科技博客|新闻博客 - 国内最强大的博客网站 » 必威体育 » 用“小人工智能”解决人工智能的“大”忧

用“小人工智能”解决人工智能的“大”忧

200548268.jpg

人工智能正在不断发展,其反算功耗也惊人。统计显示,谷歌开发的伯特预训练语言模型有3.4亿个数据参数,一次训练所需的电力足够一个美国家庭使用50天。

人工智能承载着人类未来的伟大梦想、可能性和挑战,多年来取得了巨大的进步。与之互补的是日益“庞大”的人工智能体系结构系统,如大型云计算的数字化和虚拟化过程,通常有数十亿个计算单元。但是微观人工智能首先是互联网、虚拟化,然后是终端。“以伯特为例。Burt是由高级研究科学家JacobDevlin和他的团队开发的预训练语言模型(PLM)。它能理解单词和上下文,并能为写作或独立完成句子提供建议。《麻省理工科技评论》报告了网络延迟的减少,但是需要快速响应的应用,例如工业控制、自动驾驶和航空航天,都需要人工智能算法的本地部署。他认为未来的商业形式应该是来自终端的简单快速的反馈和来自服务器的重大决策。

在2019年底的琥珀大会上,一些人工智能初创公司推出了“TinyAI”。公司将低功耗、小体积的NPU与单片机集成,适应市场上各种主流的2D/3D传感器,满足2D/3D图像、语音等人工智能解决方案的识别要求,引起了业界的关注。此外,英伟达(NVIDIA)和华为(Huawei)等公司也相继推出了体积小、功耗低、能够满足简单算法的终端图形处理器。

初始阶段技术预期宽松的开发环境

微人工智能仍处于开发的初始阶段。这个领域的安全、伦理、隐私等问题也引起了人们的关注。

秦之良有两个担忧。首先,算法歧视可能会激增。他说,算法识别难以解决的原因在于算法的可解释性和训练数据之间的不平衡。与传统的云训练相比,微型人工智能的训练数据集样本较少,数据分布可能更偏向。另一个隐患是数据伪造的影响。以生成对抗网络为代表的视频图像技术和深度伪造技术一直是人工智能算法研究的重点。随着这些技术的普及,未来的客户很可能会收到或生成大量的虚拟伪造数据。微型人工智能受到计算能力的限制。分散式网络架构的网络侧的控制能力将会降低,政府的控制风险将会增加。然而,技术有两个方面。于建刚分析说,虽然存在这些风险,但人工智能控制技术也在发展。我们应该相信微观人工智能的积极作用,不应该在技术的早期阶段限制太多的规则。

相关文章