人工智能的未来：掌上训练神经网络🤖📱
训练一款大型语言模型，例如OpenAI的GPT-4，使用智能手机是极具挑战性的然而，随着更智能的软件的帮助，改变可能正在接近
到2024年，人工智能可能会学习你的手机。
人工智能（AI）的世界一直大多停留在云计算设施中，在我们的智能手机之外。但是，抱紧你的帽子，因为看起来情况即将改变！不久的将来，我们可能会直接在个人设备上见证AI直接学习，而无需依赖于与云的持续互联。很令人兴奋吧？
设备上训练的好处 📚💡
设备上训练的概念带来了许多优势。首先，将不再有连接云端造成的延迟。神经网络将在您的设备上进行训练，实现即时学习。最好的部分是什么？您的人工智能将是个性化的，从您的特定操作、动作和环境中学习。随着您日常工作的推进，它将适应并不断改进。就像在口袋里有一台能理解并满足您需求的小型超级计算机！
神经网络对您的手机的影响 📲🧠
想象一下，AI不断从您的交互中学习的世界。当您在手机上行走、点击、滚动和拖动时，您的AI伴侣就在旁边，吸收关于周围世界的信息。苹果已经朝这个方向迈出了重要的一步，开发出了更大的神经网络，例如OpenAI的ChatGPT，可以本地在iPhone上运行。这意味着您的下一台iPhone可能会成为个人AI强大工具，以满足您特定需求的自动回应和功能。
但这不仅仅是苹果。谷歌也尝试了在设备上的AI，使用了TinyML技术，可在低功率设备上运行神经网络。就像在您的智能传感器上运行一个小型AI助手。然而，挑战在于在本地训练这些网络。这需要大量的处理能力、内存和带宽。
克服挑战 🏋️♀️🧠
研究人员决心克服与设备上训练相关的障碍。一种方法是使用一种称为迁移学习的技术，选择性地更新神经网络的某些部分。麻省理工学院的TinyTL就是这样的一个典型例子，它会为诸如面部识别之类的不同目的优化已经进行了大量训练的神经网络。
STMicroelectronics最近的一份研究报告指出，仅在移动设备上执行推理是不够的。为了解决所谓的概念漂移现象，在AI模型随时间推移而退化的情况下，他们提议定期使用新的训练数据更新程序。
此外，人们正在努力使神经网络更轻量级和更适合内存。例如，去除训练中计算密集型部分（称为反向传播）可以将神经网络权重的内存需求减少高达94%。也在探索以减少设备上存储空间的方式进行的二进制神经网络。
多样的设备上训练应用 🌐📱
设备上训练的潜在应用案例非常有前景。新加坡南洋理工大学的研究人员已经利用设备上的学习来应对网络安全威胁。每个设备训练自己版本的入侵检测系统，增强安全性同时保护敏感信息。
甚至苹果也在忙着探索专门针对iOS设备的AI功能。他们的研究人员开发了一些程序，比如永不停止的用户界面学习器，使每个设备能够自动学习应用功能。这减少了对人工工作者的依赖，同时确保了数据隐私。
前方道路：在手中训练神经网络 🛣️📲
虽然2024年可能是标志着设备上训练的重大突破的一年，但只有时间才能告诉我们。尽管如此，很明显的是，未来的人工智能不仅存在于云端，还存在于您手中的掌控之中。将神经网络在个人设备上进行训练的能力为个性化、提高性能和加强隐私提供了无尽的可能性。
所以，准备好见证一个世界吧！在这个世界中，您的AI助手将从您的日常工作中学习，理解您的需求，并为您提供定制的解决方案，所有这一切来自您的手机。这是一场AI革命，让我们离使用先进技术的力量更近了一步！
🎥 观看这个视频 了解有关设备上的训练及其影响的更多信息！
参考资料： – 人工智能为技术商务合作带来了提振 – 如何在 Windows 中使用命令提示符 – 确保您的数据准备好进行生成式人工智能的7种方法 – 苹果的人工智能进步可能成为 iPhone 16 的制胜法宝 – 大众汽车认为 ChatGPT 集成将让其语音助手更好用
