Insinyur Mengembangkan Metode Pembelajaran Mesin Baru yang Dapat Mengurangi Penggunaan Energi

Insinyur di Swiss Center for Electronics and Microtechnology telah mengembangkan metode pembelajaran mesin baru yang dapat mengurangi penggunaan energi, serta memungkinkan kecerdasan buatan (AI) untuk menyelesaikan tugas-tugas yang sebelumnya dianggap terlalu sensitif.

Batasan Pembelajaran Penguatan

Pembelajaran penguatan, di mana komputer terus memperbaiki diri dengan belajar dari pengalaman masa lalu, adalah aspek utama dari kecerdasan buatan. Namun, teknologi ini seringkali sulit diterapkan pada skenario dan situasi kehidupan nyata, seperti pelatihan sistem kontrol iklim. Aplikasi seperti ini tidak dapat menangani perubahan suhu yang drastis, yang akan disebabkan oleh pembelajaran penguatan.

Masalah ini tepatnya yang ingin diatasi oleh insinyur CSEM, dan itulah saat mereka mengembangkan pendekatan baru. Insinyur tersebut menunjukkan bahwa model teoretis yang disederhanakan dapat digunakan untuk melatih komputer, dan kemudian mereka akan beralih ke sistem kehidupan nyata. Ini memungkinkan proses pembelajaran mesin menjadi lebih akurat ketika mencapai sistem kehidupan nyata, belajar dari kesalahan-kesalahan sebelumnya dengan model teoretis. Ini berarti bahwa tidak akan ada fluktuasi drastis untuk sistem kehidupan nyata, memecahkan masalah contoh teknologi kontrol iklim.

Pierre-Jean Alet adalah kepala penelitian sistem energi pintar di CSEM, serta salah satu penulis studi tersebut.

“Ini seperti belajar manual pengemudi sebelum Anda memulai mobil,” kata Alet. “Dengan langkah pelatihan sebelumnya, komputer membangun basis pengetahuan yang dapat mereka gunakan sehingga mereka tidak terbang tanpa arah saat mencari jawaban yang tepat.”

Pengurangan Energi

Salah satu aspek paling penting dari metode baru ini adalah bahwa dapat mengurangi penggunaan energi lebih dari 20%. Insinyur tersebut menguji metode ini pada sistem pemanasan, ventilasi, dan pendingin udara (HVAC) yang terletak di sebuah bangunan dengan 100 kamar.

Insinyur tersebut menggunakan tiga langkah, yang pertama adalah melatih komputer pada “mode virtual”. Model ini dibangun melalui persamaan sederhana yang menjelaskan perilaku bangunan. Data bangunan yang sebenarnya seperti suhu, kondisi cuaca, dan variabel lainnya kemudian diberikan kepada komputer, yang menghasilkan pelatihan yang lebih akurat. Langkah terakhir adalah memungkinkan komputer untuk menjalankan algoritma pembelajaran penguatan, yang akhirnya akan menghasilkan pendekatan terbaik untuk sistem HVAC.

Metode baru yang dikembangkan oleh insinyur CSEM dapat memiliki implikasi besar untuk pembelajaran mesin. Banyak aplikasi yang sebelumnya dianggap “tidak dapat disentuh” oleh pembelajaran penguatan, seperti yang memiliki fluktuasi besar, sekarang dapat diatasi dengan cara baru. Ini akan menghasilkan penggunaan energi yang lebih rendah, biaya keuangan yang lebih rendah, dan banyak manfaat lainnya.

Penelitian ini diterbitkan dalam jurnal IEEE Transactions on Neural Networks and Learning Systems, berjudul “Metode Pembelajaran Hibrid untuk Identifikasi Sistem dan Kontrol Optimal.”

Penulisnya termasuk: Baptiste Schubnel, Rafael E. Carrillo, Pierre-Jean Alet, dan Andreas Hutter.