A nova tecnologia permite que os soldados dos EUA aprendam 13 vezes mais rápido do que os métodos convencionais e os pesquisadores do Exército disseram que isso pode ajudar a salvar vidas.

No Laboratório de Pesquisa do Exército dos EUA, os cientistas estão melhorando a taxa de aprendizagem, mesmo com recursos limitados. É possível ajudar os soldados a decifrar dicas de informações com mais rapidez e implementar soluções com mais rapidez, como o reconhecimento de ameaças como um dispositivo explosivo improvisado transportado por um veículo, ou zonas de perigo potencial de imagens aéreas de zona de guerra.

Os pesquisadores confiaram em baixo custo, hardware leve e filtragem colaborativa implementada, uma técnica de aprendizado de máquina bem conhecida em um estado da arte, plataforma Field Programmable Gate Array de baixa potência para atingir 13,3 vezes a aceleração de treinamento em comparação com um sistema multi-core otimizado de última geração e 12,7 vezes a aceleração para sistemas GPU otimizados.

A nova técnica também consumia muito menos energia. Consumo mapeado em 13,8 watts, em comparação com 130 watts para as plataformas multi-core e 235 watts para as plataformas GPU, tornando este um componente potencialmente útil de adaptação, sistemas de computação tática leves.

Dr. Rajgopal Kannan, um pesquisador ARL, disse que essa técnica poderia eventualmente se tornar parte de um conjunto de ferramentas embutidas no veículo de combate de próxima geração, oferecendo serviços cognitivos e dispositivos para combatentes em ambientes de coalizão distribuídos.

O desenvolvimento de tecnologia para o veículo de combate da próxima geração é uma das seis Prioridades de Modernização do Exército que o laboratório está perseguindo.

Kannan colabora com um grupo de pesquisadores da University of Southern California, a saber, o Prof. Viktor Prasanna e os alunos do laboratório de ciência de dados e arquitetura neste trabalho. ARL e USC estão trabalhando para acelerar e otimizar aplicativos de aprendizado tático em hardware heterogêneo de baixo custo por meio da iniciativa de campus aberto da Costa Oeste da ARL.

Este trabalho faz parte do enfoque maior do Exército em inteligência artificial e iniciativas de pesquisa de aprendizado de máquina buscadas para ajudar a obter uma vantagem estratégica e garantir a superioridade do combatente com aplicativos como processamento adaptativo em campo e computação tática.

Kannan disse que está trabalhando no desenvolvimento de várias técnicas para acelerar algoritmos de AI / ML por meio de projetos inovadores em hardware de última geração e barato.

Kannan disse que as técnicas do artigo podem se tornar parte da cadeia de ferramentas para projetos em potencial. Por exemplo, um novo projeto de processamento adaptativo que começou recentemente, onde ele é um pesquisador-chave, poderia usar esses recursos.

Seu artigo sobre a descida gradiente estocástica acelerada, uma técnica onipresente em muitos algoritmos de treinamento de aprendizado de máquina, ganhou o prêmio de melhor artigo no 26º Simpósio Internacional ACM / SIGDA sobre matrizes de portas programáveis ​​em campo, a principal conferência internacional sobre pesquisa técnica em FPGAs, realizada em Monterey, Califórnia, 25 a 27 de fevereiro.