2026年7月19日 — 下午1:50 对某些人而言，它只是令人烦恼，但对其他人来说，它标志着世界上最致命生物的寒冷呼唤：蚊子的嗡嗡声。为了减少这些昆虫造成的惊人死亡人数，卧龙岗大学的研究人员利用了一种超级高效的低保真人工智能，能够通过调节这种嗡嗡声来区分传播疾病的蚊子和无害的蚊子。这种低功耗的人工智能设备可以帮助发现世界上最可怕的蚊子物种。迈克尔·霍华德 该检测设备是使用微小机器学习（TinyML）的一系列新发明之一，TinyML是一种低功耗的人工智能，与需要耗电数据中心的贪婪大型语言模型相对立。首先，副教授基兰·特里维迪想看看TinyML是否能识别从窗户飘进来的鸟叫声。特里维迪是大学驻印度艾哈迈达巴德校区的计算机科学专家，从谷歌下载鸟叫的数据，并在一个小芯片上创建了一个模型，可以识别印度杜鹃等物种的叫声。一旦这项工作成功，他便转向婴儿。特里维迪的兄弟是一名在新生儿病房工作的儿科医生，告诉他焦虑的新父母经常带着他们的婴儿来询问医生为什么婴儿在哭。“所以，我再次收集了婴儿哭声的数据，并为此创建了一个模型。”结果又是一个实验设备，旨在推断婴儿哭泣的原因是由于饥饿、困倦还是不适。“一切都是从这里开始的，”特里维迪说。但是他认为，哭闹的婴儿根本不是世界上最大的难题。所以他转向了蚊子，这种昆虫每年通过疟疾、登革热和寨卡病毒导致70万人死亡。每种蚊子都有独特的翼击声。传播疟疾的蚊子，按蚊，发出低音嗡嗡声。库蚊携带日本脑炎和罗斯河病毒，以中音嗡嗡声鸣叫。埃及伊蚊，这种也在澳大利亚发现的登革热传播物种，以最高音的频率飞行。副教授基兰·特里维迪本周在联合国的“人工智能，造福人类”峰会上发言。联合国“人工智能，造福人类” 特里维迪使用了40GB的蚊子声音数据，相当于10,000张存储照片，制作出一个模型，大小为150MB——仍然对小芯片来说过于庞大。为了压缩模型，他将音频录音转换为称为“声谱图”的图像，这些图像是声波的可视表示。人工智能学习识别图像中人眼无法看到的模式。然后，通过称为“量化”的过程，他简化并剥离了模型，直到只保留制作准确预测所需的基本信息。最后得到的模型小至19KB，约为五页Word文档的大小。副教授基兰·特里维迪的低保真蚊子检测设备。卧龙岗大学 “我将其部署到我的设备上，连接了一个显示屏和一些电池，结果意外地变成了一个完美工作的设备。”他在印度西部的艾哈迈达巴德的房间里捕到一只蚊子，并让它飞到设备附近。该设备将其识别为按蚊，迄今为止最致命的物种。该设备目前的准确率为88.3%。这就是TinyML的工作方式，一种可以离网独立运行的小型芯片人工智能，功耗极低。使用一个大型语言模型生成一段文字所需的能量，TinyML设备可以连续运行数周。“对于人工智能，我们通常需要大量数据、一台强大的机器和一个互联网网络或Wi-Fi，”悉尼科技大学的人工智能研究员副教授周建龙说，他并未参与特里维迪的研究。“TinyML不同——我们可以在没有电力、没有互联网、没有网络的地方使用它。 “TinyML本地收集数据，本地处理，并本地反馈，因此不会存在隐私问题。”周研究了TinyML在养蜂中的应用，TinyML纳米传感器可以监测蜜蜂巢内的环境，包括湿度、二氧化碳、蜂后信息素不平衡、早期化学信号，以及蜜蜂振动等，有可能预示即将发生的蜂群迁徙事件。智能农业以及可穿戴健康传感器，将成为TinyML技术在不久的将来的主要推动力。根据一项估计，到2030年，TinyML设备的运作数量将激增至25亿。如对于特里维迪的设备，他希望这些传感器能够以500印度卢比，约合7.50美元的价格进行大规模生产，并成为城市范围内检测网络的一部分。基兰·特里维迪博士设想的模拟蚊子监测仪表板，将来可能基于他的设备进行操作。基兰·特里维迪博士 “这完全是为了早期检测，”他说。“通常，我居住的地方，你在报纸上读到有很多蚊子滋生，发现了登革热。但是疫情已经发生，许多人已经感染。”他正在工作的这项技术可以在蚊子疫情刚开始时就捕捉到，从而引导出...