La nuova tecnologia consente ai soldati statunitensi di apprendere 13 volte più velocemente rispetto ai metodi convenzionali e i ricercatori dell'esercito hanno affermato che ciò potrebbe aiutare a salvare vite umane.

Al Laboratorio di Ricerca dell'Esercito degli Stati Uniti, gli scienziati stanno migliorando il tasso di apprendimento anche con risorse limitate. È possibile aiutare i soldati a decifrare i suggerimenti di informazioni più velocemente e a distribuire più rapidamente soluzioni, come riconoscere minacce come un ordigno esplosivo improvvisato trasportato da un veicolo, o potenziali zone di pericolo da immagini aeree di zone di guerra.

I ricercatori si sono affidati a basso costo, hardware leggero e filtro collaborativo implementato, una nota tecnica di apprendimento automatico su uno stato dell'arte, piattaforma Field Programmable Gate Array a bassa potenza per ottenere un'accelerazione dell'addestramento di 13,3 volte rispetto a un sistema multi-core ottimizzato all'avanguardia e una velocità di 12,7 volte per i sistemi GPU ottimizzati.

La nuova tecnica consumava anche molta meno energia. Consumo indicato 13,8 watt, rispetto ai 130 watt per le piattaforme multi-core e 235 watt per le piattaforme GPU, rendendo questo un componente potenzialmente utile di adattamento, sistemi informatici tattici leggeri.

Dottor Rajgopal Kannan, un ricercatore ARL, ha affermato che questa tecnica potrebbe alla fine diventare parte di una suite di strumenti incorporati nel veicolo da combattimento di prossima generazione, offrendo servizi e dispositivi cognitivi per i combattenti di guerra in ambienti di coalizione distribuita.

Lo sviluppo della tecnologia per il veicolo da combattimento di nuova generazione è una delle sei priorità di modernizzazione dell'esercito che il laboratorio sta perseguendo.

Kannan collabora con un gruppo di ricercatori della University of Southern California, vale a dire il prof. Viktor Prasanna e gli studenti del laboratorio di data science e architettura su questo lavoro. ARL e USC stanno lavorando per accelerare e ottimizzare le applicazioni di apprendimento tattico su hardware eterogeneo a basso costo attraverso l'iniziativa open campus di ARL - West Coast.

Questo lavoro fa parte della più ampia attenzione dell'esercito sull'intelligenza artificiale e sulle iniziative di ricerca sull'apprendimento automatico perseguite per aiutare a ottenere un vantaggio strategico e garantire la superiorità dei combattenti con applicazioni come l'elaborazione adattiva sul campo e il calcolo tattico.

Kannan ha affermato che sta lavorando allo sviluppo di diverse tecniche per accelerare gli algoritmi AI/ML attraverso progetti innovativi su hardware economico all'avanguardia.

Kannan ha affermato che le tecniche nel documento possono diventare parte della catena di strumenti per potenziali progetti. Per esempio, un nuovo progetto di elaborazione adattiva iniziato di recente in cui è un ricercatore chiave potrebbe utilizzare queste capacità.

Il suo articolo sull'accelerazione della discesa del gradiente stocastico, una tecnica onnipresente in molti algoritmi di addestramento all'apprendimento automatico, ha vinto il premio come miglior articolo al 26° Simposio internazionale ACM/SIGDA sugli array di porte programmabili sul campo, la prima conferenza internazionale sulla ricerca tecnica negli FPGA, tenutosi a Monterey, California, 25-27 febbraio.