物联网（IoT）正在慢慢改变我们收集数据和生活的方式。它还使日常用品可以与组织中的其他设备共享无线连接。这项技术正在打破所有工业领域的创新和概念。根据Analytics（分析）的数据，就全球市场而言，物联网的复合年增长率为10.6％。预计将从2019年的6,536亿美元增加到2023年的1,008亿美元。
    物联网传感器通过互联网上的设备连接积累大量数据。使用人工智能和机器学习工具来分析和评估这些数据。收集的传感器数据可以是位置，声音或湿度以及机器的不同测量值。一旦获得了数据洞察力，就可以将它们用于比较，计算，预测和检查现有数据，并采取相应的后续行动。人工智能还有助于存储由物联网设备处理的大量数据。此外，人工智能和物联网可以共同促进互连智能机器的发展，这些机器彼此共享信息并做出明智的决策，而无需任何人工干预。

    为了解决这个问题，匹兹堡大学项目的研究人员提出应用人工智能来延长部署在物联网中的传感器的寿命。该系统将有助于减少物联网传感器的能耗，并缓解电池寿命问题。在这个项目中，研究人员使用搭载式传感器，这种传感器由从环境中获取的能量驱动，来触发主要的传感器。背负式传感器将无人值守运行，并且经过训练，使用人工智能算法，只在满足特定事件条件时，才向主要设备发出开启信号。

    该研究的首席研究员、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，利用环境获取的能量运行人工智能算法的主要挑战之一是，环境产生的能量是间歇性的。他补充说:“就像笔记本电脑一样，如果传感器断电，你就会失去数据，所以我们希望帮助人工智能算法做出准确的决定，即使是在间歇性断电的情况下。”

    物联网设备和传感器正在变得越来越普遍。它们还通过帮助企业从终端设备创建连续的数据流，同时使用更少的能源、更少的浪费和更少的预算，从而最大限度地减少公司对数据科学家和分析师的依赖。然而，物联网传感器和设备只要是在电源下运行，就有资源可用。如果没有固定的电源，它们就不能收集和传输数据。

    根据国家科学基金会（NSF）网站上的博客文章，胡和他的团队概述了三个任务，这将为基于能量收集技术的物联网设备进行间歇性增量推理奠定基础。这些是：

    1.开发新颖的功率跟踪感知压缩，在线修剪和自适应算法，以确保在间歇供电的设备上高效部署多出口DNN。

    2.开发新的多出口统计和增量神经网络（MESI-NN），以进一步减少等待时间并提高准确性和能效。

    3.设计新的神经体系结构搜索算法，该算法可以自动搜索最佳的MESI-NN体系结构。该项目将使用真实的系统和应用程序进行评估，例如图像分类，关键字识别和活动识别。

    该提案的主要目的是延长部署在偏远地区的传感器和设备的使用寿命，这将大大有利于各种消费者，商业，科学和国家安全应用。物联网设备还用于监视和预测自然灾害。例如，传感器技术目前用于观察地球上一些最偏远地区的活火山释放的气体。