贸泽电子 - 博客 | 人工智能

2024 年 7 月 31 日, 作者 David Pike 分类 All, 人工智能

新的技术进步，让日常用户也能使用人工智能（AI）和机器学习（ML）的力量。AI推动了各个行业领域的创新，它可以适应和响应不断变化的需求，创造令人兴奋的新机遇。从我们驾驶的汽车，到构成未来农业的智能农场，没有哪个行业不会被AI所改变。AI应用的兴起，推动了对先进基础设施的需求，这些基础设施需要具备更高的数据传输速率、更大的带宽和更高的工作频率。为了满足AI急速发展带来的需求增长，这些架构需要具备巨大的规模和快速重新配置的能力。

标记: AI, 电气连接, 机器学习, 基础设施, 数据中心

在本地进行人工智能计算的四个优点

2022 年 10 月 31 日, 作者 Doctor M 分类 All, 人工智能

为什么人们需要更低功耗的人工智能？麻省理工学院（MIT）副教授Vivienne Sze此前在接受采访时表示，人工智能应用正在向智能手机、微型机器人、互联网连接设备和其他功率和处理能力有限的设备转移，意味着数据处理不再需要在云端、仓库服务器机架上进行，从云上卸载计算使我们能够扩大人工智能的影响范围，通过减少与远程服务器通信造成的延迟来加快响应时间。

标记: 边缘计算, 人工智能

你没看错：如今MCU上“跑”机器学习，也很给力！

2022 年 9 月 7 日, 作者 Doctor M 分类 All, 人工智能

机器学习（ML）是解决涉及模式识别问题的一个非常好的工具，ML算法能将杂乱的原始数据转化为可用信号。其基本流程是基于数据产生模型，然后利用模型预测输出，从而实现无需人工交互即可完成学习、推理和决策等目的。然而，对高性能计算资源的需求将许多ML应用程序限制在云中。也就是说，只有云数据中心级别的性能才能满足ML对算力的要求。

标记: MCU, 机器学习, 嵌入式处理器, 人工智能

边缘AI的“灵魂”，能否跟上Ta飞快脚步？

2022 年 4 月 5 日, 作者 Doctor M 分类人工智能

边缘计算的快速发展使得计算能力加速向边缘迁移，AI也逐步从中心节点向更贴近数据源和业务现场的边缘侧拓展，边缘与云的关系已经呈现出既有分工又彼此合作的局面。在边缘侧，当边缘智能与边缘计算和人工智能相结合，能有效地执行实时、小数据的处理，开展AI模型的推理，并将结果回传至云端，这种“云—边—端”协同的边缘智能架构，解决了目前AI应用中存在的海量数据处理、实时响应以及数据安全等问题，为AI在更多行业的应用奠定了基础。

标记: AI, 边缘计算, 边缘智能, 加速, 数据处理

通过弱监督学习揭示医学影像中的秘密

2022 年 2 月 11 日, 作者 Becks Simpson 分类 All, 人工智能, 医疗

将医学影像交给人工智能 (AI) 来分析，可以比人类专家更快、更准确地检测和测量出异常情况，推动基于影像的医疗诊断更进一步发展。要借此来改善患者的治疗效果并确立针对性的治疗方法，就必须建立起在不同人群中具有普遍性的高质量AI模型。然而，要建立这样的AI模型，就离不开大量数据的支持，并且这些数据还需要经过精心标注，才能供机器来学习。