(相關資料圖)
智能設備變得越來越智能，對硬件的要求也越來越高。我們如何確保這些設備與保持其正常運行所需的人工智能兼容，而無需增加硬件容量?這就是NesmaRezk博士。計算機科學與工程專業，一直在研究她的論文。
NesmaRezk的論文是關于在嵌入式平臺上實施深度學習應用程序，嵌入式平臺是具有專用功能的任何類型的計算機系統，例如智能手表或自動駕駛汽車。深度學習是一種人工智能(AI)技術，可以教會計算機通過示例進行學習。例如，這項技術使無人駕駛汽車能夠識別不同的交通標志，這項技術可以在從智能家居設備到醫療保健儀器的所有事物中找到。
“這項技術提出了關于如何使用這些實現、確保它們的效率以及應對深度學習算法的技術進步的問題，這些算法正在不斷發展變得更加智能，”Rezk說。
在日常生活中啟用人工智能
盡管有先進的硬件平臺提供強大的性能，但深度學習模型對硬件計算和內存資源的高要求仍然是一個挑戰——如果硬件和模型不夠兼容，這可能會限制最終實現的效率.
Rezk驚訝地發現，在許多情況下，可以將深度學習模型壓縮到其原始大小的四分之一以下，并且模型仍然可以正常運行。
“深度學習應用程序不應該直接部署到嵌入式系統。應該首先應用稱為算法優化的先驗步驟。算法優化是降低深度學習應用程序要求的方法，可以在資源有限的平臺上運行它們，同時保持它們運行正常，”她解釋道。
Rezk相信她的研究可以成為深度學習與我們日常生活之間聯系的一部分。
“通過在嵌入式平臺上實現深度學習應用，并使這種實現變得高效、快速和穩健，我們可以將AI融入我們日常生活的方方面面，”她說。
營業執照公示信息