人工智能使智能應用更快更高效

薩斯喀徹溫大學(USask)的一種新的人工智能計算機 模型有望使“智能”應用程序(如亞馬遜，蘋果和Google的虛擬助手)更安全，更快和更節能。

面部識別，天氣預報，虛擬助手和語言翻譯等“智能”服務依賴于稱為“深度學習”的人工智能(AI)技術來預測用戶模式。

但是這些AI流程通常需要太多的存儲空間才能在移動設備上本地運行，因此數據通過Internet發送到外部服務器，這需要大量的電源，會耗盡手機電池的電量，并可能增加用戶的隱私風險。

“我的方法在較小的“塊”中分解了AI的計算過程，這有助于在電話上本地運行“智能”應用程序，而不是依賴外部服務器，同時降低了功耗，”美國電子與計算機公司的張浩說。工程博士后。

“這項研究可能會導致不同的方式來設計的應用程序和操作系統為我們的數字設備，如平板電腦，手機和電腦。”

Zhang進行了精確的仿真，將他的AI模型與當前電話系統上使用的AI模型進行比較，發現他的AI模型可以比當前市場上的設備更有效地同時運行多個應用。他的模型執行速度提高了20%(在某些情況下是兩倍)，并顯示電池壽命可以延長一倍。結果發表在《IEEE Transactions on Computers》雜志上。

Zhang發現AI流程可以使用長度可變的較小四位序列有效地處理數據，因此他使用這些較短的“位塊”構建了模型。當前設備使用固定的32位序列來更精確地處理數據。結果，電話或計算機不那么快，并且需要更多的存儲空間來存儲數據。

USask電氣和計算機工程學教授，Zhang的主管Seok-Bum Ko說：“處理數據并不總是需要大的位序列。” “縮短序列可用于節省功率并提高速度性能，但仍可以保證應用程序正常運行。”

盡管結果令人鼓舞，但Zhang和Ko正在努力將其AI模型與大型計算機和電話系統集成，并測試該模型在現實世界中的處理器中將如何工作。

Ko說：“如果我們的研究進展順利，我們可能會在三到四年內將模型與應用程序和系統集成在一起。”

由聯邦機構NSERC資助研究的Zhang認為，USask是攻讀博士學位的合適之地。學習深度學習的學位。作為城市大學的碩士生，他在Koa的監督下在USask進行交流實習期間經歷了改變人生的經歷。

他說：“兩所大學之間有著良好的研究合作關系，在這里的實習經驗非常好。” “我們在USask擁有良好的研究設備，可以支持我進行大量實驗并研究許多研究主題，尤其是深度學習。”