2001：宇宙のオデッセイ、元マチナと私、ロボットは、サイエンスフィクションによって扱われた人工知能のいくつかの例です。私たちと対話した後、自分の存在を考え、対立が始まる思考する存在。熟考のための非常に興味深い作品であるにもかかわらず、 人工知能は意識とは関係のない現在のプログラミング分野です。それは現実であり、 Intel Movidiusは私たちが自由に使える開発用USBです。

私たちはそれをテストし、AIの筆運びと、Intelが提供するこの開発スティックの役割を説明します。この人工知能についてもっと知りたいですか？私たちの分析をお見逃しなく。

現在実装されている人工知能とは何ですか？

AI（人工知能）は、未来の文学や一部の学者によって、人間と同じように心理的に考えるコンピュータシステムの能力として説明されています。意識が何であるか、そしてそれがプログラムがそれを獲得できるという事実から何が派生するかについての考察は、本、映画、シリーズの想像の炉を養います。

しかし、他の学者、研究者、プログラマーの部門では、より具体的な用語で定義しています。 問題を解決するための構造化された能力として知性を理解する場合 、それはコンピュータプログラムとして理解するものに非常に近くなります。今日非常に話題になっている人工知能は、このタイプのものであり、 問題を解決し、彼らの経験でそれを行う方法を改善しようとするコンピュータープログラムです 。

人工知能が解決するものとその方法

私たちが話している人工知能が意識ではなく問題を解決するプログラムである場合、それを「従来のプログラミング」と区別するものは何ですか？

私たちと同じように、 さまざまなタイプのAIが、問題を解決するための最良の方法が見つかるまで数回試行して問題を解決しようとします 。学ぶために、プログラムは数学的に構造化されており、文字通りデータでトレーニングされています。問題に結果を与える方が良くなるたびに、より多くのデータで学習を続けると、解決策を探すアルゴリズムの向きが変わります。

Intel Movidius：私たちの手でAI開発

3Dや画像処理と同様に、 人工知能アルゴリズムは従来のCPUのロジックに対して非常に複雑であり、ハードウェアによって高速化できます 。 GPUハードウェアアクセラレーションは、製造元が利用できるようにした最初のステップでしたが、組み込み製品または統合製品は、80Wを消費する300ユーロのグラフィックスカードを搭載しません。

防犯カメラやドローンなどのアプリケーション、いわゆる組み込みシステムまたは統合システムでは、電子ボードの消費量とサイズを最小限にする必要があります 。同じことがスマートフォンにも当てはまり、スマートフォンはAIハードウェアアクセラレーションを備えたチップに追いやられています。

したがって、Intelなどのメーカーは、このタイプのアプリケーションに統合できるチップを開発して提供しています。 インテルMovidiusは、 人工知能を比較的強力で低消費電力の小さなチップ上で実行するソフトウェアおよびハードウェアプラットフォームです。 1Wを使用すると、顔認識やオブジェクトなどの画像処理タスクを100 GFlopsのパフォーマンスで実行できます。これは、GPUが提供するものよりも低い結果ですが、求められるAIタスクには十分であり、最終製品の電子設計に統合できます。

Intel Movidius：USBは統合されていますか？

アプリケーションによっては、電子設計を簡素化し、常にIntel Movidius USBを接続することができます。そうでない場合、もちろん、ほとんどの場合、そのときのMovidius USBは何ですか？

デバイス（スマートフォン、冷蔵庫、車、防犯カメラなど）を設計する場合、その最も重要な部分の1つは電子ボードです。電子機器とプログラミングをうまく組み合わせるには、両方のカテゴリを考慮して決定を行う必要があります。 PCBに展開するプロセッサとドライバを選択するとき、加速することで物事を容易にするチップを選択することが重要です。

そのため、 インテルは、デバイスメーカーが自社製品のボードに統合する数百万のMovidius チップ を販売し、開発者が安価でアクセス可能な方法で独自のプラットフォーム用にトレーニングおよびプログラミングできるMovidius USBを販売したいと考えています。技術チームは、最もアクセスしやすく堅牢なチップとソフトウェアを選択します。Movidiusスティックは、最終製品の電子ボードをまだ作成せずにAI開発を可能にします。その後、これらの企業が自社製品のチップを購入することを保証します。

Intel Movidiusで実行できる統合AIの例

特定のエリアのlynxの個体数を測定しようとするフォレストカメラを設計する場合、人工知能は、誰かと接続する前に、同じカメラで偵察を実行し、「lynxを見たことがある」という簡単なメッセージを送信します画像を送信する代わりに、サーバーが人工知能を実行します。

これにより、非常に単純なメッセージを使用できるため、 帯域幅と接続コストを節約できます。また、サーバーははるかにシンプルになる可能性があり、クラウドコンピューティングではなくフォグコンピューティングを実行し ます。サーバーを私たちの施設に保管する代わりに、AmazonまたはGoogleにサーバーのコンピューティングリソースを使用するように支払っている場合、「lynxを見た」というメッセージの記録を保持するだけのコストは 、 大量の受信よりはるかに少ないです。画像形式のデータ、AIを介してそれらを処理し、すべてサーバー上にレジストリを持っています 。私たちは定期的に数千ユーロについて話します。

私たちは試しました

インテルが提供するAIプログラムを使用して、いくつかのテストを既にコンパイルしています。これらのプログラムはTensorflowを使用してコーディングされ、さまざまなオブジェクトの多くの写真でトレーニングされています。プログラムを実行して、自分が貼った写真を探すように指示すると、 0から1の確率で、トレーニングしたカテゴリのオブジェクトであることがわかります 。

AIが確率論的な方法で機能し、データを通じてトレーニングされていることがわかります。インテルが提供する例は非常に印象的です。なぜなら、1001のカテゴリーの中で私たちが提供する写真の90％を超える信頼水準でヒットするからです。