砺道智库 2024-01-08 16:54 发表于北京

一种采用自然语言模型的新方法 正在扩展边缘计算中的人工智能应用。使用自然语言模型的创新将人工智能引入了可现场部署的传感器，包括无人机。

据科技日报 1 月 7 日报道，美国洛斯阿拉莫斯国家实验室 正在探索人工智能技术，以定位和描述排放导致气候变暖的甲烷的废弃油气井。

先进的人工智能 (AI) 技术可以使用现场放置的最少数量的传感器来重建广泛的数据集，例如海洋总温度。该方法利用节能的“边缘”计算，在工业、科学研究和医疗保健等各个领域提供广泛的潜在用途。

阿拉莫斯国家实验室的研究员称，“我们开发了一种神经网络，使我们能够以非常紧凑的方式表示大型系统。这种紧凑性意味着与最先进的卷积神经网络架构相比，它需要更少的计算资源，使其非常适合无人机、传感器阵列和其他边缘计算应用程序的现场部署，使计算更接近终点使用。”

新颖的人工智能方法提高计算效率。Javier Santos 的研究工作建立在谷歌开发的名为 Perceiver IO 的人工智能模型之上，将 ChatGPT 等自然语言模型的技术应用于从相对较少的测量中重建有关广阔区域（例如海洋）的信息的问题。

Javier Santos的团队意识到该模型因其高效而具有广泛的应用前景。桑托斯和他的洛斯阿拉莫斯同事首次验证了该模型，证明了该模型对真实世界的稀疏数据集（即从仅覆盖感兴趣领域的一小部分的传感器获取的信息）和复杂数据集的有效性。

在演示 Senseiver 的现实世界实用性时，该团队将该模型应用于国家海洋和大气管理局的海面温度数据集。该模型能够整合数十年来从卫星和船上传感器获得的大量测量结果。根据这些稀疏点测量，该模型可以预测整个海洋的温度，这为全球气候模型提供了有用的信息。

阿拉莫斯国家实验室的哈里·维斯瓦纳坦 (Hari Viswanathan) 表示：“阿拉莫斯拥有广泛的遥感能力，但使用人工智能并不容易，因为模型太大，不适合现场设备，这导致我们转向边缘计算。”

该方法为大型实际应用提供了改进的功能，例如自动驾驶汽车、石油和天然气资产的远程建模、患者的医疗监测、云游戏、内容交付和污染物追踪。