儘管人工智能，生物識別技術和物聯網也成為我們日常生活的一部分，技術也有一個大問題。Aerendir創始人兼首席執行官Martin Zizi博士。
更糟糕的是，即使他們認識到消費者的隱私問題猖ramp，許多技術人員都認為諸如Zizi之類的問題是無關緊要的。
“在科技行業中，他們說'人們喜歡他們的隱私，但無論如何他們都會使用該產品，這是一個假問題。'但是人們使用該產品是因為他們別無選擇。” Zizi解釋說生物識別更新在面試中。他指出，過去有很多人勉強地做事大量做事，然後就可以停下來選擇。
給他們一個選擇是Aerendir背後的想法，Aerendir試圖提供無雲的AI，以強迫人們通過雲共享敏感數據，以建立信任以進行交易。
隨著物聯網在線的到來，共享可能會變得更加普遍，並且在邊緣的處理數據可能會引起隱私問題，但是Zizi指出，由於神經網絡實施所要求的GPU，因此將AI部署為通常將AI部署為IoT設備的GPU。
他說：“物聯網中的大多數物品的成本不到12美元。” “它成為一個經濟方程。”
仍然有可能在此類設備上執行生物識別識別和其他廣泛的AI應用程序，但不會以通常的方式進行。 Zizi指出，大多數AI系統都依賴大數據和圖像分析，這項任務非常適合30美元的GPU芯片。他說，由於GPU在雲數據中心和隨後的行業慣性中的擴散，圖形數據庫已成為標準。但是，還有另一種方式。
“如果我們拋棄圖形並轉到向量怎麼辦？” Zizi問。 “這是我公司的秘密。我們可以使用較短的向量來獲得相同的精度，或者您想稱呼它的任何東西，因此我們需要更少的數字處理。我們不需要實現視覺的神經網絡的力量。我們僅用於數字來實現它。”
該原則的靈感來自技術的回報。電視通過在陰極射線管上瀏覽單線或向量來製作視頻。鑑於大多數邊緣設備的AI需求將針對某些功能或少量功能，因此對芯片的矢量分析，芯片的矢量分析成本的一小部分GPU所需的數量將為IoT設備執行其任務所需的計算能力。根據公司分析，籌碼的價格為2至12美元，可用於動態訓練的設備。
但是，這種轉變只是AI潛在民主化的開始，因為許多高級應用程序都可以由不動態訓練的系統執行。例如，可以在雲中訓練系統，然後在邊緣實現。一些新穎的應用，並且在某些方面是高度先進的，例如通過微型機械影響設備傳感器收集的神經肌肉數據來確定一個人的年齡，不需要自適應的神經網絡，並且可以在超低的芯片中實現，而成本少於2.7美分。
Aerendir目前正在與一家Vaping Company合作進行該應用程序，並將年齡封鎖的能力構建到煙霧設備中，以確定一秒鐘內將其持有的人的年齡。 Zizi對該項目充滿熱情，儘管他無法命名該公司的Vaping-Industry合作夥伴。
他說：“這是一個真正的社會解決方案，基於以下事實：我們可以以足夠低的成本來實施智能係統。”該解決方案可能會在六個月內準備就緒。
其他潛在的近期應用程序包括可以收集年齡和性別數據但出於市場研究目的而沒有識別數據的遙控器，以及沒有GPU的USB鍵和門把手，而GPU則可以識別指紋。
理論上，AI不僅可以擴展到基於矢量的處理的新生物聯網中的更多地方，而且價格較低的芯片可以幫助設備製造商在這樣做時提高其利潤率。
這可以使Zizi能夠建立他設想的公司，其中計算我們周圍資源的“液滴”形成了授權的“薄霧”。霧是在高度連接的環境中控制的氣泡。
Zizi解釋說：“霧氣就是我們周圍的東西。我們都有一個外圍。”他嘲笑隱喻，但他對使用生物識別技術和其他AI應用程序的新網絡模型的潛力非常認真，但對隱私和數據安全沒有相同的風險。根據Zizi的說法，通過將用戶界面層添加到現有系統中，應對這些風險的通常技術行業方法根本不足。
他說：“我們有一個生態系統，該生態系統已經違反了多年來的數據和個人信息，並試圖將口紅放在用UI上的豬身上。”
最終，Zizi所談論的內容在某些方面似乎是破壞性的，但這是利用現有的計算技術和一種旨在幫助該行業實現長期以來計劃的物聯網未來的新方法的結合。
他解釋說：“通過重塑數據集，這是關鍵部分，通過向量化，您可以使用矢量處理單元，這是基本的舊計算機芯片。” “您可以使用其中的一個，十個，無論您需要什麼能力，但是與GPU相比它們便宜。”
GPU仍將在邊緣和雲中佔有一席之地，現有的生物識別技術將繼續成為身份生態系統，邊緣和其他地方的一部分。這是技術的交付方式，而不是技術的方式。
他堅持說：“我不是在攻擊其他生物識別技術，因為每個ID都可以很好，但是實施它會對用戶產生影響。”
他說，這意味著數據庫無需匯總即可製定參與工具。這意味著不商品化隱私。
