La nouvelle technologie permet aux soldats américains d'apprendre 13 fois plus rapidement que les méthodes conventionnelles et les chercheurs de l'armée ont déclaré que cela pourrait aider à sauver des vies.

Au laboratoire de recherche de l'armée américaine, les scientifiques améliorent le taux d'apprentissage même avec des ressources limitées. Il est possible d'aider les soldats à déchiffrer les informations plus rapidement et à déployer plus rapidement des solutions, comme la reconnaissance de menaces comme un engin explosif improvisé embarqué, ou des zones de danger potentiel à partir d'images aériennes de zones de guerre.

Les chercheurs se sont appuyés sur un faible coût, matériel léger et filtrage collaboratif mis en place, une technique d'apprentissage automatique bien connue sur un état de l'art, plate-forme Gate Array programmable sur le terrain à faible consommation pour obtenir une accélération de 13,3 fois la formation par rapport à un système multicœur optimisé de pointe et une accélération de 12,7 fois pour les systèmes GPU optimisés.

La nouvelle technique consommait également beaucoup moins d'énergie. Consommation tracée 13,8 watts, contre 130 watts pour le multicœur et 235 watts pour les plates-formes GPU, ce qui en fait un élément potentiellement utile de l'adaptation, systèmes informatiques tactiques légers.

Dr Rajgopal Kannan, un chercheur ARL, a déclaré que cette technique pourrait éventuellement faire partie d'une suite d'outils embarqués sur le véhicule de combat de prochaine génération, offrant des services et des appareils cognitifs aux combattants dans des environnements de coalition distribués.

Le développement de la technologie pour le véhicule de combat de prochaine génération est l'une des six priorités de modernisation de l'Armée de terre que le laboratoire poursuit.

Kannan collabore avec un groupe de chercheurs de l'Université de Californie du Sud, à savoir le professeur Viktor Prasanna et des étudiants du laboratoire de science des données et d'architecture sur ce travail. ARL et USC s'efforcent d'accélérer et d'optimiser les applications d'apprentissage tactique sur du matériel hétérogène à faible coût grâce à l'initiative de campus ouvert de la côte ouest d'ARL.

Ce travail fait partie de l'accent plus large de l'armée sur les initiatives de recherche en intelligence artificielle et en apprentissage automatique poursuivies pour aider à acquérir un avantage stratégique et assurer la supériorité des combattants avec des applications telles que le traitement adaptatif sur le terrain et l'informatique tactique.

Kannan a déclaré qu'il travaillait au développement de plusieurs techniques pour accélérer les algorithmes d'IA/ML grâce à des conceptions innovantes sur du matériel peu coûteux à la pointe de la technologie.

Kannan a déclaré que les techniques décrites dans le document peuvent faire partie de la chaîne d'outils pour des projets potentiels. Par exemple, un nouveau projet de traitement adaptatif qui a récemment commencé où il est un chercheur clé pourrait utiliser ces capacités.

Son article sur l'accélération de la descente de gradient stochastique, une technique omniprésente dans de nombreux algorithmes de formation en machine learning, a remporté le prix du meilleur article au 26e Symposium international ACM/SIGDA sur les matrices de portes programmables sur le terrain, la première conférence internationale sur la recherche technique dans les FPGA, tenue à Monterey, Californie, 25-27 février.