Umjetna inteligencija pomaže vojnicima da nauče mnogo puta brže u borbi

Zeitgeist Addendum (Lipanj 2019).

Anonim

Nova tehnologija omogućava američkim vojnicima da nauče 13 puta brže od konvencionalnih metoda i vojni istraživači kažu kako to može pomoći u spašavanju života.

U Američkom vojnom istraživačkom laboratoriju, znanstvenici poboljšavaju učenje čak i uz ograničene resurse. Moguće je pomoći vojnicima da brže dešifriraju informacije o informacijama i što brže implementiraju rješenja, kao što je prepoznavanje prijetnji poput improviziranog eksplozivnog uređaja na vozilu ili potencijalnih opasnih zona iz zračnih ratnih zona.

Istraživači su se oslonili na low-cost, lagani hardver i implementirali suradnički filtriranje, poznatu tehniku ​​učenja strojeva na najsuvremenijoj, nisko-moćnoj platformi programiranog polja za usmjeravanje vrata kako bi se postigla brzina treninga od 13, 3 puta u usporedbi s najsuvremeniji optimizirani multi-core sustav i 12, 7 puta brzinu za optimizirane GPU sustave.

Nova tehnika također je potrošila daleko manje energije. Potrošnja je zabilježila 13, 8 watt, u usporedbi s 130 wata za multi-core i 235 watt za GPU platforme, što je to potencijalno korisna komponenta prilagodljivih i laganih taktičkih računalnih sustava.

Dr. Rajgopal Kannan, istraživač ARL, rekao je da bi ova tehnika mogla postati dio zbirke alata ugrađenih u borbenu vozila sljedeće generacije, nudeći kognitivne usluge i uređaje za ratnike u distribuiranim koalicijskim okruženjima.

Razvoj tehnologije za borbeno vozilo sljedeće generacije jedan je od šest prioriteta modernizacije vojske koje laboratorij provodi.

Kannan surađuje sa skupinom istraživača na Sveučilištu Južne Kalifornije, odnosno prof. Viktorom Prasannom i studentima iz laboratorija za znanost i arhitekturu podataka o ovom radu. ARL i USC rade na ubrzavanju i optimizaciji taktičkih aplikacija za učenje na heterogenim hardverima s niskim troškovima putem inicijative ARL-a - West Coast open campus.

Ovaj rad dio je vojske veće pažnje na inovativne inicijative za umjetnu inteligenciju i strojnu naobrazbu koja se bore kako bi se stekla strateška prednost i osigurala superiornost ratnog zrakoplova s ​​aplikacijama kao što su prilagodljiva obrada na terenu i taktičko računanje.

Kannan je rekao da radi na razvoju nekoliko tehnika za ubrzavanje AI / ML algoritama kroz inovativne dizajne na najsuvremenijem jeftinom hardveru.

Kannan je rekao kako tehnike u radu mogu postati dio lanca alata za potencijalne projekte. Na primjer, novi projekt prilagodbe za obradbu koji je nedavno započeo gdje je ključni istraživač mogao bi iskoristiti te mogućnosti.

Njegov rad o ubrzavanju stohastičkog gradijentnog spuštanja, tehnike koja je sveprisutna mnogim algoritmima treninga za strojno učenje, osvojila je nagradu najboljeg papira na 26. ACM / SIGDA International Symposium on Field Programmable Gate Arrays, premijersku međunarodnu konferenciju o tehničkim istraživanjima u FPGAs Monterey, Kalifornija, 25. - 27. veljače.

menu
menu