同道智库 2024-01-08 16：54 发表于北京.
自然语言模型的一种新方法正在扩展人工智能在边缘计算中的应用。 自然语言模型使用的创新将人工智能带入了可以部署在现场的传感器，包括无人机。
据《科学与技术》杂志1月7日报道，美国洛斯阿拉莫斯国家实验室正在探索人工智能技术，以定位和表征排放气候变暖甲烷的废弃油气井。
先进的人工智能 （AI） 技术可以使用放置在现场的最小数量的传感器重建广泛的数据集，例如海洋总温度。 这种方法利用节能的“边缘”计算，在工业、科学研究和医疗保健等各个领域提供广泛的潜在用途。
“我们开发了一种神经网络，使我们能够以非常紧凑的方式表示大型系统，”阿拉莫斯国家实验室的研究人员说。 这种紧凑性意味着它比最先进的卷积神经网络架构需要更少的计算资源，使其成为无人机、传感器阵列和其他边缘计算应用的现场部署的理想选择，使计算更接近使用终点。 ”
新颖的 AI 方法提高了计算效率。 J**ier Santos 的研究工作建立在谷歌开发的名为 Perceiver IO 的人工智能模型之上，将 ChatGPT 等自然语言模型的技术应用于从相对较少的测量中重建有关海洋等广阔区域信息的问题。
J**ier Santos 的团队意识到，由于其高效率，该模型具有广泛的应用范围。 桑托斯和他的洛斯阿拉莫斯同事首次验证了该模型，证明了它对现实世界稀疏数据集（即从仅覆盖感兴趣区域一小部分的传感器获得的信息）和复杂数据集的有效性。
为了证明senseiver在现实世界中的效用，该团队将该模型应用于美国国家海洋和大气管理局的海面温度数据集。 该模型能够集成几十年来从卫星和机载传感器获得的大量测量结果。 基于这些稀疏点测量，该模型可以**整个海洋的温度，为全球气候模型提供有用的信息。
阿拉莫斯国家实验室的Hari Viswanathan说：“阿拉莫斯具有广泛的遥感能力，但使用人工智能并不容易，因为该模型对于现场设备来说太大了，这导致我们转向边缘计算。 ”
该方法为大规模实际应用提供了改进的功能，例如自动驾驶汽车、石油和天然气资产的远程建模、患者的医疗监测、云游戏、内容交付和污染物跟踪。