IA autônoma em escala

Mark Neville Seg, Dez 20, 2017 · 4 min ler

Construir um IA autônomo pode ser uma tarefa assustadora que requer uma quantidade enorme de habilidades técnicas, polvilhadas com muitos e muitos conjuntos de dados e o tempo necessário para testar os modelos de aprendizado de máquina (ML), primeiro em simuladores e depois no campo.

Mesmo quando você domina tudo isso, você ainda tem que lidar com a atualização dos modelos ML em dispositivos de borda, para baixa latência e processamento e armazenamento de aproximadamente 12 GB de dados por segundo obtidos em seu ambiente por sensores como LiDAR, câmeras, radar etc.

Os problemas são agravados ainda mais quando você passa de um único protótipo para produção em massa, já que agora você tem que lidar com o gerenciamento desses dispositivos e modelos ML em escala.

Trending AI Articles:

1. Notas do Livro de Aprendizagem Profunda, Capítulo 1

2. Notas do Livro de Aprendizagem Profunda, Capítulo 2

3. Máquinas Demonstram Autoconsciência

4. Workshop de Música Visual e Aprendizagem de Máquina para Crianças

Para resolver alguns desses problemas, recentemente me voltei para duas tecnologias da Internet das Coisas (IoT). O primeiro é o IOTA, que permite transmissões seguras de dados de e para nossos sensores. O IOTA não se baseia em um blockchain com seus desafios associados de escalabilidade, consumo de energia e taxas de transação. O emaranhado de IOTA é um Directed Acyclic Graph (DAG) para criar um razão distribuído que escala e não tem taxas de transação. Os clientes leves e os recursos off-line do emaranhado da IOTA o tornam perfeito para as necessidades de sensores da Internet das Coisas (IoT).

Ao permitir conectividade confiável e micro-transações, o IOTA habilita a Internet das Coisas (IoT) para sistemas autônomos. Isso não só significa que agora podemos armazenar e processar com segurança todos os dados dos sensores do dispositivo de borda, mas podemos até mesmo comprar e vender dados diretamente no dispositivo usando micro-transações em tempo real Machine-2-Machine (M2M). .

Imagine um cenário em que um veículo aéreo não tripulado (UAV) observe uma nova estrutura de 20 andares em construção em sua trajetória de voo e avisa automaticamente outros UAVs autônomos ou aeronaves de decolagem e aterrissagem vertical (VTOL) nessa área da nova estrutura por um pequeno taxa nominal que é negociada diretamente entre as próprias máquinas. Essas transações não estão limitadas apenas a UAVs ou VTOL, mas também podem vir de câmeras inteligentes, carros autônomos ou qualquer dispositivo habilitado para IoT.

Atualmente, os UAVs autônomos são muito específicos de tarefas ou missões devido à forma como os modelos ML e outros algoritmos são treinados e construídos. Um UAV de busca e salvamento autônomo não pode ser usado para inspecionar pontes e linhas de energia ou vice versa. Essa limitação é frequentemente a razão pela qual os UAVs completamente autônomos demoraram a ser adotados pela indústria de UAV. Quem quer possuir um UAV que só pode fazer uma coisa quando um UAV pilotado pode realizar várias tarefas / missões.

Para resolver esse problema e criar um sistema de “IA on demand”, recorri a uma tecnologia baseada em blockchain chamada SingularityNET. Você pode pensar em SingularityNET como uma espécie de “loja de aplicativos AI”, na qual os aplicativos podem não apenas atender às necessidades dos usuários, mas também invocar a ajuda uns dos outros para concluir suas tarefas ou projetos. Qualquer criador de inteligência artificial pode conectar seu algoritmo à rede, encontrar clientes e obter benefícios da rede de outros algoritmos de inteligência artificial e deve mudar fundamentalmente como a inteligência artificial autônoma é desenvolvida e implantada no futuro. O AI em cada UAV agora pode ser trocado em tempo real para acomodar tarefas / missões diferentes, removendo totalmente a barreira de uso único para a adoção de UAVs autônomos.

Não se esqueça de nos dar o seu ?!