先进的人工智能（AI）技术允许使用最少数量的传感器重建广泛的数据集，如海洋温度。这种方法利用节能的“边缘”计算，在包括工业、科学研究和医疗保健在内的各个领域提供广泛的潜在用途。
近期，美国洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）研发了一种采用自然语言模型的新方法，可以扩展人工智能在边缘计算中的应用。最新研究成果已于近期发表在了“Nature Machine Intelligence”杂志上。
研究员Javier Santos说，“我们开发了一个神经网络，使我们能够以非常紧凑的方式表示一个大系统。与最先进的卷积神经网络架构相比，这种紧凑性意味着它需要更少的计算资源，使其非常适合无人机、传感器阵列和其他边缘计算应用的现场部署，使计算更接近其最终用途。”
研究人员们将这种新型人工智能技术称为Senseiver。这项工作建立在谷歌开发的一个名为Perceiver IO的人工智能模型上，炒股配资服务将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广阔区域（如海洋）信息的问题。
由于其更高的效率，该团队意识到该模型将具有广泛的应用。研究人员说，“使用更少的参数和更少的内存需要更少的计算机中央处理单元周期，因此它在小型计算机上运行得更快。”
为了演示Senseiver在现实世界中的实用性，该团队将该模型应用于美国国家海洋和大气管理局的海洋表面温度数据集。该模型能够整合几十年来从卫星和船上传感器获取的大量测量数据。通过这些稀疏的测量数据，该模型预测了整个海洋的温度，这为全球气候模型提供了有用的信息。
研究人员说，“我们的工作为无人机、现场传感器网络以及目前尖端人工智能技术无法实现的其他应用带来了人工智能的好处。”
他们认为，该方法为自动驾驶汽车、石油和天然气资产的远程建模、患者医疗监控、云游戏、内容交付和污染物追踪等大型实际应用提供了改进的功能。
文章为作者独立观点，不代表财盛证券观点
