Un conjunto de agentes en red (denominados nodos de colores) entrena sus redes neuronales profundas individuales utilizando datos disponibles localmente mientras interactúa con los nodos vecinos a través de los enlaces de comunicación disponibles (representados con bordes grises). Crédito:Gráfico del Ejército de EE. UU.
Un nuevo algoritmo permite el aprendizaje profundo que es más colaborativo y eficiente en la comunicación que los métodos tradicionales.
Los investigadores del ejército desarrollaron algoritmos que facilitan la distribución, capacidades de aprendizaje descentralizadas y colaborativas entre dispositivos, evitando la necesidad de agrupar todos los datos en un servidor central para el aprendizaje.
"Ha habido un crecimiento exponencial en la cantidad de datos recopilados y almacenados localmente en dispositivos inteligentes individuales, "dijo el Dr. Jemin George, un científico del Ejército en el Laboratorio de Investigación del Ejército del Comando de Desarrollo de Capacidades de Combate del Ejército de EE. UU. "Numerosos esfuerzos de investigación, así como empresas, se han centrado en aplicar el aprendizaje automático para extraer valor de datos tan masivos para proporcionar información basada en datos, decisiones y predicciones ".
Sin embargo, ninguno de estos esfuerzos aborda ninguno de los problemas asociados con la aplicación del aprendizaje automático a una competencia, espacio de batalla congestionado y restringido, Dijo George. Estas limitaciones del espacio de batalla se vuelven más evidentes cuando los dispositivos utilizan algoritmos de aprendizaje profundo para la toma de decisiones debido a los altos costos computacionales en términos de tiempo de aprendizaje y potencia de procesamiento.
"Esta investigación intenta abordar algunos de los desafíos de aplicar el aprendizaje automático, o aprendizaje profundo, en entornos militares, "dijo el Dr. Prudhvi Gurram, un científico que contribuyó a esta investigación. "Las indicaciones y advertencias tempranas de amenazas mejoran el conocimiento de la situación y contribuyen a cómo el Ejército evoluciona y se adapta para derrotar las amenazas adversas".
Los investigadores presentaron sus hallazgos en la 34a Conferencia de la Asociación para el Avance de la Inteligencia Artificial sobre Inteligencia Artificial en Nueva York. Hay una versión preimpresa del documento en línea.
En un estudio anterior (consulte los enlaces relacionados a continuación), los investigadores demostraron que los algoritmos de aprendizaje profundo distribuidos pueden producir el mismo rendimiento que los algoritmos típicos de aprendizaje centralizado sin agregar los datos en un solo, locacion central, mientras se reduce el tiempo de aprendizaje linealmente con el número de dispositivos o agentes involucrados en el aprendizaje distribuido.
"Los algoritmos de aprendizaje distribuido generalmente requieren numerosas rondas de comunicación entre los agentes o dispositivos involucrados en el proceso de aprendizaje para compartir su modelo actual con el resto de la red, ", Dijo George." Esto presenta varios desafíos de comunicación ".
Los investigadores del Ejército desarrollaron una nueva técnica para disminuir significativamente la sobrecarga de comunicación, hasta en un 70% en determinados escenarios, sin sacrificar la velocidad de aprendizaje o la precisión del rendimiento.
Los investigadores desarrollaron un mecanismo de activación, lo que permitió a los agentes individuales comunicar su modelo con sus vecinos solo si ha cambiado significativamente desde la última vez que se transmitió. Aunque esto disminuye significativamente la interacción de comunicación entre los agentes, no afecta la tasa de aprendizaje general o la precisión del rendimiento del modelo aprendido final, Dijo George.
Los investigadores del ejército están investigando cómo esta investigación se puede aplicar a Internet of Battlefield Things, incorporar esquemas de comunicación cuantificados y comprimidos al algoritmo actual para reducir aún más la sobrecarga de comunicación.
Las prioridades de modernización del Ejército incluyen redes informáticas de próxima generación (consulte los enlaces relacionados a continuación), que permiten al Ejército ofrecer capacidades tecnológicas aprobadas por los líderes a los combatientes con el mejor rendimiento posible de la inversión para el Ejército.
Los esfuerzos futuros evaluarán el comportamiento del algoritmo en Conjuntos de datos de relevancia militar que utilizan los recursos informáticos disponibles a través del Instituto de Innovación de IA del Ejército de EE. UU., con el algoritmo que se espera que haga la transición para ejecutarse en dispositivos de borde, Dijo George.
