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的其他設備共享無線連接。這項技術正在打破所有工業(yè)領域的創(chuàng)新和概念。據(jù)AnalyticsInsight預測，就全球市場而言，物聯(lián)網(wǎng)的復合年增長率為10．6%。預計將從2019年的6536億美元擴大到2023年的10804億美元。

物聯(lián)網(wǎng)傳感器通過互聯(lián)網(wǎng)通過設備連接積累大量數(shù)據(jù)。使用人工智能和機器學習工具對這些數(shù)據(jù)進行分析和評估。收集的傳感器數(shù)據(jù)可以是位置、聲音或濕度以及機器的不同測量值。一旦獲得數(shù)據(jù)見解，就可以用來與現(xiàn)有數(shù)據(jù)進行比較、計算、預測和核對，并采取相應的后續(xù)行動。人工智能還幫助存儲物聯(lián)網(wǎng)設備處理的大量數(shù)據(jù)。此外，人工智能和物聯(lián)網(wǎng)可以共同推動互聯(lián)智能機器的發(fā)展，這些機器相互共享信息，在沒有任何人為干預的情況下做出明智的決策。

物聯(lián)網(wǎng)設備和傳感器正在變得越來越普遍。它們還通過幫助企業(yè)從終端設備創(chuàng)建連續(xù)的數(shù)據(jù)流，同時使用更少的能源、更少的浪費和更少的預算，從而最大限度地減少公司對數(shù)據(jù)科學家和分析師的依賴。然而，物聯(lián)網(wǎng)傳感器和設備只要是在電源下運行，就有資源可用。如果沒有固定的電源，它們就不能收集和傳輸數(shù)據(jù)。

為了解決這個問題，匹茲堡大學項目的研究人員提出應用人工智能來延長部署在物聯(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，并緩解電池壽命問題。在這個項目中，研究人員使用搭載式傳感器，這種傳感器由從環(huán)境中獲取的能量驅動，來觸發(fā)主要的傳感器。背負式傳感器將無人值守運行，并且經(jīng)過訓練，使用人工智能算法，只在滿足特定事件條件時，才向主要設備發(fā)出開啟信號。

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

胡教授和他的團隊計劃開發(fā)一種方法，通過利用太陽能、熱能或風能等環(huán)境中的能源收集技術來節(jié)省遙感設備的電力。然后，他們將增加一個第二個小傳感器，可以觸發(fā)一個更堅固的設備，從而節(jié)省能源，并允許用戶更頻繁地更換電池。較小的傳感器應由從環(huán)境中獲取的能量供電。這個較小的傳感器將在無人值守的情況下運行，在人工智能的幫助下，它可以被訓練成識別模式，并向較大的設備發(fā)出信號，以便在特定事件中開啟;從而起到看門狗的作用。

根據(jù)國家科學基金會（NSF）網(wǎng)站上的博客文章，胡和他的團隊概述了三個任務，這將為基于能量收集技術的物聯(lián)網(wǎng)設備進行間歇性增量推理奠定基礎。這些是：

1．開發(fā)新穎的功率跟蹤感知壓縮，在線修剪和自適應算法，以確保在間歇供電的設備上高效部署多出口DNN。

2．開發(fā)新的多出口統(tǒng)計和增量神經(jīng)網(wǎng)絡（MESI-NN），以進一步減少等待時間并提高準確性和能效。

3．設計新的神經(jīng)體系結構搜索算法，該算法可以自動搜索最佳的MESI-NN體系結構。該項目將使用真實的系統(tǒng)和應用程序進行評估，例如圖像分類，關鍵字識別和活動識別。

這項提案的主要目標是延長部署在偏遠地區(qū)的傳感器和設備的使用壽命，這將大大有利于各種消費者、商業(yè)、科學和國家安全應用。物聯(lián)網(wǎng)設備也用于監(jiān)測和預測自然災害。例如：傳感器技術目前被用于觀測地球上一些最偏遠地區(qū)的活火山所釋放的氣體。

責任編輯：gt