2026年7月19日 — 下午1:50 对某些人而言，这只是令人厌烦的声音，但对其他人来说，这标志着世界上最致命生物的寒冷召唤：蚊子的嗡嗡声。为了减少这些昆虫造成的惊人死亡人数，卧龙岗大学的一位研究人员利用一种高效的低保真人工智能，能够通过调节这一嗡嗡声来识别携带疾病的蚊子与无害蚊子之间的区别。一个低功耗的人工智能设备可以帮助检测世界上最危险的蚊子品种。迈克尔·霍华德 该检测设备是一系列新发明之一，使用了微型机器学习（TinyML），这是一种低功耗的人工智能，正好与需要耗能巨大的数据中心的大型语言模型相对立。首先，副教授基然·特里维迪想看看TinyML是否能够识别透过窗户飘进来的鸟叫声。特里维迪是大学位于印度阿默达巴德的计算机科学专家，他从谷歌下载了鸟叫声数据，并创建了一个小模型，部署在一个微型芯片上，可以识别诸如印度布谷鸟等物种的叫声。这个模型完成后，他转向了婴儿。特里维迪的兄弟是一名在新生儿病房工作的儿科医生，他告诉特里维迪，焦虑的新父母常带着婴儿来问医生他们为什么哭。“所以，我再次收集了婴儿哭声的数据，创建了一个模型。”结果是另一个实验设备，旨在推测婴儿是因为饥饿、困倦还是不适而哭泣。“这就是一切的开始，”特里维迪说。但他认为，哭泣的婴儿并不是世界上最大的难题。因此，他转向蚊子，这种昆虫每年通过疟疾、登革热和寨卡病毒杀死70万人。每种蚊子都有独特的翅膀拍打声。携带疟疾的种类按蚊（Anopheles）有低音嗡嗡声；库蚊（Culex）携带日本脑炎和罗斯河病毒，嗡嗡声为中音调；埃及斑蚊（Aedes aegypti），一种也在澳大利亚发现的登革热传播者，发出最高音调的嗡嗡声。副教授基然·特里维迪在本周联合国“人工智能造福人类”峰会上。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，制作了一个150MB的模型——仍然太大，无法放入微型芯片中。为了压缩模型，他将音频录音转换为称为“声谱图”的图像，声谱图是声音波动的可视化表示。人工智能学习识别在人眼不可见的图像中的模式。然后，通过一种称为“量化”的过程，他剥离和简化模型，直到仅剩下最基本的信息以便进行准确的预测。最终得到的模型只有19KB，大约相当于五页Word文档的大小。副教授基然·特里维迪的低保真蚊子检测设备。卧龙岗大学 “我将模型部署到我的设备上，连接一个显示屏和一些电池，结果出乎意料地，设备运行得非常好。”他在印度西部阿默达巴德的房间里捕住了一只蚊子，让它在设备附近飞行。它被识别为按蚊；是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的应用，这是一种可以在小芯片上独立运作、低功耗的人工智能。用大型语言模型生成一段文字所消耗的能量，TinyML设备可以运行数周。“对于人工智能，我们通常需要大量的数据、强大的机器和互联网网络或Wi-Fi，”悉尼科技大学的人工智能研究员周建龙说，他并未参与特里维迪的研究。“TinyML则不同——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在本地收集数据、处理数据，并在本地提供反馈，因此没有隐私问题。”周建龙已经研究了TinyML在养蜂中的应用，TinyML纳米传感器可以监测蜂巢的环境，包括湿度、CO2、蜂后信息素的不平衡、早期的Varroa螨虫感染化学迹象，以及蜜蜂的振动，这些振动信号预示着即将发生的群体迁移事件。他表示，智能农业以及可穿戴健康传感器将在不久的将来成为TinyML技术的重要驱动力。根据一种估计，到2030年，正在运行的TinyML设备数量将激增至25亿个。至于特里维迪的设备，他梦想这些传感器可以以500印度卢比（约合7.50美元）的价格实现大规模生产，并成为城市范围内检测网络的一部分。特里维迪博士设想的一个模拟蚊子监测仪表板，未来可以基于他的设备运作。特里维迪博士 “一切都在于早期检测，”他说。“通常，我居住的地方，报纸上会报道蚊子繁殖严重，并发现了登革热。但疫情已经发生，很多人已经被感染。”他正在研发的技术可以在蚊子疫情开始时及时捕捉，导致...