Pourquoi les machines connectées gaspillent-elles autant de bande passante ? Imaginez un ami qui prend le bus et appelle toutes les secondes. "Toujours dans le bus." La plupart des machines distantes diffusent des relevés constants vers le cloud plusieurs fois par seconde. La plupart disent la même chose : rien de nouveau. Le réseau paie le prix plein pour zéro nouvelles.
Un drone de livraison, un robot d'entrepôt ou une éolienne envoient tous des données redondantes. Avant d'approfondir, un avertissement : les mesures ont été générées par un simulateur, et non par un vrai drone. En utilisant Cart Pole, un petit chariot simulé avec un poteau, seuls quelques chiffres sont envoyés.
Le principe fondamental reste le même. Ce qui a été construit est une façon simple d'envoyer uniquement les surprises. À la fin, vous saurez ce qu'est un modèle mondial, comment deux copies maintiennent synchronisées une machine distante et le cloud, comment le construire dans PyTorch, et combien de données il économise réellement. Un modèle mondial est un programme qui s'imagine qu'il s'agit d'un réseau de neurones qui a appris à prédire ce qui va se passer ensuite.
Vous lui donnez la situation actuelle et l'action en cours. Il vous rend la situation un moment plus tard. Le modèle apprend en regardant des exemples, pas à partir d'un manuel de physique.
Il peut nourrir sa propre réponse comme la situation suivante et imaginer l'avenir sans qu'aucune machine réelle ne soit impliquée. Un détail compte : le modèle ne voit que deux chiffres — où se trouve le chariot et dans quelle mesure le poteau est penché. Il n'a jamais vu de vitesses.
Pour calculer la vitesse, il se souvient où les choses étaient un moment auparavant grâce à une petite mémoire de soixante-quatre chiffres, comme une note griffonnée qui passe d'un moment à l'autre. Le banc d'essai est Cart Pole, l'un des plus anciens problèmes-jouets en IA. Un chariot glisse le long d'un rail avec un poteau équilibré sur le dessus.
Le chariot suit un chemin planifié pour tester la capacité du modèle à prédire les changements d'état de manière efficace.
Source: Towards Data Science · Résumé par HeadlinesBriefing