אלגוריתמים מתקדמים של למידת מכונה הראו פוטנציאל בשליטה יעילה במערכות מורכבות, והבטיחו שיפורים משמעותיים בטכנולוגיה האוטונומית ובתשתית הדיגיטלית.
מחקרים עדכניים מדגישים את הפיתוח של מתקדם למידת מכונה אלגוריתמים המסוגלים לשלוט במערכות מורכבות ביעילות. האלגוריתמים החדשים הללו, שנבדקו על תאומים דיגיטליים של מעגלים אלקטרוניים כאוטיים, לא רק מנבאים ושולטים במערכות אלו ביעילות אלא גם מציעים שיפורים משמעותיים בצריכת החשמל ובדרישות החישוביות.
מערכות הנשלטות על ידי אלגוריתמי מחשוב מהדור הבא יכולות להוביל למוצרי למידת מכונה טובים ויעילים יותר, כך עולה ממחקר חדש.
באמצעות כלי למידת מכונה כדי ליצור תאום דיגיטלי, או עותק וירטואלי, של מעגל אלקטרוני המציג התנהגות כאוטית, חוקרים גילו שהם הצליחו לחזות כיצד הוא יתנהג ולהשתמש במידע הזה כדי לשלוט בו.
המגבלות של בקרים ליניאריים
מכשירים יומיומיים רבים, כמו תרמוסטטים ובקרת שיוט, משתמשים בבקרים ליניאריים – המשתמשים בכללים פשוטים כדי לכוון מערכת לערך רצוי. תרמוסטטים, למשל, משתמשים בכללים כאלה כדי לקבוע כמה לחמם או לקרר חלל על סמך ההבדל בין הטמפרטורות הנוכחיות והרצויות.
אבל בגלל כמה האלגוריתמים האלה פשוטים, הם נאבקים לשלוט במערכות שמציגות התנהגות מורכבת, כמו כאוס.
כתוצאה מכך, מכשירים מתקדמים כמו מכוניות ומטוסים בנהיגה עצמית מסתמכים לרוב על בקרים מבוססי למידת מכונה, המשתמשים ברשתות מורכבות כדי ללמוד את אלגוריתם הבקרה האופטימלי הדרוש כדי לפעול בצורה הטובה ביותר. עם זאת, לאלגוריתמים אלו יש חסרונות משמעותיים, שהתובעני שבהם הוא שהם עלולים להיות מאתגרים ביותר ויקרים ליישום מבחינה חישובית.
ההשפעה של תאומים דיגיטליים יעילים
כעת, לגישה לתאום דיגיטלי יעיל צפויה להיות השפעה גורפת על האופן שבו מדענים מפתחים טכנולוגיות אוטונומיות עתידיות, אמר רוברט קנט, המחבר הראשי של המחקר וסטודנט לתואר שני בפיזיקה באוניברסיטת אוהיו סטייט.
"הבעיה עם רוב הבקרים מבוססי למידת מכונה היא שהם משתמשים בהרבה אנרגיה או כוח ולוקח להם הרבה זמן להעריך", אמר קנט. "פיתוח בקרים מסורתיים עבורם היה גם קשה מכיוון שמערכות כאוטיות רגישות ביותר לשינויים קטנים."
הבעיות הללו, לדבריו, הן קריטיות במצבים שבהם אלפיות שניות יכולות לעשות הבדל בין חיים למוות, כמו כאשר רכבים בנהיגה עצמית חייבים להחליט לבלום כדי למנוע תאונה.
המחקר פורסם לאחרונה ב תקשורת טבע.
התקדמות בארכיטקטורת למידת מכונה
קומפקטי מספיק כדי להתאים לשבב מחשב זול המסוגל לאזן על קצה האצבע שלך ומסוגל לפעול ללא חיבור לאינטרנט, התאום הדיגיטלי של הצוות נבנה כדי לייעל את היעילות והביצועים של הבקר, מה שחוקרים גילו שהביאו להפחתה בצריכת החשמל. הוא משיג זאת די בקלות, בעיקר בגלל שהוא הוכשר באמצעות סוג של גישת למידת מכונה הנקראת מחשוב מאגר.
"הדבר הגדול בארכיטקטורת למידת מכונה שהשתמשנו בה הוא שהיא טובה מאוד בלמידת ההתנהגות של מערכות המתפתחות עם הזמן", אמר קנט. "זה בהשראת איך קשרים נוצצים במוח האנושי."
יישומים מעשיים וכיוונים עתידיים
למרות שבבי מחשב בגודל דומה נעשה שימוש במכשירים כמו מקררים חכמים, לפי המחקר, יכולת מחשוב חדשנית זו הופכת את הדגם החדש למאובזר במיוחד להתמודדות עם מערכות דינמיות כגון כלי רכב בנהיגה עצמית וכן מסכי לב, אשר חייבים להיות מסוגל להסתגל במהירות לקצב הלב של המטופל.
"מודלים גדולים של למידת מכונה צריכים לצרוך הרבה כוח כדי לחתוך נתונים ולצאת עם הפרמטרים הנכונים, בעוד שהמודל וההדרכה שלנו כל כך פשוטים שאפשר ללמוד מערכות תוך כדי תנועה", אמר.
כדי לבדוק את התיאוריה הזו, החוקרים כיוונו את המודל שלהם להשלמת משימות בקרה מורכבות והשוו את תוצאותיו לאלו מטכניקות בקרה קודמות. המחקר גילה שהגישה שלהם השיגה הישג גבוה יותר דיוק במשימות מאשר מקבילו הליניארי והוא פחות מורכב מבחינה חישובית מבקר קודם מבוסס למידת מכונה.
"העלייה ברמת הדיוק הייתה די משמעותית במקרים מסוימים", אמר קנט. למרות שהתוצאה הראתה שהאלגוריתם שלהם דורש יותר אנרגיה מאשר בקר ליניארי כדי לפעול, פשרה זו אומרת שכאשר הוא מופעל, המודל של הצוות מחזיק מעמד זמן רב יותר ויעיל באופן ניכר מבקרים מבוססי למידת מכונה הנוכחיים בשוק.
"אנשים ימצאו בו שימוש טוב רק על סמך מידת היעילות שלו", אמר קנט. "אתה יכול ליישם את זה כמעט בכל פלטפורמה וזה מאוד פשוט להבנה." האלגוריתם הועמד לאחרונה לרשות המדענים.
שיקולים כלכליים וסביבתיים
מלבד השראה להתקדמות פוטנציאלית בהנדסה, יש גם תמריץ כלכלי וסביבתי חשוב לא פחות ליצירת אלגוריתמים ידידותיים יותר לכוח, אמר קנט.
ככל שהחברה הופכת תלויה יותר במחשבים ובינה מלאכותית כמעט בכל ההיבטים של חיי היומיום, הביקוש למרכזי נתונים גואה, מה שמוביל מומחים רבים לדאוג לגבי התיאבון העצום של המערכות הדיגיטליות ומה תעשיות העתידיות יצטרכו לעשות כדי לעמוד בקצב.
ומכיוון שבניית מרכזי נתונים אלה כמו גם ניסויי מחשוב בקנה מידה גדול יכולים ליצור טביעת רגל פחמנית גדולה, מדענים מחפשים דרכים לבלום את פליטת הפחמן מטכנולוגיה זו.
כדי לקדם את התוצאות שלהם, סביר להניח שהעבודה העתידית תופנה לאימון המודל לחקור יישומים אחרים כמו עיבוד מידע קוונטי, אמר קנט. בינתיים, הוא מצפה שהאלמנטים החדשים הללו יגיעו רחוק לתוך הקהילה המדעית.
"לא מספיק אנשים יודעים על סוגי האלגוריתמים האלה בתעשייה ובהנדסה, ואחת המטרות הגדולות של הפרויקט הזה היא לגרום ליותר אנשים ללמוד עליהם", אמר קנט. "עבודה זו היא צעד ראשון נהדר לקראת מיצוי הפוטנציאל הזה."
מחקר זה נתמך על ידי משרד המחקר המדעי של חיל האוויר האמריקאי. מחברים אחרים במדינת אוהיו כוללים את Wendson AS Barbosa ו-Daniel J. Gauthier.
