物聯(lián)網(wǎng)(IoT)正在慢慢改變我們收集數(shù)據(jù)和生活的方式。它還使日常用品可以與組織中的其他設(shè)備共享無線連接。這項技術(shù)正在打破所有工業(yè)領(lǐng)域的創(chuàng)新和概念。根據(jù)Analytics(分析)的數(shù)據(jù),就全球市場而言,物聯(lián)網(wǎng)的復合年增長率為10.6%。預計將從2019年的6,536億美元增加到2023年的1,008億美元。
物聯(lián)網(wǎng)傳感器通過互聯(lián)網(wǎng)上的設(shè)備連接積累大量數(shù)據(jù)。使用人工智能和機器學習工具來分析和評估這些數(shù)據(jù)。收集的傳感器數(shù)據(jù)可以是位置,聲音或濕度以及機器的不同測量值。一旦獲得了數(shù)據(jù)洞察力,就可以將它們用于比較,計算,預測和檢查現(xiàn)有數(shù)據(jù),并采取相應的后續(xù)行動。人工智能還有助于存儲由物聯(lián)網(wǎng)設(shè)備處理的大量數(shù)據(jù)。此外,人工智能和物聯(lián)網(wǎng)可以共同促進互連智能機器的發(fā)展,這些機器彼此共享信息并做出明智的決策,而無需任何人工干預。
為了解決這個問題,匹茲堡大學項目的研究人員提出應用人工智能來延長部署在物聯(lián)網(wǎng)中的傳感器的壽命。該系統(tǒng)將有助于減少物聯(lián)網(wǎng)傳感器的能耗,并緩解電池壽命問題。在這個項目中,研究人員使用搭載式傳感器,這種傳感器由從環(huán)境中獲取的能量驅(qū)動,來觸發(fā)主要的傳感器。背負式傳感器將無人值守運行,并且經(jīng)過訓練,使用人工智能算法,只在滿足特定事件條件時,才向主要設(shè)備發(fā)出開啟信號。
該研究的首席研究員、匹茲堡大學斯旺森工程學院電子與計算機工程副教授胡景通解釋說,利用環(huán)境獲取的能量運行人工智能算法的主要挑戰(zhàn)之一是,環(huán)境產(chǎn)生的能量是間歇性的。他補充說:“就像筆記本電腦一樣,如果傳感器斷電,你就會失去數(shù)據(jù),所以我們希望幫助人工智能算法做出準確的決定,即使是在間歇性斷電的情況下?!?br />
物聯(lián)網(wǎng)設(shè)備和傳感器正在變得越來越普遍。它們還通過幫助企業(yè)從終端設(shè)備創(chuàng)建連續(xù)的數(shù)據(jù)流,同時使用更少的能源、更少的浪費和更少的預算,從而最大限度地減少公司對數(shù)據(jù)科學家和分析師的依賴。然而,物聯(lián)網(wǎng)傳感器和設(shè)備只要是在電源下運行,就有資源可用。如果沒有固定的電源,它們就不能收集和傳輸數(shù)據(jù)。
根據(jù)國家科學基金會(NSF)網(wǎng)站上的博客文章,胡和他的團隊概述了三個任務,這將為基于能量收集技術(shù)的物聯(lián)網(wǎng)設(shè)備進行間歇性增量推理奠定基礎(chǔ)。這些是:
1.開發(fā)新穎的功率跟蹤感知壓縮,在線修剪和自適應算法,以確保在間歇供電的設(shè)備上高效部署多出口DNN。
2.開發(fā)新的多出口統(tǒng)計和增量神經(jīng)網(wǎng)絡(luò)(MESI-NN),以進一步減少等待時間并提高準確性和能效。
3.設(shè)計新的神經(jīng)體系結(jié)構(gòu)搜索算法,該算法可以自動搜索最佳的MESI-NN體系結(jié)構(gòu)。該項目將使用真實的系統(tǒng)和應用程序進行評估,例如圖像分類,關(guān)鍵字識別和活動識別。
該提案的主要目的是延長部署在偏遠地區(qū)的傳感器和設(shè)備的使用壽命,這將大大有利于各種消費者,商業(yè),科學和國家安全應用。
物聯(lián)網(wǎng)設(shè)備還用于監(jiān)視和預測自然災害。例如,傳感器技術(shù)目前用于觀察地球上一些最偏遠地區(qū)的活火山釋放的氣體。