(相關(guān)資料圖)

智能設(shè)備變得越來越智能，對(duì)硬件的要求也越來越高。我們?nèi)绾未_保這些設(shè)備與保持其正常運(yùn)行所需的人工智能兼容，而無需增加硬件容量?這就是NesmaRezk博士。計(jì)算機(jī)科學(xué)與工程專業(yè)，一直在研究她的論文。

NesmaRezk的論文是關(guān)于在嵌入式平臺(tái)上實(shí)施深度學(xué)習(xí)應(yīng)用程序，嵌入式平臺(tái)是具有專用功能的任何類型的計(jì)算機(jī)系統(tǒng)，例如智能手表或自動(dòng)駕駛汽車。深度學(xué)習(xí)是一種人工智能(AI)技術(shù)，可以教會(huì)計(jì)算機(jī)通過示例進(jìn)行學(xué)習(xí)。例如，這項(xiàng)技術(shù)使無人駕駛汽車能夠識(shí)別不同的交通標(biāo)志，這項(xiàng)技術(shù)可以在從智能家居設(shè)備到醫(yī)療保健儀器的所有事物中找到。

“這項(xiàng)技術(shù)提出了關(guān)于如何使用這些實(shí)現(xiàn)、確保它們的效率以及應(yīng)對(duì)深度學(xué)習(xí)算法的技術(shù)進(jìn)步的問題，這些算法正在不斷發(fā)展變得更加智能，”Rezk說。

在日常生活中啟用人工智能

盡管有先進(jìn)的硬件平臺(tái)提供強(qiáng)大的性能，但深度學(xué)習(xí)模型對(duì)硬件計(jì)算和內(nèi)存資源的高要求仍然是一個(gè)挑戰(zhàn)——如果硬件和模型不夠兼容，這可能會(huì)限制最終實(shí)現(xiàn)的效率.

Rezk驚訝地發(fā)現(xiàn)，在許多情況下，可以將深度學(xué)習(xí)模型壓縮到其原始大小的四分之一以下，并且模型仍然可以正常運(yùn)行。

“深度學(xué)習(xí)應(yīng)用程序不應(yīng)該直接部署到嵌入式系統(tǒng)。應(yīng)該首先應(yīng)用稱為算法優(yōu)化的先驗(yàn)步驟。算法優(yōu)化是降低深度學(xué)習(xí)應(yīng)用程序要求的方法，可以在資源有限的平臺(tái)上運(yùn)行它們，同時(shí)保持它們運(yùn)行正常，”她解釋道。

Rezk相信她的研究可以成為深度學(xué)習(xí)與我們?nèi)粘Ｉ钪g聯(lián)系的一部分。

“通過在嵌入式平臺(tái)上實(shí)現(xiàn)深度學(xué)習(xí)應(yīng)用，并使這種實(shí)現(xiàn)變得高效、快速和穩(wěn)健，我們可以將AI融入我們?nèi)粘Ｉ畹姆椒矫婷妫彼f。

關(guān)鍵詞： 應(yīng)用程序 人工智能 正常運(yùn)行