محققان به تازگی راهکار نوآورانهای برای «آموزش روی دستگاه» (On-device training) ارائه دادهاند که به مدلهای هوش مصنوعی اجازه میدهد مستقیماً روی پردازندههای کممصرف RISC-V اجرا شوند.
این تحقیق با استفاده از استاندارد float16 و بهینهسازی سختافزاری، توانسته است حافظه مصرفی را تا ۵۰٪ کاهش دهد بدون اینکه دقت مدل افت چندانی داشته باشد. این یک گام بزرگ برای توسعه ایجنتهای هوش مصنوعی در اینترنت اشیاء (IoT) و دستگاههای بدون نیاز به سرور است. 🧠💻
منبع: arXiv AI