同道智庫 2024-01-08 16：54 發表於北京.
自然語言模型的一種新方法正在擴充套件人工智慧在邊緣計算中的應用。 自然語言模型使用的創新將人工智慧帶入了可以部署在現場的感測器，包括無人機。
據《科學與技術》雜誌1月7日報道，美國洛斯阿拉莫斯國家實驗室正在探索人工智慧技術，以定位和表徵排放氣候變暖甲烷的廢棄油氣井。
先進的人工智慧 （AI） 技術可以使用放置在現場的最小數量的感測器重建廣泛的資料集，例如海洋總溫度。 這種方法利用節能的“邊緣”計算，在工業、科學研究和醫療保健等各個領域提供廣泛的潛在用途。
“我們開發了一種神經網路，使我們能夠以非常緊湊的方式表示大型系統，”阿拉莫斯國家實驗室的研究人員說。 這種緊湊性意味著它比最先進的卷積神經網路架構需要更少的計算資源，使其成為無人機、感測器陣列和其他邊緣計算應用的現場部署的理想選擇，使計算更接近使用終點。 ”
新穎的 AI 方法提高了計算效率。 J**ier Santos 的研究工作建立在谷歌開發的名為 Perceiver IO 的人工智慧模型之上，將 ChatGPT 等自然語言模型的技術應用於從相對較少的測量中重建有關海洋等廣闊區域資訊的問題。
J**ier Santos 的團隊意識到，由於其高效率，該模型具有廣泛的應用範圍。 桑托斯和他的洛斯阿拉莫斯同事首次驗證了該模型，證明了它對現實世界稀疏資料集（即從僅覆蓋感興趣區域一小部分的感測器獲得的資訊）和複雜資料集的有效性。
為了證明senseiver在現實世界中的效用，該團隊將該模型應用於美國國家海洋和大氣管理局的海面溫度資料集。 該模型能夠整合幾十年來從衛星和機載感測器獲得的大量測量結果。 基於這些稀疏點測量，該模型可以**整個海洋的溫度，為全球氣候模型提供有用的資訊。
阿拉莫斯國家實驗室的Hari Viswanathan說：“阿拉莫斯具有廣泛的遙感能力，但使用人工智慧並不容易，因為該模型對於現場裝置來說太大了，這導致我們轉向邊緣計算。 ”
該方法為大規模實際應用提供了改進的功能，例如自動駕駛汽車、石油和天然氣資產的遠端建模、患者的醫療監測、雲遊戲、內容交付和汙染物跟蹤。