联邦政府拨款支持自主学习物联网的发展

莱斯大学的林莺燕(音译)领导着下一代自主思考设备的开发

如果物联网(IoT)要发挥其潜力，这些“东西”最好是智能的。林莺燕和她的合作者正在调查这个案子。

林是美国国家科学基金会(NSF)一项为期三年的138万美元拨款项目的首席研究员，该项目旨在促进互联网“边缘”设备的实时机器学习。

Yingyan林

理查德Baraniuk

林助理赖斯的电气和计算机工程教授布朗工程学院,将带领团队,包括理查德·Baraniuk赖斯维克多·e·卡梅隆的电气和计算机工程教授,以及斯坦福大学的鲍里斯·Murmann、阿特拉斯王在德州第一部;M大学和杜克大学Yiran陈。

他们计划设计创新的硬件和软件，让设备在看到新数据时能够自主学习。

“许多物联网设备，如自动驾驶汽车、机器人和医疗可穿戴设备，需要这样的实时和现场学习能力，才能在现实世界的应用中表现良好，”林说。

她说:“在功能强大的服务器上训练并随后部署到物联网设备上的机器学习算法可能表现不佳。”“这是因为算法在设备上看到的数据可能与它们在服务器上训练得到的预先收集的数据非常不同。因此，设备中的算法实时地从连续的新数据流中学习是至关重要的。”

她说，目前的“边缘”设备受到计算、能源和存储资源的限制，而训练机器学习算法的能源、财务和环境成本越来越高。

林说，这已经成为一个日益增长的问题，甚至在云训练中也是如此。她说:“《纽约时报》和《麻省理工学院技术评论》(MIT Technology Review)最近发表的一篇研究论文估计，训练一台机器学习模型所产生的碳足迹，相当于五辆美国汽车(包括汽油)的终生排放量。”

该团队计划开发的一个想法将有助于训练卷积神经网络，该网络通常用于分析视觉数据，减少80%的能量。林和她在莱斯大学的学生以及德州农工大学的合作者将在12月举行的著名的神经信息处理系统(NeurIPS)会议上发表一篇关于这个主题的论文。

国家科学基金会的拨款是与美国国防高级研究计划局(DARPA)合作发放的，用于其实时机器学习(RTML)项目，这是DARPA电子复兴计划(ERI)第二阶段的一部分。林的团队和其他获奖者将于10月下旬在美国国防部高级研究计划局位于弗吉尼亚州阿灵顿的总部会面，为这个为期三年的项目制定战略。