物联网（IoT）正逐步融入我们的日常生活，深刻变革着数据采集的方式。如今，日常用品也能通过无线连接，与组织内的其他设备进行实时交互。这项技术正在突破传统工业领域的创新边界，催生全新应用场景。据AnalyticsInsight预测，全球物联网市场复合年增长率达10.6%，预计从2019年的6536亿美元增长至2023年的10804亿美元。
物联网传感器通过设备互联，在网络上持续积累海量数据。随后，借助人工智能与机器学习工具，这些数据被深入分析与评估。传感器收集的信息种类繁多：位置坐标、声音信号、湿度数值，乃至各类机器测量参数。一旦从中提炼出有用洞察，即可与现有数据进行比对、计算、预测和校验，最终驱动相应行动。人工智能还协助物联网设备处理与存储庞大数据量——毕竟数据规模极其庞大。更进一步，AI与物联网协同，能够催生出互联智能设备：它们彼此实时共享信息，并在无需人工干预的情况下自主做出明智决策。
物联网设备与传感器正日益普及。它们帮助企业从终端设备生成连续的数据流，同时实现更低能耗、更少浪费、更优预算控制，甚至减少企业对数据科学家和分析师的人力依赖。然而现实并非总是理想——物联网传感器和设备只有在接通电源时才能获得可用资源。若缺乏稳定电源，它们既无法采集数据，也无法传输数据。
为应对这一挑战，匹兹堡大学的研究人员提出了一项创新方案：利用人工智能延长物联网传感器的使用寿命。该系统能够降低传感器能耗，缓解电池续航瓶颈。具体而言，研究人员采用了一种“搭载式传感器”——它依靠从环境中获取的能量驱动，专门用于触发主传感器。这种背负式传感器可无人值守运行，经过AI算法训练后，仅在特定事件条件满足时，才向主设备发出启动信号。
项目首席研究员、匹兹堡大学斯旺森工程学院电子与计算机工程副教授胡景通解释说，利用环境能量运行AI算法的一大难点在于：环境产生的能量本身具有间歇性。他打了个比方：“就像笔记本电脑一样，一旦传感器断电，数据就会丢失。我们希望帮助AI算法在间歇性断电的情况下，也能做出准确的判断。”
胡教授及其团队计划开发一套新方法：利用太阳能、热能或风能等环境能源收集技术，为遥感设备供电。在此基础上，再附加一个辅助小传感器，用于触发更坚固的主设备。这样既能节省能源，又能减少用户更换电池的频率。小传感器依靠环境能量供电，在无人值守状态下运行，借助AI训练，它可以识别特定模式，并在特定事件发生时向大设备发出开启信号——就像一只尽职的“看门狗”。
根据美国国家科学基金会（NSF）网站上的博客文章，胡团队列出了三大主要任务，为基于能量收集技术的物联网设备实现间歇性增量推理奠定基础：
- 开发新型功率跟踪感知压缩、在线剪枝与自适应算法，确保在间歇供电设备上高效部署多出口深度神经网络（DNN）。
- 开发新的多出口统计与增量神经网络（MESI-NN），进一步缩短等待时间，提升准确性与能效。
- 设计新型神经架构搜索算法，自动搜索最优的MESI-NN架构。该项目将在真实系统与应用中进行评估，包括图像分类、关键词识别和活动识别。
这项提案的核心目标，是延长部署在偏远地区的传感器和设备的使用寿命——这对各类消费级、商业、科学乃至国家安全应用都具有显著价值。此外，物联网设备还被用于监测和预测自然灾害。例如，传感器技术目前正被用来观测地球上一些最偏远地区活火山释放的气体，为预警争取宝贵时间。