Potężne algorytmy wizji komputerowej są teraz wystarczająco małe, aby działać na Twoim telefonie

Kategoria: Sztuczna inteligencja Opublikowany 11 października

Naukowcy zmniejszyli najnowocześniejsze modele widzenia komputerowego, aby działały na urządzeniach o niskim poborze mocy.

Rosnące bóle: Rozpoznawanie wizualne to najsilniejsza umiejętność uczenia głębokiego. Komputerowe algorytmy wizyjne analizują obrazy medyczne, umożliwiają autonomiczne samochody i wspomagają rozpoznawanie twarzy. Jednak modele szkoleniowe do rozpoznawania działań w filmach są coraz droższe. Wzbudziło to obawy dotyczące śladu węglowego tej technologii i jej coraz większej niedostępności w środowiskach o niskich zasobach.

Badanie: Naukowcy z MIT-IBM Watson AI Lab mają teraz opracował nową technikę do trenowania modeli rozpoznawania wideo na telefonie lub innym urządzeniu o bardzo ograniczonej wydajności przetwarzania. Zazwyczaj algorytm przetwarza wideo, dzieląc go na klatki obrazu i uruchamiając algorytmy rozpoznawania na każdej z nich. Następnie łączy czynności pokazane na filmie, obserwując, jak obiekty zmieniają się w kolejnych klatkach. Metoda wymaga od algorytmu zapamiętania tego, co widział w każdej klatce i kolejności, w jakiej to widział. Jest to niepotrzebnie nieefektywne.

W nowym podejściu algorytm zamiast tego wyodrębnia podstawowe szkice obiektów w każdej klatce i nakłada je na siebie. Zamiast pamiętać, co się stało i kiedy, algorytm może odnieść wrażenie upływu czasu, obserwując, jak obiekty poruszają się w przestrzeni na szkicach. Podczas testów naukowcy odkryli, że nowe podejście wytrenowało modele rozpoznawania wideo trzy razy szybciej niż obecnie. Był też w stanie szybko klasyfikuj gesty rąk z małym komputerem i aparatem działającym tylko na tyle energii, aby zasilić światło roweru.

Dlaczego jest to ważne: Nowa technika może pomóc w zmniejszeniu opóźnień i kosztów obliczeń w istniejących komercyjnych zastosowaniach widzenia komputerowego. Może na przykład zwiększyć bezpieczeństwo samojeżdżących samochodów, przyspieszając ich reakcję na nadchodzące informacje wizualne. Technika ta może również odblokować nowe aplikacje, które wcześniej nie były możliwe, na przykład poprzez umożliwienie telefonom pomocy w diagnozowaniu pacjentów lub analizie obrazów medycznych.

Rozproszona sztuczna inteligencja: W miarę jak coraz więcej badań nad sztuczną inteligencją przekłada się na aplikacje, zapotrzebowanie na mniejsze modele będzie wzrastać. Papier MIT-IBM wpisuje się w rosnącą tendencję do zmniejszania najnowocześniejszych modeli do bardziej poręcznych rozmiarów.

Aby więcej takich historii trafiało bezpośrednio do Twojej skrzynki odbiorczej, zapisz się do naszego nominowanego przez Webby biuletynu AI The Algorithm. Jest wolne.