Algoritam strojnog učenja koji koristi digitalne blizance mogao bi unaprijediti buduće autonomne sustave, prema novom istraživanju. 

Stvaranjem digitalnog blizanca, odnosno virtualne kopije elektroničkog kruga koji pokazuje kaotično ponašanje pomoću alata strojnog učenja, istraživači su uspjeli predvidjeti kako će se ponašati i koristiti te informacije za njegovo upravljanje.

Mnogi svakodnevni uređaji, poput termostata i tempomata, koriste linearne upravljače koji primjenjuju jednostavna pravila za usmjeravanje sustava prema željenoj vrijednosti. Termostati, na primjer, koriste takva pravila za određivanje količine grijanja ili hlađenja prostora na temelju razlike između trenutne i željene temperature.

No, zbog jednostavnosti ovih algoritama, oni imaju poteškoća u upravljanju sustavima koji pokazuju složeno ponašanje, poput kaosa.

Zbog toga napredni uređaji poput autonomnih vozila i zrakoplova često se oslanjaju na upravljače zasnovane na strojnom učenju, koji koriste složene mreže za učenje optimalnog upravljačkog algoritma potrebnog za najbolje upravljanje. Međutim, ovi algoritmi imaju značajne nedostatke, od kojih je najzahtjevniji taj što mogu biti izuzetno zahtjevni i skupi za implementaciju.

Sada, imajući pristup učinkovitom digitalnom blizancu, vjerojatno će imati dalekosežan utjecaj na način na koji znanstvenici razvijaju buduće autonomne tehnologije, rekao je Robert Kent, vodeći autor studije i diplomski student fizike na Sveučilištu Ohio.

„Problem s većinom upravljača zasnovanih na strojnom učenju je taj što koriste puno energije ili snage i dugo traje njihova evaluacija“, rekao je Kent. „Razvoj tradicionalnih upravljača za njih također je bio težak jer su kaotični sustavi izuzetno osjetljivi na male promjene.“

Ovi problemi, rekao je, ključni su u situacijama gdje milisekunde mogu biti razlika između života i smrti, kao što je kada autonomna vozila moraju odlučiti zakočiti kako bi spriječila nesreću.

Studija je nedavno objavljena u časopisu Nature Communications.

Dovoljno kompaktan da stane na jeftini računalni čip sposoban za balansiranje na vrhu prsta i sposoban za rad bez internetske veze, timski digitalni blizanac izgrađen je za optimizaciju učinkovitosti i performansi upravljača, što je, prema istraživanju, rezultiralo smanjenjem potrošnje energije. To postiže prilično lako, uglavnom zato što je obučen koristeći vrstu pristupa strojnom učenju nazvanu računanje rezervoara.

„Odlična stvar kod arhitekture strojnog učenja koju smo koristili je ta što je vrlo dobra u učenju ponašanja sustava koji evoluiraju tijekom vremena“, rekao je Kent. „Inspirirana je načinom na koji se povezivanja stvaraju u ljudskom mozgu.“

Iako su slično veliki računalni čipovi korišteni u uređajima poput

 pametnih hladnjaka, prema studiji, ovaj novi računalni kapacitet čini novi model posebno sposobnim za upravljanje dinamičkim sustavima kao što su autonomna vozila, kao i monitori srca, koji se moraju brzo prilagoditi otkucajima srca pacijenta.

„Veliki modeli strojnog učenja moraju trošiti puno energije za obradu podataka i dobivanje pravih parametara, dok je naš model i obuka toliko jednostavni da bi sustavi mogli učiti u pokretu“, rekao je Kent.

Da bi testirali ovu teoriju, istraživači su usmjerili svoj model na izvršavanje složenih upravljačkih zadataka i usporedili njegove rezultate s onima iz prethodnih upravljačkih tehnika. Studija je otkrila da njihov pristup postiže veću točnost u zadacima od svojih linearnih kolega i značajno je manje računalno složen od prethodnog upravljača zasnovanog na strojnom učenju. 

„Povećanje točnosti bilo je prilično značajno u nekim slučajevima“, rekao je Kent. Iako je rezultat pokazao da njihov algoritam zahtijeva više energije od linearnog upravljača za rad, ta trgovina znači da kada se pokrene, model tima traje duže i znatno je učinkovitiji od trenutačnih upravljača zasnovanih na strojnom učenju na tržištu.

„Ljudi će naći dobru upotrebu za njega samo na temelju njegove učinkovitosti“, rekao je Kent. „Možete ga implementirati na gotovo bilo koju platformu i vrlo je jednostavan za razumijevanje.“ Algoritam je nedavno bio dostupan znanstvenicima. 

Osim što potiče potencijalne napretke u inženjerstvu, postoji i jednako važan ekonomski i ekološki poticaj za stvaranje energetski učinkovitijih algoritama, rekao je Kent. 

Kako društvo postaje sve ovisnije o računalima i umjetnoj inteligenciji za gotovo sve aspekte svakodnevnog života, potražnja za podatkovnim centrima raste, zbog čega mnogi stručnjaki zabrinuto razmišljaju o ogromnom apetitu digitalnih sustava za energijom i što će buduće industrije morati učiniti kako bi to pratili.

A budući da izgradnja ovih podatkovnih centara kao i velikih računalnih eksperimenata može generirati veliki ugljični otisak, znanstvenici traže načine za smanjenje emisija ugljika iz ove tehnologije.

Da bi unaprijedili svoje rezultate, budući rad vjerojatno će biti usmjeren na obuku modela za istraživanje drugih primjena, kao što je kvantno informacijsko procesiranje, rekao je Kent. U međuvremenu, očekuje da će ovi novi elementi daleko prodrijeti u znanstvenu zajednicu.

„Nedovoljno ljudi zna o ovim vrstama algoritama u industriji i inženjerstvu, i jedan od velikih ciljeva ovog projekta je naučiti više ljudi o njima“, rekao je Kent. „Ovaj rad je sjajan prvi korak prema ostvarivanju tog potencijala.“

Ova studija podržana je od strane Ureda za znanstvena istraživanja zračnih snaga SAD-a. Drugi suautori iz Ohia uključuju Wendsona A.S. Barbosu i Daniela J. Gauthiera.

Izvor: Ohio State University