四川
世界上最致命生物的探测设备。对一些人来说，蚊子的嗡嗡声只是恼人噪音；但对另一些人而言，那却像是世界上最致命生物发出的令人不安的信号。
为了减少蚊虫造成的惊人死亡人数，卧龙岗大学一名研究人员开发出一种高效、低成本的人工智能技术。它能通过“听”蚊子的嗡嗡声，分辨传播疾病的蚊子和无害蚊子。
这一探测设备是新一批应用“微型机器学习”技术发明中的一种。所谓微型机器学习，即TinyML，是一种低功耗人工智能，与依赖高耗能数据中心的大型语言模型形成鲜明对比。
起初，副教授基兰·特里维迪只是想看看，TinyML能否识别从他窗外传来的鸟鸣。这位来自卧龙岗大学印度艾哈迈达巴德校区的计算机科学专家，从谷歌下载了鸟鸣数据，建立了一个小型模型，并将其部署到一枚微型芯片上。这个模型能够识别印度杜鹃等鸟类的叫声。
在这项尝试成功后，他把目标转向婴儿。特里维迪的兄弟是一名在新生儿病房工作的儿科医生。兄弟告诉他，许多焦虑的新手父母会抱着婴儿来问医生，孩子为什么一直哭。“于是我又收集了婴儿哭声的数据，并为此建立了一个模型。”结果是另一种实验性设备，可以判断婴儿大哭究竟是因为饥饿、困倦还是身体不适。
“事情就是这样开始的。”特里维迪说。哭闹的婴儿显然不是世界上最严重的问题。于是，他把研究方向转向蚊子。疟疾、登革热和寨卡病毒每年经由蚊子传播，导致70万人死亡。
不同种类的蚊子，翅膀振动频率各不相同。传播疟疾的按蚊嗡鸣声较低沉；库蚊传播日本脑炎和罗斯河病毒，嗡鸣声处于中等音调；埃及伊蚊则传播登革热，这种蚊子在澳大利亚也有分布，飞行时音调最高。
为了压缩模型，他把音频记录转换成名为“频谱图”的图像，也就是声波的可视化表示。人工智能由此学习识别人眼看不见的图像模式。随后，他又通过一种名为“量化”的过程，进一步精简模型，只保留作出准确预测所必需的信息。
悉尼科技大学副教授、人工智能研究人员周建龙并未参与特里维迪的研究。他说：“通常谈到人工智能，我们需要海量数据、强大的机器，以及互联网或无线网络。TinyML不一样——它可以用在没有电、没有互联网、没有网络连接的地方。
“TinyML在本地采集数据、在本地处理数据、在本地给出反馈，因此不存在隐私问题。”周建龙还研究过TinyML在养蜂中的应用。在这一场景中，TinyML纳米传感器可以监测蜂箱环境，细致到湿度、二氧化碳、蜂王信息素失衡、瓦螨侵染的早期化学迹象，以及蜜蜂振动所显示的即将分蜂信号。
他说，智慧农业以及可穿戴健康传感器，将在近期成为TinyML技术的重要推动力量。根据一项估算，到2030年，投入运行的TinyML设备数量将激增至25亿台。
至于特里维迪的设备，他希望这种传感器未来能够以500卢比、约合7.50美元的成本实现大规模生产，并成为城市级监测网络的一部分。
“关键在于早期发现。”他说，“通常在我生活的地方，人们是在报纸上读到某地蚊虫大量繁殖、发现登革热病例的消息。但那时疫情其实已经发生，很多人已经被感染了。”
他正在研发的这项技术，或许可以在蚊媒疫情刚开始时就发现异常，从而采取有针对性的早期控制措施，例如喷洒杀虫雾剂。
他还设想，未来这一模型可以嵌入Alexa等智能音箱，在附近有传播疾病的蚊子嗡嗡飞过时向人们发出提醒。特里维迪本周在联合国“人工智能向善”峰会上展示了这项技术。“如果我们能够识别蚊子种类，并帮助社会，那对我来说将是巨大的成功。”他说。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
