¿Por qué las máquinas conectadas desperdician tanta banda ancha? Imagina un amigo que va en autobús y llama cada segundo. "Aún en el autobús." La mayoría de las máquinas remotas transmiten lecturas constantes a la nube muchas veces por segundo. La mayoría dicen lo mismo: nada nuevo. La red paga el precio completo por cero noticias.
Un dron de entrega, un robot de almacén o una turbina eólica envían datos redundantes. Antes de profundizar, un descargo de responsabilidad: las mediciones fueron generadas por un simulador, no por un dron real. Usando Cart Pole, un pequeño carrito simulado con un poste, solo se envían unos pocos números.
El principio fundamental sigue siendo el mismo. Lo que se construyó es una forma sencilla de enviar solo las sorpresas. Al final, sabrás qué es un modelo mundial, cómo dos copias mantienen sincronizada una máquina remota y la nube, cómo construirlo en PyTorch y cuántos datos realmente ahorra.
Un modelo mundial es un programa que se imagina que es una red neuronal que ha aprendido a predecir qué sucede a continuación. Le das la situación actual y la acción que se está tomando. Te devuelve la situación un momento después.
El modelo aprende observando ejemplos, no de un libro de física. Puede alimentar su propia respuesta como la siguiente situación e imaginar el futuro sin que esté involucrada ninguna máquina real. Un detalle importa: el modelo solo ve dos números: dónde está el carrito y cuánto está inclinado el poste.
Nunca ve velocidades. Para calcular la velocidad, recuerda dónde estaban las cosas un momento antes mediante una pequeña memoria de sesenta y cuatro números, como una nota garabateada que se pasa de un momento al siguiente. El entorno de prueba es Cart Pole, uno de los problemas de juguete más antiguos en IA.
Un carrito se desliza a lo largo de una barra con un poste equilibrado encima. El carrito sigue una ruta planificada para probar la capacidad del modelo para predecir cambios de estado de manera eficiente.
Fuente: Towards Data Science · Resumido por HeadlinesBriefing