В Научно-исследовательской лаборатории армии США ученые улучшают темп изучения даже с ограниченными ресурсами. Возможно помочь Солдатам расшифровать намеки информации быстрее и более быстро развернуть решения, такие как признание угроз как перенесенное транспортным средством самодельное взрывное устройство или потенциальных опасных зон от воздушных изображений района боевых действий.Исследователи полагались на недорогие, легкие аппаратные средства и осуществили совместную фильтрацию, известный метод машинного обучения на современном состоянии, Область малой мощности, Программируемая платформа Множества Ворот, чтобы достигнуть ускорения 13,3 раз обучения по сравнению с современным состоянием оптимизировала многоядерную систему и ускорение 12,7 раз для оптимизированных систем GPU.Новая техника потребила намного меньше энергии также.
Потребление картировало 13,8 ватт, по сравнению с 130 ваттами для многоядерного и 235 ваттами для платформ GPU, делая это потенциально полезным компонентом адаптивных, легких тактических вычислительных систем.Доктор Рэджгопэл Кэннэн, исследователь ARL, сказал, что эта техника могла в конечном счете стать частью номера люкс инструментов, включенных на боевой машине следующего поколения, предложив познавательные услуги и устройства для warfighters в распределенной окружающей среде коалиции.
Разрабатывание технологии для боевой машины следующего поколения является одним из шести армейских Приоритетов Модернизации, которые преследует лаборатория.Kannan сотрудничает с группой исследователей в Университете Южной Калифорнии, а именно, профессора Виктора Прасанны и студентов из лаборатории науки и архитектуры данных на этой работе. ARL и USC работают, чтобы ускорить и оптимизировать тактические приложения изучения на разнородных недорогих аппаратных средствах через ARL’s – Западное побережье открытая инициатива кампуса.Эта работа – часть большего внимания армии на инициативы по исследованию искусственного интеллекта и машинного обучения, преследуемые, чтобы помочь получить стратегическое преимущество и гарантировать warfighter превосходство заявлениями, такими как адаптивная обработка на области и тактическое вычисление.
Кэннэн сказал, что работает над развитием нескольких методов, чтобы ускорить алгоритмы AI/ML посредством инновационных проектов на современных недорогих аппаратных средствах.Кэннэн сказал, что методы в газете могут стать частью цепи инструмента для потенциальных проектов.
Например, новый адаптивный проект обработки, который недавно начался, где он – ключевой исследователь, мог использовать эти возможности.