5 月,东京大学信息科学与技术研究生院研究团队,在东京开发出全球首个“AI 到 AI 通信技术”(D-LFBA)。因现有自动化系统存弊端,该团队开发此技术,其能让不同 AI 设备无缝协作、保护隐私、跨厂商兼容,还具备无编程学习能力 。
|
5月,东京大学信息科学与技术研究生院研究团队宣布,开发出世界第一个“AI到AI通信技术”。随着AI半导体发展,各种电子设备常配备AI系统,但此前AI系统多在单个电子设备中独立使用。此次研究团队基于MIT开发的“Split Learning”,开发出这项新技术。
在实验里,该技术被应用于“楼宇自动化”系统,此系统通过在天花板装摄像头监控房间,能自动控制四种照明和温度调节。研究团队表示,借助这项技术,不同公司制造的AI设备,比如AI天花板摄像头和AI空调,能无缝协作,提供舒适室内环境。 在自动化程度日益加深的当下,汽车、住宅、工厂和办公室都有了各类自动化功能,像方向控制、温度调节、照明管理等。然而现有自动化系统大多需预先编写大量程序化行为,既耗费人力又缺乏灵活性;即便引入AI技术,往往高度中心化部署,存在风险。 典型的家居或办公自动化系统,如灯光/温控系统,常需摄像头监控用户状态来调节环境。传统模式下,这些高度私密的数据,尤其是家庭场景数据,会集中上传至中央系统。一旦系统遭入侵,个人数据就有泄露风险。 为此,东京大学研究团队开发出一套注重隐私保护的分布式人工智能楼宇自动化框架。该系统采用新型设备间直连通信技术,让摄像头、智能终端等AI设备能直接协作,消除对中央服务器的依赖,避免集中式数据存储,而传统架构中的集中式数据存储常被视为潜在安全漏洞和隐私数据风险源。 这项名为“分布式无逻辑楼宇自动化(D-LFBA)”的技术,通过建立摄像头、传感器与灯光/温控器等设备的直连通信机制,避免了中心化架构缺陷,且只需配备极小容量的本地存储空间,最大限度减少不必要的数据采集与留存。 “分布式无逻辑楼宇自动化(D-LFBA)”技术采用MIT的“分割学习”技术,将环境学习任务分配给不同设备,更精准理解用户控制意图。研究团队将负责环境学习与控制的神经网络程序负载,智能分配到各个终端设备上。该架构除了有上述优势,还能形成跨厂商兼容层,自动化系统不再受限于单一品牌设备。 D-LFBA的独特之处在于其无编程学习能力。系统通过同步时间戳,将图像数据与对应控制状态动态关联。当用户通过开关操作或房间移动与环境交互时,系统会持续学习这些偏好并自主优化。在去年试验中,用户对系统自适应生活习惯的精准程度感到惊叹,即便不依赖人工编写逻辑规则,AI仍能实现精细化控制。 |
IT百科
网友评论
甄选好物

