Las nuevas tecnologías permitirán aprender 13 veces más rápido que con los métodos convencionales, lo que ayudaría a salvar vidas.
En el Laboratorio de Investigación del Ejército de Estados Unidos, los científicos están trabajando para mejor el ritmo de aprendizaje de los combatientes, incluso con recursos limitados. Es posible ayudar a los soldados a descifrar más rápidamente indicios de información y encontrar soluciones más rápidas, como reconocer amenazas como un artefacto explosivo improvisado transportado por un vehículo o zonas de peligro potencial a partir de imágenes de zonas de guerra aérea.
Los investigadores emplearon hardware ligero y de bajo coste y pusieron en práctica el filtrado colaborativo, una conocida técnica de aprendizaje de máquina en una plataforma Field Programmable Gate Array de última generación y bajo consumo de energía, para lograr una aceleración de la formación de 13,3 veces superior a la de un sistema multinúcleo optimizado de última generación y de 12,7 veces superior a la de los sistemas de GPU optimizados.
La nueva técnica también consume mucha menos energía. El consumo registrado fue de 13,8 vatios, frente a los 130 vatios de las plataformas multi-core y los 235 vatios de las plataformas de GPU, lo que hace de él un componente potencialmente útil para los sistemas de cálculo táctico adaptables y ligeros.
El Dr. Rajgopal Kannan, investigador del ARL, dijo que, esta técnica podría llegar a formar parte de un conjunto de herramientas integradas en el vehículo de combate de próxima generación, ofreciendo servicios y dispositivos cognitivos para los combatientes en entornos de coalición distribuidos, ya que, el desarrollo de tecnología para la próxima generación de vehículos de combate es una de las seis prioridades de modernización del Ejército que persigue el laboratorio.
El ARL y sus asociados están trabajando para acelerar y optimizar las aplicaciones de aprendizaje táctico en hardware heterogéneo de bajo costo a través de la iniciativa de campus abierto de ARL – West Coast.
Este trabajo forma parte de un enfoque más amplio del Ejército sobre la inteligencia artificial y las iniciativas de investigación de aprendizaje de máquinas, que se llevan a cabo para ayudar a conseguir ventaja estratégica y garantizar la superioridad en el campo de batalla con aplicaciones, como el procesamiento adaptativo en campo y la computación táctica.
Kannan dijo que está trabajando en el desarrollo de varias técnicas para acelerar los algoritmos AI/ML a través de diseños innovadores en hardware de última generación y bajo costo. También que, las técnicas del documento pueden formar parte de la cadena de herramientas para proyectos potenciales. Por ejemplo, un nuevo proyecto de procesamiento adaptativo, que comenzó recientemente y en el que él es un investigador clave, podría utilizar estas capacidades.
Su trabajo sobre la aceleración del descenso por gradiente estocástico, una técnica omnipresente en muchos algoritmos de entrenamiento de aprendizaje de máquinas, ganó el premio al mejor trabajo en el 26º Simposio Internacional ACM/SIGDA sobre matrices de compuertas programables en campo, la principal conferencia internacional sobre investigación técnica en FPGAs, celebrado en Monterey, California, del 25 al 27 de febrero.
Fte. Army.mil
