Aprendizagem federada

Para desenvolver veículos com recursos de condução autônoma mais confiáveis e inteligentes, é preciso coletar um enorme volume de dados para treinar o sistema e alcançar as funcionalidades desejadas, como uma percepção adequada das condições do trânsito e das intenções dos outros usuários da via, a fim de proporcionar uma condução autônoma segura.

Atualmente, para treinar a funcionalidade, a maior parte dos dados gerados é transferida dos veículos para um servidor central. Como o volume de dados é gigantesco, esse processo implica custos elevados e consome muito tempo.

— Mats Larsson, Gerente de equipe de Software e Tecnologias Emergentes da Semcon

A limitação da transferência de dados reduz os custos e o uso de energia

Implementando novas abordagens de ponta, como a aprendizagem federada, os dados dos veículos são utilizados para treinar os modelos dos sistemas apenas localmente, e somente os resultados e aprendizagens são transferidos para o servidor central, onde são agregados. Então, avaliações são realizadas, e funções aprimoradas podem ser transferidas de volta para os veículos por meio de atualizações over-the-air sem o uso de fios, por exemplo.

“Essa abordagem limitará o volume de dados transferidos para a aprendizagem central e reduzirá drasticamente os custos e o uso de energia. Esses são fatores determinantes para o desenvolvimento de uma infraestrutura mais sustentável, necessária para a próxima geração de veículos”, afirma Mats Larsson. Ele continua:

“A distribuição do processamento dos dados também agrega grande valor ao minimizar as preocupações com a privacidade (GPDR) em áreas restritas, uma vez que eles são tratados localmente. Por exemplo, informações de localização e outras informações privadas poderão ser usadas como insumo para o treinamento no veículo, mas não serão transferidas para o sistema central”.

Uma investigação de ponta está em andamento

Na fase inicial do projeto, os especialistas da Semcon estão reunindo conhecimentos de ponta sobre como as tecnologias na borda e a aprendizagem descentralizada podem reduzir as transferências de dados. O trabalho é realizado de forma ágil, com reuniões de alinhamento e workshops regulares em conjunto com o cliente. Como parte das investigações, casos de uso de interesse serão definidos e vários deles serão testados no Edge Lab da AI Sweden, um ambiente de testes para prova de conceito e comparações.

Aprendizagem federada em resumo

A aprendizagem federada é uma técnica de aprendizagem de máquina (machine learning) que permite que os nós de borda aprendam de forma colaborativa uma função de previsão compartilhada, mantendo todos os dados de treinamento na própria borda, o que elimina a necessidade de armazenar dados de forma centralizada para realizar a aprendizagem de máquina. Assim, a única informação transferida consiste em atualizações focadas nos modelos que foram aprimorados na borda pelo aprendizado com seus próprios dados.

Os conhecimentos especializados aplicados pela Semcon nesse projeto incluem:

• Gerenciamento de dados orientado por inteligência artificial

• Experiência anterior no trabalho com projetos de pesquisa em aprendizado de máquina (nível de doutorado)

• Compreensão do aprendizado de máquina em contextos distribuídos/federados

• Experiência no desenvolvimento de software para sistemas embarcados

• Experiência em trabalhar com computação em nuvem

O uso de técnicas de aprendizagem descentralizadas é possível não apenas no setor automotivo, mas também em áreas como aplicativos em telefones celulares, soluções de saúde digital, soluções de fabricação inteligente do setor 4.0 etc. E essa é uma abordagem que pode ajudar os domínios a reduzir as transmissões de dados e criar modelos em dados caros/privados, preservando a integridade dos dados.

Se você também está buscando orientações e soluções para o gerenciamento de dados baseado em IA em geral, leia mais no nosso site ou fale conosco para marcar uma reunião.