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(shí)現(xiàn)邊緣計(jì)算（靠近數(shù)據(jù)源頭一側(cè)的運(yùn)算），需要在微型設(shè)備上部署最夠多的計(jì)算力。

為實(shí)現(xiàn)這一想法，未來(lái)努力的方向?qū)?huì)是利用人工智能（AI）計(jì)算技術(shù)——也可以稱(chēng)作“邊緣 AI”。雖然有些人關(guān)心技術(shù)專(zhuān)家如何能把超出傳統(tǒng)計(jì)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(gè)國(guó)家將在這個(gè)新領(lǐng)域占據(jù)優(yōu)勢(shì)——但實(shí)際上這項(xiàng)技術(shù)還處于早期研發(fā)階段。

圖 | 單個(gè)硅梁（紅色部分），與其驅(qū)動(dòng)電極（黃色部分）和讀寫(xiě)電極（綠色和藍(lán)色部分）一起，使得微機(jī)電系統(tǒng)擁有非平凡計(jì)算能力。（圖源：Guillaume Dion）

不過(guò)這種所謂的“早期階段”出現(xiàn)了一點(diǎn)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(jī)電系統(tǒng)（MEMS）設(shè)備配置了一種人工智能，標(biāo)志著歷史上首次在微機(jī)電系統(tǒng)設(shè)備中植入 AI。

實(shí)驗(yàn)的結(jié)果是在微機(jī)電系統(tǒng)中實(shí)現(xiàn)神經(jīng)形態(tài)計(jì)算，就像是在微型設(shè)備上模擬人類(lèi)大腦的運(yùn)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(jì)算的前景。

“去年我們已經(jīng)寫(xiě)了一篇論文，從理論上論證了微機(jī)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(xì)介紹了這一進(jìn)展?！拔覀冏钚碌耐黄普f(shuō)明我們可以在實(shí)驗(yàn)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(jī)電系統(tǒng)中實(shí)現(xiàn)的 AI 方法，他們稱(chēng)之為“儲(chǔ)備池計(jì)算（Reservoir computing）”。Sylvestre 教授解釋說(shuō)，為了理解儲(chǔ)備池計(jì)算，需要了解一些關(guān)于人工神經(jīng)網(wǎng)絡(luò)如何運(yùn)作的知識(shí)。這些人工神經(jīng)網(wǎng)絡(luò)通過(guò)輸入層獲取數(shù)據(jù)，經(jīng)過(guò)包含多個(gè)稱(chēng)為神經(jīng)元的計(jì)算單元的隱藏層對(duì)數(shù)據(jù)進(jìn)行變換，然后在輸出層中輸出最終結(jié)果。儲(chǔ)備池計(jì)算最常用于時(shí)間依賴(lài)的數(shù)據(jù)（而圖像等輸入數(shù)據(jù)是靜態(tài)的，不是時(shí)間依賴(lài)數(shù)據(jù)）。

因此，儲(chǔ)備池計(jì)算使用由時(shí)間依賴(lài)輸入驅(qū)動(dòng)的動(dòng)態(tài)系統(tǒng)。動(dòng)態(tài)系統(tǒng)一般選擇相對(duì)復(fù)雜的系統(tǒng)，它對(duì)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(gè)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(gè)維度對(duì)應(yīng)于一個(gè)自由度。這樣會(huì)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(chǔ)備池計(jì)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(jì)算機(jī)輸出相一致的輸出，”Sylvestre 說(shuō)?！斑@就是我們所說(shuō)的‘訓(xùn)練’儲(chǔ)備池計(jì)算的過(guò)程。與其他 AI 方法不同，線性組合的計(jì)算非常簡(jiǎn)單，人們會(huì)嘗試修改動(dòng)態(tài)系統(tǒng)的內(nèi)部機(jī)制來(lái)獲得期望的輸出?！?/p>

在大多數(shù)儲(chǔ)備池計(jì)算系統(tǒng)中，動(dòng)態(tài)系統(tǒng)是軟件。在這項(xiàng)工作中，動(dòng)態(tài)系統(tǒng)就是微機(jī)電系統(tǒng)器件本身。為了實(shí)現(xiàn)這種動(dòng)態(tài)系統(tǒng)，該設(shè)備用到了非線性動(dòng)力學(xué)——硅梁在非常薄的時(shí)候會(huì)在空間中振蕩，這些振蕩會(huì)產(chǎn)生一種神經(jīng)網(wǎng)絡(luò)，能夠?qū)⑤斎?a target="_blank">信號(hào)映射到神經(jīng)網(wǎng)絡(luò)運(yùn)算所需要的更高維空間。

Sylvestre 解釋說(shuō)，修改微機(jī)電系統(tǒng)器件的內(nèi)部工作原理很難，但在儲(chǔ)備池計(jì)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(dòng)方法在微機(jī)電系統(tǒng)中實(shí)現(xiàn) AI 的原因。

“我們的工作表明，可以利用微機(jī)電系統(tǒng)中的非線性資源實(shí)現(xiàn) AI 能力，”Sylvestre 說(shuō)。“這是一種創(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?！?/p>

根據(jù) Sylvestre 的說(shuō)法，很難將這種微機(jī)電系統(tǒng)設(shè)備的處理能力與臺(tái)式計(jì)算機(jī)等進(jìn)行比較?！坝?jì)算機(jī)與我們的微型設(shè)備工作方式截然不同，”他解釋說(shuō)?！坝?jì)算機(jī)很大并且消耗大量功率（達(dá)到數(shù)十瓦），而我們的微機(jī)電系統(tǒng)設(shè)備甚至可以制作在人類(lèi)的頭發(fā)絲上，以微瓦的功率就可以運(yùn)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(duì)某些口語(yǔ)詞匯分類(lèi)——這項(xiàng)任務(wù)可能會(huì)使用相當(dāng)于臺(tái)式計(jì)算機(jī) 10％的資源。”

據(jù) Sylvestre 稱(chēng)，這種配備 AI 的微機(jī)電系統(tǒng)的一種可能的應(yīng)用是加速度計(jì)微機(jī)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(wú)需將數(shù)據(jù)發(fā)送回計(jì)算機(jī)。

雖然研究人員還沒(méi)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(yùn)行在能量采集器上?？紤]到這一點(diǎn)，研究人員正在尋求將他們的人工智能微機(jī)電系統(tǒng)應(yīng)用在傳感器和機(jī)器人控制等應(yīng)用上。