظور الصيني ، مفهوم التوصيل السريع سريع ، فكم عدد أنواع التعاليم التي يمكنك التفكير فيها؟ 10 أنواع أو 100 نوع؟ وفقا لإحصائيات اللغة الطبيعية التي قمنا بها من قبل ، قد يكون هناك 3600 نوع من التعاليم في مجموع ، وهذا العدد يجب أن يزداد مع مرور الوقت ، ويمكن أن تكون الجملة بمثل هذا المفهوم البسيط بالنسبة إلى نظام معقد من القواعد ، إذا كنت تستخدم الترجمات ، فأنا أخشى أن تكون كمية القواعد رقمًا فلكيًا مذهلاً ، لذلك ، فإن فكرة الترجمة الآلية المستندة إلى القواعد ستصبح زهرة صفراء أمس.
الترجمة الآلية المستندة إلى المثيل
في الوقت الذي يقع فيه العالم كله في المرحلة المنخفضة من الترجمة الآلية ، هناك بلد لديه هواجس قوية للترجمة الآلية ، تلك هي اليابان ، حيث يعاني اليابانيون من إجادتهم للغة الإنجليزية ولديهم طلب قوي على الترجمة الآلية.
اقترحت جامعة كيوتو أستاذ ماكوتو ناجاو آلة تستند الترجمة، هو وقف آلة من الصفر وتريد ترجمتها، طالما أننا الحفاظ على عدد كاف من الأحكام، حتى في مواجهة لا تتطابق تماما مع الجملة، ونحن أيضا يمكن مقارنة الجمل والترجمة ليست هي نفسها طالما استبدال كلمة يمكن أن يكون. هذا بالطبع ليس ساذجا من قائم على قواعد الترجمة الآلية كم ذكي تسبب، لا مشكلة. ولكن قبل فترة طويلة، بشرية ويأمل في إعادة بناء برج بابل يبدو لرؤية الفجر مرة أخرى.
الترجمة الآلية الإحصائية
لا يزال تفجير ازدهار الترجمة الآلية الإحصائية هو IBM ، ففي ورقة "النظرية الرياضية للترجمة الآلية" التي نُشرت في عام 1993 ، تم اقتراح خمسة نماذج إحصائية مبنية على كلمة ، وهي "IBM Model 1" إلى "IBM Model 5".
ويترجم الأفكار نموذج إحصائي في شكل سؤال من الاحتمالات. ومن حيث المبدأ هو الحاجة إلى استخدام جسم مواز، ثم حرفيا الإحصاءات. على سبيل المثال، على الرغم من أن الجهاز لم يكن يعرف ما هي "المعرفة" من اللغة الإنجليزية، ولكن بعد أكثر من الاحصاءات الإحضار، وسوف تجد ما دامت هناك جملة مع المعرفة ، تظهر كلمة "معرفة" في جملة المثال الإنجليزية المقابلة ، وبهذه الطريقة ، حتى لو لم يتم الاحتفاظ بالقواعد والقواعد النحوية يدويًا ، يمكن للآلة أن تفهم معنى الكلمة.
هذا المفهوم ليس جديدا، حيث اقترح أقرب ارن نسج مفهوم مماثل، ولكن ليس هناك ما يكفي من الوقت وكان جسم مواز ضعيفة للغاية وقدرة محدودة آلة حاسبة، لذلك ليس هناك تنفيذها. الحديثة الترجمة الآلية الإحصائية من أين تجد "حجر رشيد الحديث" يعني؟ في الواقع، المصدر الأكثر أهمية هو الأمم المتحدة، لأن قرارات الأمم المتحدة والإعلان سيكون إصدارات اللغات فرادى الدول الأعضاء، ولكن بخلاف ذلك، وتريد أن تجعل جسم مواز الخاصة ل الآن تترجم تكلفة الترجمة البشرية إلى معرفة أن هذه التكلفة عالية بشكل مدهش.
في العقد الماضي، ونحن على دراية ترجمة جوجل تقوم على الترجمة الآلية الإحصائية لسماع ذلك، وينبغي أن يكون الجميع اضح نموذج الترجمة الإحصائية ليست إنجازات القضية العظيمة بابل في انطباع الجميع، والترجمة الآلية يتوقف فقط على درجة "مفيدة" بدلا من "مفيدة".
الترجمة الآلية للشبكة العصبية
بحلول عام 2014 ، بشرت الترجمة الآلية في التغيير الأكثر ثورية في التاريخ - "التعلم العميق"!
الشبكة العصبية ليست جديدة، في الواقع الشبكات العصبية اختراع كان قبل 80 سنة، ولكن منذ عام 2006 جيفري هينتون (أول دراسة ثلاثة عمق كبير من الله) تحسين الشبكة العصبية بطيئة جدا، وسوف تستمر التعلم العميق الأمثل خطأ فادح يرافقه مجموعة متنوعة من إنجازات خارقة تظهر بشكل متكرر في حياتنا في عام 2015، وآلة لأول مرة بعد الاعتراف صورة الإنسان ؛. 2016، وفاز ألفا العودة بطل العالم في الشطرنج، عام 2017، أكثر من مختزل التعرف على الصوت البشري؛ عام 2018، آلة القراءة باللغة الإنجليزية لأول مرة خارج التفاهم بين البشر. وبطبيعة الحال، والترجمة الآلية في هذا المجال ولكن أيضا بسبب عمق والبدء في تعلم هذا تزدهر الأسمدة عظمى.
يوشع بينغيو من إله التعلم العميق في عام 2014 ، وضع لأول مرة البنية الأساسية لتكنولوجيا التعلم العميق للترجمة الآلية ، ويستخدم بشكل أساسي شبكة عصبية متكررة قائمة على تسلسل (RNN) ، بحيث يمكن للجهاز التقاط الجمل تلقائيًا ميزة الكلمة ، والتي بدورها يمكن ترجمتها تلقائيًا إلى نتيجة ترجمة لغة أخرى ، ويظهر هذا المقال أن Google قد فازت بالكنز ، وبعد فترة وجيزة ، قدمت Google بارودًا وافرًا ومباركة عظيمة لله ، أعلنت Google رسميًا في عام 2016 كانت جميع الترجمات الآلية الإحصائية متوقفة عن الرف ، وأصبحت ترجمات أجهزة الشبكات العصبية هي التيار المطلق للترجمة الآلية الحديثة.
إن أكبر ميزة في الترجمة الآلية للشبكة العصبية من Google هي إضافة الانتباه ، وفي الحقيقة ، فإن آلية الانتباه هي أن تجتذب العيون أولاً عند محاكاة الترجمة البشرية ، ثم اختيار بعض الكلمات الأساسية لتأكيد دلالات الألفاظ. العملية (الشكل 2). بالتأكيد ، وبفضل آلية الاهتمام ، ازدادت القوة بشكل كبير ، وتزعم Google أنه في اللغات الإنجليزية - الفرنسية ، والإنجليزية - الصينية ، واللغات الإنجليزية - الغربية ، تغير معدل الخطأ. يتم تخفيض نظام الترجمة الآلية الإحصائية بنسبة 60٪.
وبالرغم من أن الشبكة العصبية يمكن أن تتعلم من المجموعة المتوازية الموجودة وأن تفهم الملامح اللغوية الخفية للجملة ، إلا أنها ليست مثالية ، حيث تنشأ المشكلة الكبرى من الكمية الكبيرة من البيانات المطلوبة وعدم فهمها كصندوق أسود ، وهذا يعني ، لا توجد طريقة لارتكاب الأخطاء ، ولكن فقط لتوفير مجموعة صحيحة لتصحيح "التعلم العميق" ، لذلك ، يمكن أن يكون لنفس نمط الجملة نتائج ترجمة مختلفة تمامًا.
في شباط / فبراير 2018 ، قامت شركة Microsoft بتحركات جديدة لجعل فهم اللغة الآلية يتجاوز البشرية ، وفي 14 مارس ، أعلن باحثون من Microsoft Research Asia ومعهد Redmond Research Institute أن نظام الترجمة الآلية الخاصة بهم R & D أنباء على الاختبار المنصوص عليها في الترجمة الإنكليزية لاختبار تحديد Newstest2017، يمكن أن تصل إلى مستويات مماثلة مع الترجمة البشرية. وبطبيعة الحال، هذه الشبكة العصبية هي الترجمة الآلية من نصر عظيم، وبطبيعة الحال، لديه الكثير من الابتكار في الهندسة المعمارية، وأبرز وهي مرتبطة بشبكات التعلم والتعليم المزدوج.
التعلم المزدوج لإيجاد حل لمشكلة جسم مواز محدودة، وبشكل عام، يجب توفير عمق التعلم إلى إجابات الجهاز، وبالتالي فإن الجهاز يكون قادرا على أساس الفرق بين الترجمات والجواب تصحيح يستمر التحسن. أما بالنسبة لشبكة التدقيق تحاكي أيضا عملية الترجمة البشرية عادة الترجمة البشرية سوف نقوم به أولا ترجمة الخام، ومن ثم ضبط المحتوى الدقيق للترجمة الثانية، في الواقع، قد تجد أنه بغض النظر عن ذكاء الشبكات العصبية، سوف لا تزال في نهاية المطاف على سطح إشارة من المخلوقات الأكثر ذكاء، الذي هو الهيئة للإنسانية نحن.
لا يمكن استخدام اللغة خارج السياق
تطوير الترجمة الآلية لا يعني أن مستقبل مهنة الترجمة لن يكون هناك لشراء الطعام. وتجدر الإشارة إلى أن عرض مايكروسوفت شدد على "اختبار وضع تقارير عالمية Newstest2017 الخبر" "الإنجليزية اختبار مجموعة،" مجموعة البيانات الأداء الجيد والتنوع لن تكون قادرة على الاستفادة من علامة المساواة، والتي أيضا قد يفسر لماذا تينسنت يونيو الواضح الترجمة المعتادة كانت جيدة، ولكن لماذا هو الأداء غير دقيق في بواو في الوقت الحقيقي التفسير.
في الوقت الحقيقي يمكن أن يقال الترجمة التفسير هو تتويج لهذه المهمة، يجب أن يكون لدينا فهم الصحيح للجلسة الحكم الأصلي، ولكن أيضا تحويل لفترة محدودة للغات أخرى. ولا ننسى المتحدثين لن تعطي أي وقت لانتظار الترجمة، التعرف على الصوت وعلى قدم المساواة لذلك يجب أن تتم معالجة الترجمة الآلية بشكل متزامن ، إلى جانب الضجيج على الفور ، والتعبير عن المتحدث ، وإدخال كلمات مشروطة ، وما إلى ذلك ، وكلها قد تسبب سوء التقدير من قبل الماكينة.
من وجهة نظري، يونيو الترجمة تينسنت، يمكن أن تتهم من النقاط للتو قد لا تعمل الصعب بما فيه الكفاية، ونحن لم نضع أسماء الأعلام إدخال مفتاح، والتي ستكون "طريق سريع وحزام" يحدث "الخطأ الكلاسيكي".
يمكن أيضًا رؤية فارق مثير للاهتمام في الشكل 3. لماذا يتم وضع الترجمة الآلية الغربية في غير محلها ، ولكن الترجمة الآلية في البلد الأم هي دائمًا في وضع السيطرة ، وهذا لأن اللغة لا يمكن أن توجد بدون الخروج من سيناريوهات الاستخدام البشري ، أي أننا نتعلم اللغة الصينية في كثير من الأحيان. السياق ، الذي يأتي من ثقافتنا السابقة ، يتكون من ذكريات شائعة في الماضي ، جوجل ، التي لم تقرأ شعر تانغ ، بطبيعة الحال لا يمكن أن نفهم جوهر هذه القصيدة.اللغة يمكن أن تكون الحاجز البشري الأخير في عصر الذكاء الاصطناعي ل سوف تتغير اللغات باستمرار بسبب استخدام البشر ، وهذا بديل صعب للغاية عن الآلات.
مع تقدم التكنولوجيا ، في يوم من الأيام ، ستتغير الترجمة الآلية من كونها "مفيدة" إلى "مفيدة" ثم تتطور إلى "مفيدة". ولكن كما قلت دائماً ، فإن الآلات لن تحرم الناس من عملهم. إن حقيقة أن البشر عاطلون عن العمل هو عملنا فقط. كيف نستفيد من الذكاء الاصطناعي لنصبح أداة خاصة بك ، ونخرج نفسك من الملل والعمل الشاق ، هذا هو الموقف الصحيح للمستقبل.
3. آي ، المعركة النارية للبيانات الضخمة والخصوصية الشخصية بدأت للتو ؛
أهم الموضوعات على المدى القريب ليست سوى بيانات كبيرة ، بما في ذلك معرض 2018 الذي أقيم في الصين ، ولا يمكن إنكار أن أهم شيء بالنسبة للبيانات الضخمة هو جمع البيانات ، ولكن الاتحاد الأوروبي قد أعلن أيضا عن تنظيم حماية البيانات العام (GDPR). مدعياً أنه أكثر قوانين حماية البيانات الشخصية صرامة على الإطلاق ، فقد أشعل أيضاً النزاعات حول تطوير البيانات الكبيرة والبيانات الشخصية.
السبب في أن البيانات الكبيرة يمكن أن تصبح بيانات فعالة هي جمع وتحليل البيانات ، والمزيد من البيانات ، يمكن تحليل البيانات الأكثر صلة وتصبح بيانات مفيدة.
ولكن مصدر البيانات، ولكن على كل لسان، في القومية، يبدو هناك أن تضطر للتضحية مصالحهم الشخصية للسماح البلدان على تنفيذ السياسات، والذي هو الأكثر وضوحا في الصين، الصين للتنمية إلى البيانات بسرعة إلى حد ما، الحكومة سياسة تنظيم عديدة، وحتى ما يسمى الحد من الفقر، والفقر، وهلم جرا، مثل مع البيانات كبيرة، كل المشاكل ليست مشكلة، ولكن الكثير من البيانات الكبيرة، في الواقع، أطرافا في التضحية بالحقوق البيانات الشخصية، التي تؤكد على الخصوصية الشخصية للبلاد، فمن أشياء مستحيلة.
وتتركز اتجاه تنمية الشركات التايوانية في البيانات الصناعية الكبرى، ومعظمها لا تزال الأسرع نموا هون هاي، 40 عاما من بيانات الإنتاج، هون هاي هي أكبر ميزة، ولكن أيضا في تطوير تايوان لديهم الفرصة لوضع البيانات الكبيرة.
ولكن إذا كنت ترغب في تطوير تايوان البر الرئيسي للصين بيانات كبيرة كما وصلته مجال خصوصية الناس، في الأساس، هناك في العديد من المشاكل المتكررة، وETC فقط وهو رقم قياسي، وسوف يؤدي على الأرجح إلى انتهاك الخصوصية، ناهيك عن فيما يتعلق بالبيانات الضخمة المرتبطة مباشرة بالخصوصية الشخصية ، سواء نجحت شركة Big Data أم لا ، أخشى أن نستمر في تجذير المصلحة العامة وتوازن الخصوصية الشخصية.
استنتاجات 4.AI إلى العقد حافة تطبيقات الفيديو / الصوت كل حساب لنصف السماء.
2018 AIoT (AI + تقنيات عمليات) السوق ينمو ينذر بالخطر، دفع عملية تطوير مجموعة متنوعة من الأجهزة، ولكن أيضا لتعزيز وظيفة تعليمية عميقة تعمل على حافة تحول إلى سحابة لتحقيق منخفض الكمون، عرض النطاق الترددي المنخفض، خصوصية عالية وكفاءة عالية من الذكاء الاصطناعي تجربة التطبيق.
مع الذكاء الاصطناعي (AI)، وتعمل على التكنولوجيا المتطورة (حافة علوم الحاسب) في السنوات الأخيرة، والتطور السريع لمجموعة متنوعة من الالكترونيات الاستهلاكية والأجهزة المنزلية مفهوم المنزل الذكي شملت والتغييرات الثورية ستتم تدريجيا. وفي نهاية المطاف، فإن مختلف قد تصبح شبكة ذكاء اصطناعية مكونة من أجهزة منزلية فرد آخر من أفراد العائلة لا يمكنك رؤيته ، وسيكون مفهوم السحابة المحلية والمعدات المرتبطة بها عنصراً لا غنى عنه في تنفيذ شبكة ذكاء اصطناعية منزلية.
سوف تصبح ذكية المتحدث / الرصد اثنين من المغازل الرئيسية لمنظمة العفو الدولية المستهلك
شركة أبحاث البيضة مسؤولة عن تتبع تطور الباحث التقنيات الاستهلاكية رونان دي Renesse (الشكل 1) أن تطبيق AI في مجال الالكترونيات الاستهلاكية، ما يقرب من عامين غالبا ما تصبح محط اهتمام وسائل الإعلام، ولكن الالكترونيات الاستهلاكية ومنظمة العفو الدولية جنبا إلى جنب مع هذا الاتجاه، لقد بدأت الآن بالتطور فقط ، ففي غضون السنوات الثلاث إلى الخمس المقبلة ، ستحمل العديد من منتجات الإلكترونيات الاستهلاكية وظيفة الذكاء الاصطناعي وسوف ترتبط ببعضها البعض لتشكيل شبكة ذكاء اصطناعي في المنزل.
الشكل 1 رونان دي Renesse ، باحث في التكنولوجيا الاستهلاكية في Ovum ، ويعتقد أن الأجهزة الإلكترونية المختلفة في الأسرة في المستقبل سوف تصبح عضوا في الأسرة غير مرئية.
لسلسلة الأجهزة، على الرغم من أن هذا الاتجاه سوف يجلب العديد من فرص العمل الجديدة، ولكن إذا من وجهة نظر مستوى أعلى من رأي، وهذا دخلت بهدوء شبكة الذكاء الاصطناعي في المنزل، وسوف يكون لا أرى آخر "الأسرة أعضاء ".
من ناحية الأجهزة ، فإن المتكلمين الأذكياء الذين هم مألوفون لدى الجميع هم في الأساس منتجات ناضجة نسبياً ، على الرغم من أنه سيكون هناك نمو كبير في المبيعات في السنوات الخمس القادمة ، إلا أن النمو سيتباطأ تدريجياً ، وتشير التقديرات إلى أنه بحلول عام 2022 ، سيكون المتكلمين الأذكياء العالميين سيكون مبلغ المبيعات قريباً من 9.5 مليار دولار أمريكي ، وفي الواقع ، يعتقد Renesse أن Amazon و Google قد لا يكونان قادرين على إطلاق العلامة التجارية الخاصة بهم من مكبرات الصوت الذكية في المستقبل ، لأن هذا النوع من المنتج نفسه ليس لديه مجال كبير للربح. بالنسبة إلى عمالقة الشبكة المنزلية ، طالما أن موردي الأجهزة يستخدمون خدمات النظام الأساسي الخاصة بهم ، فيمكنهم جمع بيانات المستخدم التي يحتاجونها.
وخلال نفس الفترة، والتغيرات في أنظمة مراقبة المنزل الذكي مثل هذه المنتجات ستكون أكثر وضوحا من المتحدثين ذكي يقدم ما يسمى منتجات المراقبة المنزلية الذكية، في الواقع، وليس عنصر الذكاء الاصطناعي، ولكن الكاميرات، وأجهزة الإنذار والأقفال، وأجهزة الاستشعار والأجهزة الأخرى المنتج متصلة مع بعضها البعض لتشكيل نظام دعم تشغيل الحدث الأمني (الزناد الحدث) وظيفة. ولكن ذات الصلة على النحو الأجهزة والبرمجيات التكنولوجيا أصبحت أكثر تطورا، فإن نسبة من كاميرات المراقبة المنزلية مقبلة مزودة الذكاء الاصطناعي أصبح ارتفاع متزايد، ولكن أيضا لتحقيق أكثر توفر التطبيقات ، مثل استخدام المساعدين الصوتيين ، العديد من المستخدمين بخدمات أكثر دقة في بيئة متعددة المستخدمين.
حماية خصوصية المستهلك لتطبيقات AI
ومع ذلك، فإن صناعة الأجهزة، وأبرزها قد تكون سحابة المحلية (سحابة المحلية) المفهوم والتطبيق المنتجات ذات الصلة، جنبا إلى جنب مع الأجهزة المنزلية المدعومة عموما AI والمؤجرة إعادة. وأشار Renesse خارج، ومجهزة وظائف AI من المنتجات الالكترونية سيكون تنتج كميات كبيرة من بيانات المستخدم، ولكن هناك الكثير من خصوصية البيانات على المحك. ولذلك، إذا مجهزة الذكاء الاصطناعي من المنتجات الالكترونية المنزلية كانت تعتمد كليا على سحابة الخارجية من أجل العمل، وسوف يسبب الواضح المخاوف المتعلقة بالخصوصية.
من ناحية أخرى، العديد من الميزات نسبيا الأجهزة الأشياء الاستهلاكية بسيطة، من خلال الطاقة الكهربائية والقدرة الحاسوبية، وتكلفة الإنتاج وغيرها من الشروط، قد لا تكون قادرة على دعم الراقية جدا خوارزميات منظمة العفو الدولية. في هذا الوقت، سيقوم الجهاز سحابة المحلي لعب دور الدماغ، طلب هذه الأجهزة بشكل منتظم.
لكن Renesse يعترف، فإنه لا يزال من الصعب أن أقول أي نوع من المعدات سيلعب مركز سحابة المحلي. قد يكون هناك أكثر ذكاء المتحدثين الراقية، قد يكون التلفزيون الذكية أو غيرها من المنتجات.
مدير الذراع كبار التسويق إيان سميث (الشكل 2) يعتقد أيضا أنه سيكون هناك المزيد والمزيد نعتقد أن مستقبل الحوسبة والاستدلال (استدلال) المحرك لتحريك المحطة. وأدى ذلك إلى نقل كبير القوة الدافعة، فمن لحماية خصوصية المستخدم . عن طريق تجهيز نهاية وعمل تحليل البيانات يمكن بسهولة مجهولة المصدر، وضمان أنه لن يتم الإفصاح عن البيانات الحساسة من خلال الشبكة. تطبيق الأسرة، على سبيل المثال، والمستهلكين لا يريدون تعلمه شخص من الشبكة أن عائلته لم يفعل ذلك وقت الناس ، ومن ثم بسهولة لسرقة في المنزل.
الشكل 2 قال إيان سميث ، مدير التسويق في شركة Arm ، إن تطبيقات حماية الذكاء الاصطناعي للمستهلكين ، وما إذا كانت آلية حماية الخصوصية موثوقة ، ستكون المفتاح إلى ما إذا كان يمكن تعميم التطبيق.
بالنسبة للتطبيقات المرئية ، يعتقد سميث أن الكاميرات التي تدعم التعرف البصري تعتبر بشكل أساسي قضايا خصوصية مهمة ، ومن الواضح أنه يجب تصميم هذه الأجهزة بحيث يمكن حمايتها عند تخزينها محليًا أو نقلها إلى السحابة. الخصوصية والمعلومات الحساسة. ومنذ انتقال عادة يتم توصيلها لاسلكيا، يجب أن تولي اهتماما كبيرا للأمن البث اللاسلكي. تصميم مهندسي الجهاز يجب التأكد من أن جهاز اتصال الشبكة لن يكون اخترق، ومشاهدة.
يظل عمر البطارية هو التحدي الفني الرئيسي
ومع ذلك ، من أجل دفع الذكاء الاصطناعي إلى العقدة الحافة ، لا يزال أكبر تحد تقني في الوقت الحالي هو استهلاك الطاقة في النظام ، فمن خلال استخدام كاميرات مراقبة المستهلكين كمثال ، قد يتوقع المستهلكون أن تكون هذه المنتجات لاسلكية بالكامل ، ومن الأفضل عدم توصيل كابلات الطاقة. وهذا يعني أن هذه المنتجات يجب أن تكون مدعومة بالبطارية وأن تدعم الشبكات اللاسلكية ، بالإضافة إلى ذلك ، يجب أن تكون قادرة على تحديد كل العناصر وتحتاج إلى مساحة تخزين غير محدودة.
تمثل المتطلبات المذكورة أعلاه تحديًا كبيرًا لتصميم النظام ، الأمر الذي يتطلب القدرة على تشغيل أشهر من البطاريات غير المنقطعة لتشغيل قدرات التعلم الآلي (ML) ، والقدرة على تحميل الملفات بشكل مستمر إلى السحابة للتخزين ، وهذه السيناريوهات المتطرفة مصممة لتصميم الشرائح ومكونات النظام. المتطلبات شديدة الصعوبة ، والأهم من ذلك أنها أتقنت عندما تسمح بتنسيق هذه الوظائف لإطالة عمر البطارية.
مع كاميرا المراقبة المنزلية، وكاميرا الفيديو لا تحتاج 24 ساعة نقل غرفة فارغة، فقط تحميل الصورة من الجزء غير معقولة فقط عندما تكون هناك هوية غير مؤكدة عن الناس هناك. وبالمثل، في حالة مثل توافر نفس المشهد تمكين ML خوارزمية لا معنى له. ترتيبات دقيقة أين ومتى لتمكين هذه الميزات، من أجل جعل الأجهزة الاستهلاكية من المتوقع أن تكون في وضع التشغيل، واثنين فقط من بطاريات AA، ويمكن استخدام العادي على المدى الطويل.
ولكن أيضا بسبب استهلاك الطاقة هي واحدة من العقبات الرئيسية لمنظمة العفو الدولية المتمركزة في الجهاز الطرفي، وهناك اكتشفوا الفرصة لإطلاق الطاقة المنخفضة الشبكة العصبية (NN) مسرع السيليكون الملكية الفكرية (IP) في السوق، وذلك لمساعدة رقاقة العديد من الشركات الناشئة المنزل المطورين في حين خفض استهلاك الطاقة، ولكن أيضا لتلبية الأداء المطلوب الاستدلال خوارزمية المقاومة بذكاء (Kneron) قد أطلق رسميا العصبي معالج شبكة (NPU) سلسلتها، هو معالج مخصص لالذكاء الاصطناعي صمم الجهاز الطرفي IP تتكون الأسرة من ثلاثة منتجات، وهي نسخة فائقة منخفضة الطاقة من الحزب الديمقراطي الكردستاني 300، ومعيار الطبعة الحزب الديمقراطي الكردستاني 500، وكذلك نسخة عالية الأداء من الحزب الديمقراطي الكردستاني 700، لتلبية الهواتف الذكية، وتطبيق المنزل الذكي، والأمن ذكي، فضلا عن مجموعة متنوعة من الأشياء الأجهزة مجموعة كاملة من المنتجات مع انخفاض استهلاك الطاقة، وخصائص صغيرة الحجم، ويوفر قدرة حوسبة قوية. وخلافا للطاقة المعالج AI المتاحة في السوق لعشرات واط خارج، Kneron NPU IP استهلاك الطاقة 100 ميغاواط مستوى (ميغاواط) للهواتف الذكية التعرف على الوجه مخصصة الحزب الديمقراطي الكردستاني 300، أو حتى أقل من 5 ملي واط من الطاقة.
وأشار شي يالون ، مدير التسويق والتطبيق لمنتجات التحمل (في الشكل 3) إلى أن الحاجة إلى القيام بعمليات استخباراتية صناعية على الجهاز الطرفي مع تلبية متطلبات استهلاك الطاقة والأداء هي أولوية قصوى ، لذلك من الأهمية بمكان توفير حلول محسنة للتطبيقات الفردية. في الوقت الحاضر ، يمكن تقسيم تطبيق الذكاء الاصطناعي على نطاق واسع إلى فئتين رئيسيتين: الصوت والفيديو ، وتختلف بنية الشبكة العصبية المستخدمة ، ويكون تركيز تطبيقات الكلام هو تحليل اللغة الطبيعية ، حيث إن بنية الشبكة السائدة هي الشبكة العصبية المتكررة (RNN). هيكل الشبكة الرئيسي المستخدم لتحليل الصور هو الشبكة العصبية التلافيفية (CNN) ، ومن أجل تحسين الهياكل الشبكية المختلفة ، يختلف الحل الذي توفره القدرة.
شين مينغ فنغ (الشكل 3 يمين) الدببة يمكن أن تكمل برنامج إدارة التصميم، وعلى الرغم من انخفاض الطلب على اللغة الطبيعية أداء الحوسبة تحليل رقاقة، ولكن بسبب لهجة اللغة، والعادات خطاب لها قدر كبير من التفاوت، وبالتالي تتطلب أن مجموعة بيانات التدريب نموذج على الجانب الآخر ، أكثر من التعرف على الفيديو ، لأن المستهلكين اعتادوا بالفعل على استخدام مساعدين صوتيين مستندين إلى السحابة مثل Apple Siri و Google Assistant ، فإن تطبيقات التحليل الدلالي دون اتصال هي التي يفضلها المستهلكون. الشرط المسبق هو أنه يجب علينا توفير تجربة استهلاكية مماثلة في ظل موارد حوسبة محدودة ، وهذا يمثل تحديًا لباعة الشرائح ومطوري الأنظمة.
يمكن 3 الدببة تنطبق مدير التسويق والمنتج شييا لون (يسار) ويعتقد أن صوت مع التعرف على الصور هي مختلفة جدا في الطبيعة، والحاجة إلى الاعتماد على حلول مختلفة لتلبية. شين مينغ فنغ هو البرنامج المناسب يمكن أن تكون مقاومة مدير التصميم.
في الواقع ، فإن الغالبية العظمى من المتكلمين الذكية لا تزال ليست منتجات الحوسبة حافة وأشار ألين هارون إلى أنه سواء كان صدى الأمازون ، و Apple's Homepod أو بايدو ، على بابا منصة مكبرات الصوت الذكية ، لا يزال يتعين يتم إرسال البيانات مرة أخرى إلى السحابة من أجل المعالجة والتحليل الدلالي ، من أجل الاستجابة للمستخدمين ، فالعمليات الصوتية التي يمكن إجراؤها مباشرة على المنتج النهائي تعتمد في الغالب على القاعدة وليس الفهم الدلالي الطبيعي القائم على الماكينة.
منذ 2016 الدببة يمكن إطلاق الشركة أول محطة بالجهاز AI معالج NPU IP، واصلت لتحسين تصميمها ومواصفاتها، والأمثل للتطبيقات الصناعية المختلفة. والمتاحة حاليا للعملاء في بداية IP، الحزب الديمقراطي الكردستاني 500 عميل المصنع باستخدام نظام كان وسوف يكون في الإنتاج الضخم في تصنيع الربع الثاني (قناع الشريط المغادرة). التعرف على الكلام التعاون كلاب البحث مع حقق إعراب حاليا الدلالي، وذلك حتى إذا لم يتم توصيل الجهاز الطرفي إلى الشبكة، ولكن أيضا يمكن أن نفهم تعليمات صوت المستخدم.
Kneron NPU IP مخصص معالج الذكاء الاصطناعي للجهاز المحطة صممت بحيث الجهاز الطرفي في بيئة حاليا، يمكنك تشغيل ResNet، YOLO غيرها من شبكة التعلم العميق. Kneron NPU هو استكمال حلول الأجهزة نهاية AI، بما في ذلك الأجهزة IP، المترجم (مترجم)، ونموذج ضغط (نموذج الضغط) ثلاثة أجزاء، ويمكن دعم مجموعة متنوعة من تعميم نماذج الشبكة العصبية، مثل Resnet 18، Resnet-34، Vgg16، GoogleNet، وLenet، فضلا عن دعم التيار التعلم العميق الإطارات ، بما في ذلك Caffe ، Keras و TensorFlow.
Kneron NPU IP استهلاك الطاقة هو مستوى 100 ميغاواط، الإصدار فائقة منخفضة الطاقة من الحزب الديمقراطي الكردستاني 300 أو حتى أقل من 5 ميغاواط، ومجموعة كاملة من المنتجات في الأداء لكل واط 1.5 TOPS / W أو أكثر، واستخدام عدد من التقنيات الحصرية، فإنه يمكن تلبية احتياجات البائعين رقاقة ، والباعة النظام لاستهلاك طاقة منخفض ، وارتفاع قوة الحوسبة.
قفل العناصر الأساسية لا تخاف المسرّعات من التكرار التقني
علاج الدائرة (ماثلة) لتحسين كفاءة مهام الحوسبة معينة، والحد من استهلاك الطاقة، وتصميم رقاقة لالأعمار، ولكن على حساب انخفاض مرونة الطلب، تغير كبير في حالة الطلب في السوق لوظائف رقاقة أو تغيير خوارزمية البرنامج بشكل كبير ، يجب على مصممي الشرائح إعادة تطوير شرائح جديدة.
في الحالة التي يكون فيها طلب السوق على وظائف الشي hasة محدداً إلى حد كبير ، فإن طريقة التصميم هذه ليست مشكلة ، ومع ذلك ، في مجالات التكنولوجيا الناشئة التي تكون فيها التكرارات التكنولوجية سريعة ، فإن اتباع نهج التصميم هذا سيكون له مخاطر تجارية كبيرة نسبياً. الذكاء الاصطناعي هو التكرار المهرة سريع جدا، كل عام تقريبا وأشار خوارزمية جديدة مع نموذج المتاحة. شركة أبحاث المفتوحة AI أيضا إلى أنه على مدى السنوات الست الماضية، نموذج التدريب AI لحساب الطلب على الطاقة سيزداد كل 3.43 في الشهر مرات.
وفي هذا الصدد، أشار شين مينغ فنغ بها، ليس بالضرورة أن يكون مسرع الأجهزة ليست مرنة. مقاومة لمنتجات الطاقة، على سبيل المثال، في التصميم المعماري، وتستخدم الشركة انقسام التفاف نواة (تصفية التحلل) والتكنولوجيا، والتفاف واسع نواة الالتواء تنقسم كتلة التشغيل إلى مجموعة من وحدات تشغيل التواء صغيرة يتم تشغيلها على التوالي ، ثم يتم دمجها مع تقنية تسريع التواء (تقنية إعادة تسريع تبعية) القابلة لإعادة التشكيل ، حيث يتم دمج نتائج عمليات تكتلات عمليات الالتواء الصغيرة لتسريع العملية بالكامل. الكفاءة التشغيلية.
الأمثال أسهل للفهم، مثل الطوب ليغو يمكن دمجها في مجموعة متنوعة من الأنماط لبناء كائن، ولكن الكائن نفسه لا يزال كومة كاملة من عدد قليل من مربع الأساسي. برنامج الطاقة المقاومة أمر لا غنى عنه لخوارزميات AI تسارع العناصر الأساسية، حيث التحسينات أداء الخوارزمية، وبالتالي، حتى لو التحديث السريع خوارزميات منظمة العفو الدولية، ومقاومة الحل يمكن أن يكون لا يزال مفيدا للإسراع في التنفيذ.
بالإضافة إلى التسريع نفسها مصممة للعناصر الأساسية، بدلا من خوارزمية محددة لتسريع المقاومة الخارجية العامة، ويمكن أيضا توفير تقنيات تسريع وتطبيقات AI أو نشرها، مثل نموذج ضغط نموذجها (نموذج الضغط) تقنية ضغط وضع غير محسن عدد مرات؛ الهرمية تكنولوجيا التخزين الذاكرة (متعدد المستويات التخزين المؤقت) يمكن أن تقلل من الحمل وحدة المعالجة المركزية وتقلل من كمية نقل البيانات، لتعزيز الكفاءة التشغيلية الشاملة بالإضافة إلى ذلك، Kneron NPU IP يمكن الجمع بين Kneron برنامج التعرف على صورة، يقدم تحليلا تحديد الوقت الحقيقي، وبسرعة. إن الاستجابة ليست أكثر استقرارًا فحسب ، ولكنها تفي أيضًا بمتطلبات الأمان والخصوصية ، نظرًا لأن الأجهزة والبرمجيات يمكن دمجها بإحكام ، فإن الحل الشامل هو أصغر واستهلاك الطاقة أقل للمساعدة في التطوير السريع للمنتجات.
التعرف على الصور منظمة العفو الدولية أكثر إلحاحا نحو الحافة
وعموما، فإن الطلب في السوق الحالي للاعتراف صورة هو أكثر إلحاحا، حاليا الدلالي التحليل، بالرغم من وجود رئيس ذكي هذا ضخمة التطبيقات السوق المحتملة، ولكن هذا الرهان ولكن أقل موارد الصناعة. والسبب الرئيسي لهذه الظاهرة هو أن الصورة سيشغل ناقل الحركة كمية كبيرة من عرض النطاق الترددي ، مما يؤدي بدوره إلى زيادة تكلفة الملكية الإجمالية للنظام ، ولا توجد مشكلة في الصوت.
أوضح لين تشيمينغ ، المدير العام لشركة Jingxin Technology (الشكل 4) أن دمج الذكاء الاصطناعي وإنترنت الأشياء سيقود أيضًا إلى إدخال تقنية الحوسبة المتقدمة ، وسيتم تطبيق تقنية الحوسبة الحافة على مجموعة متنوعة من التطبيقات الناشئة. ومن بين هذا الاتجاه ، تعد المرونة والسرعة أكبر المزايا للمصنعين التايوانيين ، فبالنسبة لمعظم الشركات التايوانية وشركات تصميم الدوائر المتكاملة ، من الأسهل اقتلاع سوق الذكاء الاصطناعي من الحافة.
الشكل 4: يقدر Zhixin Lin ، المدير العام لشركة Jingxin Technology أن IP Cam سيكون أحد التطبيقات الرئيسية لأداء استنتاج AI على الأجهزة الحافة.
في نفس الوقت ، بسبب إدخال تقنية الحوسبة ، فإن متطلبات الأجهزة مثل الذاكرة و الإرسال ستزداد أيضا ، مما سيزيد من تكاليف التصنيع بشكل كبير ، حيث أن النظام المرتبط بالصور (SoC) أصلا أكثر تعقيدا من التطبيقات الأخرى ، كما أن تحمل التكلفة كبير أيضًا ، لذا من المتوقع أن تكون تقنية الحوسبة هي الأولى التي تستوردها التطبيقات ذات الصلة بالصور مثل IP Cam.
يمكن تقسيم تطبيقات الذكاء الاصطناعي إلى التدريب والتعرف ، وفي عملية الحوسبة الضخمة للتعلم العميق ، لا يزال يتم إجراء الحوسبة السحابية في فترة قصيرة من الزمن ، والمهمة التي تقع على عاتق الحوسبة المسؤولة هي القيام بالمعلومات التي يتم جمعها أولاً. تقوم المعالجة الأولية ، بعد تصفية المعلومات غير المهمة ، بتحميل البيانات إلى السحابة لتوفير تكلفة الإرسال ، ومن ناحية أخرى ، فإن التعلم العميق الذي أنجزته السحابة يمكن أيضًا أن يجعل وظيفة تحديد هوية المحطة أكثر ذكاءً. على سبيل المثال ، يمكن إكمال عملية التعلم العميق للصور بواسطة الحوسبة السحابية أولاً ، بعد أن يتعرف المتعلم الاحتياطي على المشاة ، فإن كاميرا IP على الحافة يمكنها فقط تنفيذ عملية تحديد الهوية.
من ناحية أخرى ، نظرًا لاستخدام IP Cam على نطاق واسع في أعمال الصيانة الأمنية وأمن المجتمع ، فإن الحكومة والشركات على استعداد نسبيًا لدعم الاستثمار ، والذي سيكون أيضًا سببًا للتطور السريع لـ IP Cam.
وشارك لين زيمينج أن العديد من الشركات المصنعة تستكشف الآن كيفية إدخال الذكاء الاصطناعي في رقائقها وأنظمتها الخاصة ، والوضع الحالي مشابه لبداية إنترنت الأشياء ، وما زال الجميع يحاولون معرفة كيفية استخدام هذه التكنولوجيا ، ويقدر أن الشركات المصنعة ستكون في حدود عام 2020. سوف تطلق المزيد من المنتجات الفعلية.
يجب أن تستخدم تطبيقات الوقت الفعلي بنية حوسبة حافة
يعتبر الذكاء الاصطناعي موضوعا ساخنا في الوقت الحاضر ، فالتحول التدريجي من بنية الحوسبة السحابية إلى معمارية الحوسبة سيكون له تأثير كبير على باعة سلسلة التوريد ، على الرغم من أن تطوير الذكاء الاصطناعي في المدى القصير سيظل يهيمن عليه الحوسبة السحابية ، ومع ذلك ، فإن العديد من وظائف الذكاء الاصطناعي فيما يتعلق بتطبيقات الرؤية ستبدأ في استيراد الحواف.
يشير دايل ك. هيت ، مدير تطوير السوق لإستراتيجية الذكاء البصري لـ Xilinx (الشكل 5) ، إلى أنه في المستقبل المنظور ، قد تستمر مكونات التدريب في تطوير الذكاء الاصطناعي في السيطرة على الحوسبة السحابية ، ومع ذلك ، فقد بدأت مكونات الاستنتاج / النشر. استخدم عمليات الحافة لدعم التطبيقات التي تتطلب وقت استجابة منخفض وكفاءة شبكة.
الرقم 5 Dale K. Hitt ، مدير تطوير السوق لاستراتيجية Xilinx للذكاء البصري ، يعتقد أنه بالنسبة للتطبيقات التي تتطلب وقت استجابة منخفض جدًا ، ستكون عمليات الحافة هي الحل الأفضل.
سيكون التعلم الآلي للتطبيقات ذات الصلة بالرؤية أحد الاتجاهات الرئيسية والبعيدة المدى للتطبيقات التي تعمل على الحافة ، كما أنه سيكون قويًا في رؤية الآلات الصناعية والمدن الذكية والتحليل البصري وسوق القيادة الذاتية. إمكانات النمو: فيما يتعلق بالرؤية الصناعية والتطبيقات الاستهلاكية ، ولأن الحساب الحسي يجب أن ينفذ خوارزميات تعلم الآلة ، فإن متطلبات الأداء أعلى أيضًا من حلول الجيل السابق ، وبالإضافة إلى ذلك ، كانت خوارزميات / وظائف تعلم الماكينة سريعة التطور. يحتاج إلى أجهزة ذاتية التكيف من أجل تحسين البنى المستقبلية لتعلم التعلم الآلي.
تستخدم هيت سيارات ذاتية القيادة كمثال على ذلك ، فبفضل كل جهاز استشعار في السيارة ، هناك دعم خوارزمي دقيق مسؤول عن إنتاج نتائج التفسير الحسي من بيانات المستشعر.الأحدث هو استخدام خوارزميات التعلم العميق لتوليد هذه النتائج التفسيرية الإدراكية. يجب تدريب خوارزميات التعلم العميق من خلال عدد كبير من الحالات المحتملة لتعلم كيفية قراءة كل بيانات المستشعر الممكنة.
بعد التدريب ، تتطلب خوارزميات التعلم العميق كفاءة حاسوبية عالية للغاية ووقت استجابة منخفض للغاية من أجل التحكم في السيارة بأمان ، وبالنسبة للسيارات الكهربائية ، يجب استخدام استهلاك منخفض للطاقة للحد من درجة حرارة التشغيل وتوسيع طاقة البطارية. الهدف هو توفير حلول عالية الكفاءة ، منخفضة الطاقة ، قابلة للتكيف لتلبية الاحتياجات المختلفة من AI الحافة ذاتية القيادة.
في تعمل هذه العملية على حافة التنمية، والتحدي الأكبر هو الاحتياجات المتغيرة للسوق بسرعة كبيرة، ويمكن أن تتغير لمجموعة متنوعة من التكيف السريع للتكنولوجيا مهم جدا من أجل السماح للشركات لتظل قادرة على المنافسة.
مزيد من توضيح Hitt عمق خوارزميات التعلم بمعدل سريع للتقدم المستمر، فإن العديد من الحلول الرائدة في عام 2017 واجه حتى الآن زوال مماثل. على الرغم من العديد من الآخرين لديها الآن قدرة أعلى، جنبا إلى جنب مع ارتفاع الحوسبة الطلب، الأجهزة لا تزال يجب تحديث الأجهزة بمعدل أسرع لتجنب الإزالة ، وقد تحتاج بعض الأجهزة إلى تحديثها أثناء الإنتاج ، كما يجب استرجاع العديد من التقنيات البديلة لتحديث الشريحة.
Hitt ملحق، FPGA المزايا الفريدة التي تشمل الحوسبة والهندسة المعمارية الذاكرة، وروابط لجوانب أخرى من عمق الأجهزة يمكن أن يكون الأمثل وحدة المعالجة المركزية وGPU مقارنة الأمثل لتحقيق أعلى أداء في انخفاض استهلاك الطاقة، في حين أن اثنين من السابق لا يمكن تحسين هندسة الأجهزة بسرعة للاحتياجات الجديدة المشتقة.
عملية الحافة ساحقة
تطبيقات AI تعتمد على عمليات مركز البيانات سحابة، وإن كانت هناك عالية جدا الحوسبة دعم السلطة، فمن عادة أعلى من حافة صحة الجهاز تحديد وفقا للنموذج مبسط من المنطق، ولكن بعد الأخذ بعين المخاوف المتعلقة بالخصوصية حساب، والاستجابة في الوقت الحقيقي على الانترنت والتكاليف والعوامل الأخرى استنتاجات مباشرة على حافة الجهاز، لا يزال خيارا جذابا للغاية. من ناحية أخرى، فإن البيانات سحابة حجم سوق مركز كبير من الجهاز الطرفي، هناك حافز اقتصادي قوي. وهذا هو أيضا العام الماضي AIoT يهتفون بشعارات صدمة السعر مرتفع جداً ، وشركات أشباه الموصلات الرئيسية تنتشر بشكل نشط.
وبالنظر إلى المستقبل ، ستظل تطبيقات AI المدعومة بالكامل من السحابة موجودة في السوق ، ولكن سيتم تخفيض هذه النسبة سنة بعد أخرى ، وبدلاً من ذلك ، سيتم استبدال بنية جديدة تجمع بين الحوسبة السحابية والحافة ، وبالنسبة لمطوري تطبيقات AI ، لا يمكن استبدال السحابة. تكمن القيمة في التدريب النموذجي ، وليس الاستدلال ، ولهذا السبب ، سواء كان مزود الحلول قادرًا على تحقيق التكامل السلس بين "السحابة" و "النهاية" لمطوري التطبيقات ، سيكون مطور التطبيقات. أهم الاعتبارات عند تقييم الموردين
سوف يحصل خريجو معهد ماساتشوستس للتكنولوجيا على دبلوم blockchain هذا الشهر
أخبار التكنولوجيا سينا بكين في 3 يونيو بعد ظهر اليوم الأخبار ، تسمح التكنولوجيا blockchain خريجي معهد ماساتشوستس للتكنولوجيا لإدارة مدينتهم الأكاديمية بشكل رقمي.
تعمل شركة Learning Machines ، وهي شركة برمجيات كامبريدج ، ومقرها Mass ، مع مختبر MIT Media ومكتب التسجيل ، ويمكن للطلاب اختيار تنزيل محافظ Blockchain وتخزينها بأمان ومشاركة شهاداتهم.
وفقًا لتقرير MIT Technology Review ، بعد النجاح المبدئي للمشروع التجريبي ، قررت MIT البدء بتقديم خدمات محفظة blockchain لجميع الخريجين الجدد هذا الشهر.
وقال فيليب شميت مدير ابتكار التعلم في المختبر الإعلامي "لا أعتقد أن السلطات المركزية يمكنها التحكم في سجلات التعلم للجميع بطريقة رقمية".
الغرض من إطلاق دبلوم شكل blockchain هو تمكين الطلاب من الحصول على أوراق اعتمادهم الأكاديمية في الوقت المناسب وبطريقة موثوق بها ، بحيث لا يضطر أرباب العمل المحتملين للاتصال بالمدرسة مرة أخرى للتأكد من صحة شهاداتهم.
الخريجين الجدد الذين يرغبون في الحصول على دبلوم رقمي يحتاجون فقط إلى تنزيل تطبيق واحد.
"قبل التخرج ، سيقوم معهد ماساتشوستس للتكنولوجيا بإرسال بريد إلكتروني للدعوة إلى الطالب. كتب البريد الإلكتروني - 'مرحبًا ، قم بتنزيل محفظة Blockcerts ، وقبول كلمة المرور وإضافة MIT كناشر'. 'Chris Jagers ، المدير التنفيذي ، آلة التعلم يقول "عندما يصدر معهد ماساتشوستس للتكنولوجيا دبلومًا ، يتلقى الطلاب بريدًا إلكترونيًا يحتوي على ملف رقمي يمكنهم استيراده مباشرة إلى التطبيق".