Trí thông minh nhân tạo giúp người lính học nhanh hơn nhiều lần trong chiến đấu

Cách dễ dàng nhất để Farm 100 lính trong 10 phút (Tháng BảY 2019).

Anonim

Công nghệ mới cho phép lính Mỹ tìm hiểu nhanh hơn 13 lần so với phương pháp thông thường và các nhà nghiên cứu quân đội cho biết điều này có thể giúp cứu mạng sống.

Tại Phòng thí nghiệm Nghiên cứu Quân đội Hoa Kỳ, các nhà khoa học đang cải thiện tỷ lệ học tập ngay cả với các nguồn lực hạn chế. Có thể giúp người lính giải mã các thông tin gợi ý nhanh hơn và nhanh chóng triển khai các giải pháp, chẳng hạn như nhận diện các mối đe dọa như thiết bị nổ ngẫu hứng, hoặc các khu nguy hiểm tiềm tàng từ các hình ảnh vùng chiến tranh trên không.

Các nhà nghiên cứu dựa vào phần cứng nhẹ, giá rẻ và thực hiện lọc cộng tác, một kỹ thuật học máy nổi tiếng trên nền tảng Field Programmable Gate Array hiện đại, năng lượng thấp để đạt được tốc độ đào tạo 13, 3 lần so với một hệ thống đa lõi tối ưu được tối ưu hóa hiện đại và tăng tốc 12, 7 lần cho các hệ thống GPU được tối ưu hóa.

Kỹ thuật mới tiêu thụ ít điện năng hơn. Tiêu thụ được xếp hạng 13, 8 watt, so với 130 watt cho đa lõi và 235 watt cho nền tảng GPU, làm cho nó trở thành một thành phần có khả năng thích ứng của các hệ thống tính toán chiến thuật nhẹ, thích ứng.

Tiến sĩ Rajgopal Kannan, một nhà nghiên cứu của ARL, cho biết kỹ thuật này cuối cùng có thể trở thành một phần của một bộ công cụ nhúng trên chiếc xe chiến đấu thế hệ tiếp theo, cung cấp các dịch vụ nhận thức và thiết bị cho các chiến binh trong môi trường liên minh phân tán.

Phát triển công nghệ cho chiếc xe chiến đấu thế hệ tiếp theo là một trong sáu ưu tiên hiện đại hóa quân đội mà phòng thí nghiệm đang theo đuổi.

Kannan hợp tác với một nhóm các nhà nghiên cứu tại Đại học Nam California, cụ thể là Giáo sư Viktor Prasanna và sinh viên từ phòng thí nghiệm khoa học và kiến ​​trúc dữ liệu về công việc này. ARL và USC đang làm việc để đẩy nhanh và tối ưu hóa các ứng dụng học tập chiến thuật trên phần cứng chi phí thấp không đồng nhất thông qua sáng kiến ​​của trường mở rộng ARL - Bờ Tây.

Công việc này là một phần trọng tâm lớn hơn của quân đội về trí tuệ nhân tạo và các sáng kiến ​​nghiên cứu máy học theo đuổi để giúp đạt được lợi thế chiến lược và đảm bảo ưu thế chiến đấu với các ứng dụng như xử lý thích nghi trên sân và tính toán chiến thuật.

Kannan cho biết ông đang nghiên cứu phát triển một số kỹ thuật để tăng tốc các thuật toán AI / ML thông qua các thiết kế sáng tạo về phần cứng rẻ tiền hiện đại.

Kannan cho biết các kỹ thuật trong bài báo có thể trở thành một phần của chuỗi công cụ cho các dự án tiềm năng. Ví dụ, một dự án xử lý thích ứng mới mà gần đây đã bắt đầu, nơi anh ta là một nhà nghiên cứu chính có thể sử dụng những khả năng này.

Bài báo của ông về việc tăng cường độ dốc ngẫu nhiên, một kỹ thuật phổ biến cho nhiều thuật toán đào tạo máy học, giành giải thưởng giấy tốt nhất tại Hội nghị quốc tế ACM / SIGDA lần thứ 26 về Mảng Gatemable Gate Gate, hội thảo quốc tế hàng đầu về nghiên cứu kỹ thuật trong FPGA, được tổ chức tại Monterey, California, 25-27 tháng Hai.

menu
menu