A Internet das Coisas sem fio (IoT) é uma rede de dispositivos em que cada dispositivo pode enviar informações diretamente para outro através de canais de comunicação sem fio, sem intervenção humana. Com o número de dispositivos IoT aumentando a cada dia, a quantidade de informações sobre canais sem fio também está aumentando. Isso está causando congestionamento na rede, levando à perda de informações devido a interferência e falha na entrega de informações. A pesquisa para resolver este problema de congestionamento está em andamento, e a solução mais amplamente aceita e aplicada é a tecnologia "multicanal". Com esta tecnologia, a transmissão de informações é distribuída entre vários canais paralelos com base no tráfego de um canal específico em um determinado momento.

Mas, Atualmente, os canais ideais de transmissão de informações são selecionados usando algoritmos que não podem ser suportados pela maioria dos dispositivos IoT existentes porque são limitados por recursos; ou seja, eles têm baixa capacidade de armazenamento e baixo poder de processamento, e deve economizar energia enquanto permanece em operação por longos períodos de tempo.

Em um estudo recente publicado em Ciências Aplicadas , um grupo de cientistas da Universidade de Ciência de Tóquio e da Universidade Keio, Japão, propor o uso de um algoritmo de aprendizado de máquina, baseado no modelo de cabo de guerra (que é um modelo fundamental, anteriormente proposto pelo professor Song-Ju Kim da Universidade Keio, que é usado para resolver problemas como o de como distribuir informações entre os canais), para selecionar canais. "Percebemos que esse algoritmo poderia ser aplicado a dispositivos IoT, e decidimos implementá-lo e experimentá-lo, "Professor Mikio Hasegawa, o cientista-chefe da Universidade de Ciência de Tóquio, diz.

Em seu estudo, eles construíram um sistema no qual vários dispositivos IoT eram conectados para formar uma rede e cada dispositivo só podia selecionar um dos vários canais disponíveis para transmitir informações a cada vez. Além disso, cada dispositivo tinha recursos limitados. No experimento, os dispositivos foram encarregados de acordar, transmitindo uma informação, ir dormir, e então repetir o ciclo um certo número de vezes. O papel do algoritmo proposto era permitir que os dispositivos selecionassem o canal ideal a cada vez, de forma que no final, o maior número possível de transmissões bem-sucedidas (ou seja, quando todas as informações chegam ao seu destino inteiras) ocorreu.

O algoritmo é chamado de aprendizagem por reforço e realiza a tarefa da seguinte maneira:toda vez que uma informação é transmitida por meio de um canal, ele observa a probabilidade de obter transmissões bem-sucedidas por meio desse canal, com base no fato de as informações chegarem de forma completa e precisa ao seu destino. Ele atualiza esses dados a cada transmissão subsequente.

Os pesquisadores usaram essa configuração para também verificar a) se o algoritmo foi bem-sucedido, b) se foi imparcial em sua seleção de canais, ec) se ele poderia se adaptar às variações de tráfego em um canal. Para os testes, um sistema de controle adicional foi construído no qual cada dispositivo foi atribuído a um canal específico e não podia selecionar nenhum outro canal ao transmitir informações. No primeiro caso, alguns canais estavam congestionados antes de iniciar o experimento, e os cientistas descobriram que o número de transmissões bem-sucedidas era maior quando o algoritmo foi usado, ao contrário de quando não era. No segundo caso, alguns canais ficaram congestionados quando o algoritmo não foi usado, e as informações não puderam ser transmitidas por meio deles depois de um certo tempo, causando "injustiça" na seleção de canais. Contudo, quando os cientistas usaram o algoritmo, a seleção do canal foi considerada justa. As conclusões do terceiro caso esclarecem as dos dois casos anteriores:quando o algoritmo foi usado, dispositivos começaram automaticamente a ignorar um canal congestionado e reutilizá-lo apenas quando o tráfego diminuiu.

"Conseguimos a seleção de canais com uma pequena quantidade de computação e um algoritmo de aprendizado de máquina de alto desempenho, "O professor Hasegawa nos diz. Embora isso signifique que o algoritmo resolveu com sucesso o problema de seleção de canal sob condições experimentais, seu desenrolar no mundo real ainda está para ser visto. "Experimentos de campo para testar a robustez desse algoritmo serão realizados em pesquisas futuras, "dizem os cientistas. Eles também planejam melhorar o algoritmo em pesquisas futuras, levando em consideração outras características da rede, como qualidade de transmissão do canal.

O mundo está se movendo rapidamente em direção a redes IoT sem fio massivas com um número crescente de dispositivos conectando-se através de canais sem fio em todo o mundo. Toda organização ou acadêmico possível está aproveitando a oportunidade deste momento na história do tempo para resolver o problema de seleção de canais e sair na frente do jogo. O prof. Hasegawa e sua equipe conseguiram dar um dos primeiros passos da corrida. O futuro da alta velocidade, a transmissão de informações sem fio sem erros pode estar próxima!