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。它還使日常用品能夠與組織內(nèi)的其他設(shè)備共享無(wú)線(xiàn)連接。這項(xiàng)技術(shù)正在打破所有工業(yè)領(lǐng)域的創(chuàng)新和概念。據(jù)AnalyticsInsight預(yù)測(cè)，就全球市場(chǎng)而言，物聯(lián)網(wǎng)的復(fù)合年增長(zhǎng)率為10．6%。預(yù)計(jì)將從2019年的6536億美元擴(kuò)大到2023年的10804億美元。

物聯(lián)網(wǎng)傳感器通過(guò)互聯(lián)網(wǎng)通過(guò)設(shè)備連接積累大量數(shù)據(jù)。使用人工智能和機(jī)器學(xué)習(xí)工具對(duì)這些數(shù)據(jù)進(jìn)行分析和評(píng)估。收集的傳感器數(shù)據(jù)可以是位置、聲音或濕度以及機(jī)器的不同測(cè)量值。一旦獲得數(shù)據(jù)見(jiàn)解，就可以用來(lái)與現(xiàn)有數(shù)據(jù)進(jìn)行比較、計(jì)算、預(yù)測(cè)和核對(duì)，并采取相應(yīng)的后續(xù)行動(dòng)。人工智能還幫助存儲(chǔ)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)可以共同推動(dòng)互聯(lián)智能機(jī)器的發(fā)展，這些機(jī)器相互共享信息，在沒(méi)有任何人為干預(yù)的情況下做出明智的決策。

物聯(lián)網(wǎng)設(shè)備和傳感器正在變得越來(lái)越普遍。它們還通過(guò)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(shí)使用更少的能源、更少的浪費(fèi)和更少的預(yù)算，從而最大限度地減少公司對(duì)數(shù)據(jù)科學(xué)家和分析師的依賴(lài)。然而，物聯(lián)網(wǎng)傳感器和設(shè)備只要是在電源下運(yùn)行，就有資源可用。如果沒(méi)有固定的電源，它們就不能收集和傳輸數(shù)據(jù)。

為了解決這個(gè)問(wèn)題，匹茲堡大學(xué)項(xiàng)目的研究人員提出應(yīng)用人工智能來(lái)延長(zhǎng)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(wèn)題。在這個(gè)項(xiàng)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(dòng)，來(lái)觸發(fā)主要的傳感器。背負(fù)式傳感器將無(wú)人值守運(yùn)行，并且經(jīng)過(guò)訓(xùn)練，使用人工智能算法，只在滿(mǎn)足特定事件條件時(shí)，才向主要設(shè)備發(fā)出開(kāi)啟信號(hào)。

該研究的首席研究員、匹茲堡大學(xué)斯旺森工程學(xué)院電子與計(jì)算機(jī)工程副教授胡景通解釋說(shuō)，利用環(huán)境獲取的能量運(yùn)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(bǔ)充說(shuō)：“就像筆記本電腦一樣，如果傳感器斷電，你就會(huì)失去數(shù)據(jù)，所以我們希望幫助人工智能算法做出準(zhǔn)確的決定，即使是在間歇性斷電的情況下。”

胡教授和他的團(tuán)隊(duì)計(jì)劃開(kāi)發(fā)一種方法，通過(guò)利用太陽(yáng)能、熱能或風(fēng)能等環(huán)境中的能源收集技術(shù)來(lái)節(jié)省遙感設(shè)備的電力。然后，他們將增加一個(gè)第二個(gè)小傳感器，可以觸發(fā)一個(gè)更堅(jiān)固的設(shè)備，從而節(jié)省能源，并允許用戶(hù)更頻繁地更換電池。較小的傳感器應(yīng)由從環(huán)境中獲取的能量供電。這個(gè)較小的傳感器將在無(wú)人值守的情況下運(yùn)行，在人工智能的幫助下，它可以被訓(xùn)練成識(shí)別模式，并向較大的設(shè)備發(fā)出信號(hào)，以便在特定事件中開(kāi)啟;從而起到看門(mén)狗的作用。

根據(jù)國(guó)家科學(xué)基金會(huì)（NSF）網(wǎng)站上的博客文章，胡和他的團(tuán)隊(duì)概述了三個(gè)任務(wù)，這將為基于能量收集技術(shù)的物聯(lián)網(wǎng)設(shè)備進(jìn)行間歇性增量推理奠定基礎(chǔ)。這些是：

1．開(kāi)發(fā)新穎的功率跟蹤感知壓縮，在線(xiàn)修剪和自適應(yīng)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(kāi)發(fā)新的多出口統(tǒng)計(jì)和增量神經(jīng)網(wǎng)絡(luò)（MESI-NN），以進(jìn)一步減少等待時(shí)間并提高準(zhǔn)確性和能效。

3．設(shè)計(jì)新的神經(jīng)體系結(jié)構(gòu)搜索算法，該算法可以自動(dòng)搜索最佳的MESI-NN體系結(jié)構(gòu)。該項(xiàng)目將使用真實(shí)的系統(tǒng)和應(yīng)用程序進(jìn)行評(píng)估，例如圖像分類(lèi)，關(guān)鍵字識(shí)別和活動(dòng)識(shí)別。

這項(xiàng)提案的主要目標(biāo)是延長(zhǎng)部署在偏遠(yuǎn)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(fèi)者、商業(yè)、科學(xué)和國(guó)家安全應(yīng)用。物聯(lián)網(wǎng)設(shè)備也用于監(jiān)測(cè)和預(yù)測(cè)自然災(zāi)害。例如：傳感器技術(shù)目前被用于觀(guān)測(cè)地球上一些最偏遠(yuǎn)地區(qū)的活火山所釋放的氣體。

責(zé)任編輯：gt