בינה מלאכותית ולמידת מכונה בדרך כלל פועלות בצורה הטובה ביותר עם הרבה כוחות סוס מאחוריהם כדי למחוק את הנתונים, לחשב אפשרויות ולהמציא באופן מיידי פתרונות טובים יותר.

זו הסיבה שרוב מערכות הבינה המלאכותית מסתמכות על חיישנים מקומיים כדי לאסוף קלט, בעוד שחומרה חזקה יותר בענן מנהלת את כל ההרמה הכבדה של הפלט. כך פועלות סירי ואמזון אלקסה של אפל, וכיצד IBM ווטסון יכולה להתמודד באופן וירטואליכל משימה מרכזית. עם זאת, זוהי גישה מגבילה בכל הנוגע להפיכת האינטרנט של הדברים החכם יותר ויישום אינטליגנציה כאשר אין קישוריות לאינטרנט.

ראה גם:

"הפרדיגמה השלטת היא שהמכשירים האלה מטומטמים", אמר חוקר בכיר ב-Microsoft Research India, Manik Varma.

כעת, הצוות של Varma בהודו וחוקרי מיקרוסופט ברדמונד, וושינגטון, (הפרויקט כולו מובל על ידי החוקר הראשי עופר דקל) הבינו כיצד לדחוס רשתות עצביות, הסינפסות של Machine Learning, מ-32 סיביות עד, לפעמים, סיביות בודדות והפעל אותם על $10Raspberry Pi, מחשב בעל עוצמה נמוכה בגודל כרטיס אשראי עם קומץ יציאות וללא מסך. זה בעצם רק לוח אם בקוד פתוח שניתן לפרוס בכל מקום. החברה הודיעה על המחקר ב-aפוסט בבלוגביום חמישי.

העבודה של מיקרוסופט היא חלק ממגמה גוברת של התקרבות למידת המכונה למכשירים ולמשתמשי קצה.

מוקדם יותר החודש בשעה הוא שנתיכנס מפתחים עולמי, הכריזה אפל על ממשקי API חדשים של Machine Learning (Vision ו-Natural Language) המאפשרים למפתחים להוסיף אינטליגנציה מבוססת למידת מכונה לאפליקציות שלהם עם כמה שורות קוד בלבד. הם גם חשפו את Core ML עבור מפתחים הבקיאים יותר ב-AI כדי לנצל את מלוא היתרונות של כל יכולות ההסקה הזמינות בחומרה המקומית. המודל של אפל גורם למפתחים לאמן את אלגוריתמי ה- Machine Learning שלהם בספריות שאפל מספקת. לאחר מכן, המערכת ממירה את הקוד להפעלת ה-AI באופן מקומי.

ברור שבמקרה של אפל, החומרה הזו נמצאת באייפון של 700 דולר והמעבד הרבה הרבה יותר חזק מכל דבר שנמצא ב-Raspberry Pi. ובכל זאת, המגמה ברורה. חברות אלה מקרבות את המודיעין לחומרה המקומית, ובמידת האפשר, מסתמכות פחות על גישה מתמדת למאגרי מידע ומודיעין מסיביים בענן.

"אם אתה נוסע בכביש מהיר ואין שם קישוריות, אתה לא רוצה שהשתל [AI] יפסיק לעבוד", אמר ורמה בפוסט בבלוג. "למעשה, זה המקום שבו אתה באמת צריך את זה הכי הרבה."

זו גישה שתהיה הגיונית למשימות קטנות יותר מבוססות חיישנים שיכולות ללמוד לפי מיקום, כוונה, פעולה אחרונה ונתוני המכשיר. בטווח הקרוב, זה לא יהיה פתרון, למשל, להמציאטיפולים חדשים בסרטן(אחד מתחומי העניין של ווטסון AI של יבמ).

באשר למיקרוסופט, פריצת הדרך הזו של Raspberry Pi היא פשוט שלב ראשון במסע לדחיסת רשתות עצביות עד כדי כך שהן יכולות לפעול על בקר מיקרו בגודל פירורי לחם. כדי להגיע לשם, מודלים של למידת מכונה צריכים להיות, לפי מיקרוסופט, קטנים פי 10,000. זו בעיה שהצוות עדיין עובד עליה.

בינתיים, מיקרוסופט פרסמה תצוגה מקדימה של אלגוריתמי הלמידה וההדרכה בגודל Raspberry Pi ב-GitHubשבו מפתחים יוזמים יכולים לנסות אותם, ואולי לפרוס אותם על Raspberry Pi 3 ו-Raspberry Pi Zero.

בסופו של דבר, זה עוד חלק מהצמיחה של מיקרוסופטאינטליגנטי אדג'אסטרטגיה, שמנכ"לית מיקרוסופט, Satya Nadella, תיארה מוקדם יותר השנה בכנס מפתחי Microsoft Build. מיקרוסופט מקווה לראות את המיקרו-מעבדים הזעירים בעלי יכולת הבינה המלאכותית פרוסים בכל דבר, החל מהמשרדים שלנו ועד לבגדים שאנו לובשים.

עבור ורמה, הלוקה בראייה, המחקר הוא קצת יותר אישי. הצוות שלו כבר מפתח אב טיפוס מקל הליכה אינטליגנטי כדי להציג את המחקר שלהם.

סרטון קשור: רובוטים משתלטים על מוזיאון התעשייה והמדע בשיקגו