Engenheiros Desenvolvem Novo Método de Aprendizado de Máquina Capaz de Reduzir o Uso de Energia

Engenheiros do Centro Suíço de Eletrônica e Microtecnologia desenvolveram um novo método de aprendizado de máquina capaz de reduzir o uso de energia, bem como permitir que a inteligência artificial (IA) complete tarefas que antes eram consideradas muito sensíveis.

Limitações do Aprendizado por Reforço

O aprendizado por reforço, onde um computador melhora continuamente a si mesmo aprendendo com suas experiências passadas, é um aspecto importante da inteligência artificial. No entanto, essa tecnologia é muitas vezes difícil de aplicar em cenários e situações da vida real, como treinar sistemas de controle de clima. Aplicações como essa não conseguem lidar com mudanças drásticas de temperatura, que seriam causadas pelo aprendizado por reforço.

Exatamente esse problema é o que os engenheiros do CSEM se propuseram a resolver, e foi quando eles desenvolveram a nova abordagem. Os engenheiros demonstraram que modelos teóricos simplificados poderiam ser usados primeiro para treinar computadores, e então eles se voltariam para sistemas da vida real. Isso permite que o processo de aprendizado de máquina seja mais preciso quando chega ao sistema da vida real, aprendendo com seus erros e acertos anteriores com o modelo teórico. Isso significa que não haverá flutuações drásticas para o sistema da vida real, resolvendo o problema com a tecnologia de controle de clima.

Pierre-Jean Alet é chefe de pesquisa de sistemas de energia inteligentes no CSEM, bem como coautor do estudo.

“É como aprender o manual do motorista antes de começar a dirigir,” diz Alet. “Com essa etapa de pré-treinamento, os computadores constroem uma base de conhecimento que podem usar para não estarem cegos enquanto procuram a resposta certa.”

Cortes de Energia

Um dos aspectos mais importantes desse novo método é que ele pode reduzir o uso de energia em mais de 20%. Os engenheiros testaram o método em um sistema de aquecimento, ventilação e ar condicionado (HVAC) localizado em um prédio de 100 quartos.

Os engenheiros seguiram três etapas, a primeira das quais foi treinar um computador em um “modo virtual”. Esse modelo foi construído por meio de equações simples que explicam o comportamento do prédio. Dados reais do prédio, como temperatura, condições climáticas e outras variáveis, foram então alimentados no computador, o que resultou em um treinamento mais preciso. A última etapa foi permitir que o computador executasse os algoritmos de aprendizado por reforço, o que eventualmente resultaria na melhor abordagem para o sistema HVAC.

O novo método desenvolvido pelos engenheiros do CSEM pode ter grandes implicações para o aprendizado de máquina. Muitas aplicações que antes eram consideradas “intocáveis” pelo aprendizado por reforço, como aquelas com grandes flutuações, agora podem ser abordadas de uma nova maneira. Isso resultaria em um uso de energia mais baixo, menores custos financeiros e muitos outros benefícios.

A pesquisa foi publicada na revista IEEE Transactions on Neural Networks and Learning Systems, intitulada “Um método de aprendizado híbrido para identificação de sistema e controle ótimo.”

Os autores incluem: Baptiste Schubnel, Rafael E. Carrillo, Pierre-Jean Alet e Andreas Hutter.