La nueva tecnología permite que los soldados estadounidenses aprendan 13 veces más rápido que los métodos convencionales y los investigadores del Ejército dijeron que esto puede ayudar a salvar vidas.

En el Laboratorio de Investigación del Ejército de EE. UU., los científicos están mejorando la tasa de aprendizaje incluso con recursos limitados. Es posible ayudar a los soldados a descifrar pistas de información más rápido y a implementar soluciones más rápidamente, como reconocer amenazas como un artefacto explosivo improvisado transportado por un vehículo, o zonas de peligro potencial a partir de imágenes aéreas de zonas de guerra.

Los investigadores confiaron en productos de bajo costo, hardware ligero y filtrado colaborativo implementado, una conocida técnica de aprendizaje automático en un estado de la técnica, Plataforma de matriz de puerta programable de campo de baja potencia para lograr una aceleración de entrenamiento 13,3 veces superior en comparación con un sistema de múltiples núcleos optimizado de última generación y 12,7 veces la aceleración para sistemas GPU optimizados.

La nueva técnica también consumía mucha menos energía. Consumo gráfico de 13,8 vatios, en comparación con 130 vatios para las plataformas de múltiples núcleos y 235 vatios para las plataformas GPU, haciendo de este un componente potencialmente útil de adaptativo, sistemas informáticos tácticos ligeros.

Dr. Rajgopal Kannan, un investigador de ARL, dijo que esta técnica podría eventualmente convertirse en parte de un conjunto de herramientas integradas en el vehículo de combate de próxima generación, ofreciendo servicios y dispositivos cognitivos para combatientes en entornos de coalición distribuida.

El desarrollo de tecnología para el vehículo de combate de próxima generación es una de las seis prioridades de modernización del ejército que persigue el laboratorio.

Kannan colabora con un grupo de investigadores de la Universidad del Sur de California, a saber, el profesor Viktor Prasanna y los estudiantes del laboratorio de arquitectura y ciencia de datos en este trabajo. ARL y USC 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 la costa oeste de ARL.

Este trabajo es parte del enfoque más amplio del Ejército en las iniciativas de investigación de inteligencia artificial y aprendizaje automático que se persiguen para ayudar a obtener una ventaja estratégica y garantizar la superioridad de los guerreros con aplicaciones como el procesamiento adaptativo en el campo y la computación táctica.

Kannan dijo que está trabajando en el desarrollo de varias técnicas para acelerar los algoritmos de IA / ML a través de diseños innovadores en hardware económico de última generación.

Kannan dijo que las técnicas en el documento pueden convertirse en parte de la cadena de herramientas para proyectos potenciales. Por ejemplo, un nuevo proyecto de procesamiento adaptativo que comenzó recientemente donde él es un investigador clave podría usar estas capacidades.

Su artículo sobre la aceleración del descenso de gradiente estocástico, una técnica omnipresente para muchos algoritmos de entrenamiento de aprendizaje automático, ganó el premio al mejor artículo en el 26 ° Simposio internacional ACM / SIGDA sobre matrices de puertas programables de campo, la principal conferencia internacional sobre investigación técnica en FPGA, celebrado en Monterey, California, 25-27 de febrero.