研究使人工智能与智能设备兼容

智能设备变得越来越智能，对硬件的要求也越来越高。我们如何确保这些设备与保持其运行所需的人工智能兼容，而不必增加硬件容量？这就是计算机科学与工程博士Nesma Rezk在她的论文中一直在研究的内容。

Nesma Rezk的论文是关于在嵌入式平台上实现深度学习应用程序，嵌入式平台是具有专用功能的任何类型的计算机系统，例如智能手表或自动驾驶汽车。深度学习是一种人工智能 （AI） 技术，它教计算机通过示例学习。例如，这种技术使无人驾驶汽车能够识别不同的交通标志，并且该技术可以在从智能家居设备到医疗保健仪器的所有产品中找到。

“这项技术提出了一个问题，即如何使用这些实现，确保它们的效率，并应对深度学习算法的技术进步，这些算法正在不断发展，变得更加智能，”Rezk说。

在日常生活中启用人工智能

尽管有先进的硬件平台提供强大的性能，但深度学习模型对硬件计算和内存资源的高要求仍然是一个挑战，如果硬件和模型不够兼容，这可能会限制最终实现的效率。

Rezk惊讶地发现，在许多 情况下，可以将深度学习模型压缩到其原始大小的四分之一以下，并且仍然可以使模型正常运行。

“深度学习应用程序不应直接部署到嵌入式系统中。应首先应用称为算法优化的先前步骤。算法优化是降低深度学习应用程序要求的方法，可以在资源有限的平台上运行它们，同时保持它们正常运行，“她解释道。

Rezk认为，她的研究可以成为深度学习与我们日常生活之间联系的一部分。

“通过在嵌入式平台上实现深度学习应用，并使这种实现高效、快速和稳健，我们可以将人工智能集成到我们日常生活的方方面面，”她说。