多年來，技術在尺寸和成本上逐漸小型化，這導致了大量采用。從笨重、耗能的電腦，我們現(xiàn)在已經有了體積和功耗只有其一小部分的智能手表。雖然這些創(chuàng)新帶來了緊湊、便攜和高效的解決方案，但它們也催生了技術進步，如新興的納米技術領域。人工智能下一步將嵌入我們的生活，因為它將深深融入人類活動的所有領域。

對微型人工智能的需求

馬薩諸塞大學阿姆赫斯特分校進行的研究表明，訓練一個算法可能會產生普通汽車一生中五倍的二氧化碳排放量。一些語言處理算法處理3.4億個數(shù)據(jù)參數(shù)的龐大數(shù)據(jù)集，為了訓練它，成本、能源消耗和排放水平高得驚人。這種模型提供高度精確的結果，但是具有極端的能量和計算需求。

不斷追求人工智能模型的最高精度有時會造成近視，成本、運營效率、延遲都被忽視，所有這些都是以擴大碳足跡為代價的。也有一些工業(yè)用例，運行人工智能根本不可行。

AI如何變得微?。?/strong>

AI是一項突破性的技術，它試圖壓縮和收縮現(xiàn)有的AI模型，以降低它們的復雜性，使它們更加高效和快速，降低成本和能源需求。通過仔細的數(shù)據(jù)選擇、緊湊的模型架構和各種技術，如知識提取、量化和修剪，開發(fā)人員可以優(yōu)化和縮小原始人工智能模型，以消耗更少的處理能力和數(shù)據(jù)，而不影響準確性。

這導致復雜性和負載的大幅降低，使得在智能邊緣設備上本地運行而不是每次都將其發(fā)送到云成為可能。在邊緣，功率和處理要求要低得多，從而降低了成本和帶寬要求。云服務器上訓練和推理工作量的減少也提高了執(zhí)行速度。

來自華為和華中科技大學的Tiny AI研究人員成功地基于NLP模型BERT構建了Tiny BERT，該模型比母模型小7.5倍，但速度快9.4倍，能耗明顯更低。

盡管微小的人工智能也可以提供可持續(xù)發(fā)展的好處，但僅基于較小的人工智能模型和邊緣處理能力來實現(xiàn)大規(guī)模采用將是困難的。聯(lián)合學習、無電池物聯(lián)網(wǎng)傳感器和分散式網(wǎng)絡覆蓋是三項外部進步，將進一步擴大這項技術的采用并增強其可持續(xù)性。

商業(yè)利益

原則上，微小的人工智能已經存在于我們的智能手機生活中，基于人工智能的助手正在進行檢測和推理，不需要互聯(lián)網(wǎng)接入和強大的計算能力。一些組織已經啟動了一些應用，電力供應商通過檢測潛在的發(fā)生區(qū)域并采取預防措施，使用微型人工智能來防止野火。

微小的人工智能還可以實現(xiàn)以下功能:

可持續(xù)發(fā)展目標和環(huán)境證書: AI的碳足跡超過了航空業(yè)，隨著IOT設備數(shù)量的增加，這個問題將達到驚人的比例。通過制造更多的輕型模型，我們可以實現(xiàn)無與倫比的效率增益并提高采用率，而不會影響可持續(xù)發(fā)展目標。

智能和智能平臺: 微小的人工智能可以從根本上改變我們與許多設備的交互，以可承受的成本帶來強大的深度學習，以創(chuàng)建環(huán)境感知的消費設備。計算機視覺、語音助手、文本和語音處理、相機圖像處理、自動駕駛、制造、金融平臺、互聯(lián)醫(yī)療、工業(yè)4.0和智能物流等服務和技術不勝枚舉。由于較低的計算能力導致的成本降低將產生一波響應設備，對它們的需求將呈指數(shù)增長，導致它們迅速擴大規(guī)模。

對于高度管制和注重隱私的細分市場不可或缺: 云存儲的潛在低數(shù)據(jù)需求或無數(shù)據(jù)需求對于數(shù)據(jù)收集和存儲令人擔憂的行業(yè)來說將是一個福音。在邊緣設備中，模型針對邊緣環(huán)境進行個性化設置，關鍵個人數(shù)據(jù)不會離開設備。Tiny AI將對這一部分更具吸引力，因為它通過減少數(shù)據(jù)基礎設施和增強安全性來解決問題。

移動性、機器人和制造業(yè) :在成本效益、能源效率和超快速處理這三大支柱的推動下，這些行業(yè)將自然而然地適合質量檢查、預測性維護、警報、異常檢測等實施，使大量數(shù)字工作者能夠承擔多個方面的工作。

結論

在實施人工智能時，重要的是要意識到環(huán)境成本不會超過技術的感知和實際收益。為了適應未來的人工智能生態(tài)系統(tǒng)，我們需要更加關注可持續(xù)發(fā)展措施、降低培訓成本和實施。

企業(yè)領導層現(xiàn)在必須開始在人工智能的使用中嵌入可持續(xù)的實踐。有遠見的高管將會欣賞微型人工智能在邊緣上呈現(xiàn)的價值——因為它節(jié)省了資金和能源，同時提高了數(shù)據(jù)隱私和安全性。