為了在吸引大家關(guān)注的 5G 網(wǎng)絡(luò)和物聯(lián)網(wǎng)等設(shè)備上實現(xiàn)邊緣計算（靠近數(shù)據(jù)源頭一側(cè)的運算），需要在微型設(shè)備上部署最夠多的計算力。

為實現(xiàn)這一想法，未來努力的方向?qū)抢?a href="http://www.www27dydycom.cn/v/tag/150/" target="_blank">人工智能（AI）計算技術(shù)——也可以稱作“邊緣 AI”。雖然有些人關(guān)心技術(shù)專家如何能把超出傳統(tǒng)計算能力的 AI 應(yīng)用于微型設(shè)備上——有些人正在絞盡腦力，不知道哪個國家將在這個新領(lǐng)域占據(jù)優(yōu)勢——但實際上這項技術(shù)還處于早期研發(fā)階段。

圖 | 單個硅梁（紅色部分），與其驅(qū)動電極（黃色部分）和讀寫電極（綠色和藍色部分）一起，使得微機電系統(tǒng)擁有非平凡計算能力。（圖源：Guillaume Dion）

不過這種所謂的“早期階段”出現(xiàn)了一點變化。位于加拿大魁北克省的舍布魯克大學(xué)的研究人員已經(jīng)設(shè)法為微機電系統(tǒng)（MEMS）設(shè)備配置了一種人工智能，標志著歷史上首次在微機電系統(tǒng)設(shè)備中植入 AI。

實驗的結(jié)果是在微機電系統(tǒng)中實現(xiàn)神經(jīng)形態(tài)計算，就像是在微型設(shè)備上模擬人類大腦的運行。這種組合使得設(shè)備可以在自身上處理數(shù)據(jù)，從而改善邊緣計算的前景。

“去年我們已經(jīng)寫了一篇論文，從理論上論證了微機電系統(tǒng) AI 的可能性，”論文的合著者舍布魯克大學(xué)教授 Julien Sylvestre 詳細介紹了這一進展?！拔覀冏钚碌耐黄普f明我們可以在實驗室中制作出這種設(shè)備?！?/p>

研究人員在他們發(fā)表于《Journal of Applied Physics》描述了在微機電系統(tǒng)中實現(xiàn)的 AI 方法，他們稱之為“儲備池計算（Reservoir computing）”。Sylvestre 教授解釋說，為了理解儲備池計算，需要了解一些關(guān)于人工神經(jīng)網(wǎng)絡(luò)如何運作的知識。這些人工神經(jīng)網(wǎng)絡(luò)通過輸入層獲取數(shù)據(jù)，經(jīng)過包含多個稱為神經(jīng)元的計算單元的隱藏層對數(shù)據(jù)進行變換，然后在輸出層中輸出最終結(jié)果。儲備池計算最常用于時間依賴的數(shù)據(jù)（而圖像等輸入數(shù)據(jù)是靜態(tài)的，不是時間依賴數(shù)據(jù)）。

因此，儲備池計算使用由時間依賴輸入驅(qū)動的動態(tài)系統(tǒng)。動態(tài)系統(tǒng)一般選擇相對復(fù)雜的系統(tǒng)，它對輸入的響應(yīng)可能與輸入本身完全不同。

此外，選擇具有多個自由度響應(yīng)輸入的系統(tǒng)。這樣的話，輸入被“映射”到高維空間，每個維度對應(yīng)于一個自由度。這樣會創(chuàng)造很多信息的“豐富性”，也意味著輸入有許多不同的變換。

“儲備池計算所使用的特殊技巧是將所有維度線性組合，在給定輸入的條件下，獲得與我們期望計算機輸出相一致的輸出，”Sylvestre 說?！斑@就是我們所說的‘訓(xùn)練’儲備池計算的過程。與其他 AI 方法不同，線性組合的計算非常簡單，人們會嘗試修改動態(tài)系統(tǒng)的內(nèi)部機制來獲得期望的輸出?！?/p>

在大多數(shù)儲備池計算系統(tǒng)中，動態(tài)系統(tǒng)是軟件。在這項工作中，動態(tài)系統(tǒng)就是微機電系統(tǒng)器件本身。為了實現(xiàn)這種動態(tài)系統(tǒng)，該設(shè)備用到了非線性動力學(xué)——硅梁在非常薄的時候會在空間中振蕩，這些振蕩會產(chǎn)生一種神經(jīng)網(wǎng)絡(luò)，能夠?qū)⑤斎?a target="_blank">信號映射到神經(jīng)網(wǎng)絡(luò)運算所需要的更高維空間。

Sylvestre 解釋說，修改微機電系統(tǒng)器件的內(nèi)部工作原理很難，但在儲備池計算中（修改內(nèi)部工作原理）并非必需，這就是他們使用硅梁振動方法在微機電系統(tǒng)中實現(xiàn) AI 的原因。

“我們的工作表明，可以利用微機電系統(tǒng)中的非線性資源實現(xiàn) AI 能力，”Sylvestre 說?！斑@是一種創(chuàng)造人工智能設(shè)備的新方法，它可以將設(shè)備做到小巧而高效。”

根據(jù) Sylvestre 的說法，很難將這種微機電系統(tǒng)設(shè)備的處理能力與臺式計算機等進行比較?！坝嬎銠C與我們的微型設(shè)備工作方式截然不同，”他解釋說?！坝嬎銠C很大并且消耗大量功率（達到數(shù)十瓦），而我們的微機電系統(tǒng)設(shè)備甚至可以制作在人類的頭發(fā)絲上，以微瓦的功率就可以運行。盡管消耗的功率很少，但是這種微型設(shè)備仍然可以做一些很有趣的工作，比如對某些口語詞匯分類——這項任務(wù)可能會使用相當于臺式計算機 10％的資源?！?/p>

據(jù) Sylvestre 稱，這種配備 AI 的微機電系統(tǒng)的一種可能的應(yīng)用是加速度計微機電系統(tǒng)，其中設(shè)備收集的所有數(shù)據(jù)都在設(shè)備內(nèi)處理，而無需將數(shù)據(jù)發(fā)送回計算機。

雖然研究人員還沒有關(guān)注它們?nèi)绾螢檫@些微型設(shè)備供電，但是可以假設(shè)這些設(shè)備在不需要電池的情況下運行在能量采集器上?？紤]到這一點，研究人員正在尋求將他們的人工智能微機電系統(tǒng)應(yīng)用在傳感器和機器人控制等應(yīng)用上。