Vaşinqton Dövlət Universiteti tərəfindən

Sadie Harley tərəfindən redaktə edilib , Andrew Zinin tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Kredit: Pexels-dən Riccardo

Özünüidarəetmə avtomobilləri şəhərlərdə fəaliyyətə başladıqca, məhdud telekommunikasiya infrastrukturu olan kənd yerlərində onların necə işlədilməsi ilə bağlı sual qalır. Vaşinqton Dövlət Universitetinin yeni tədqiqatı potensial bir cavab təklif edir və göstərir ki, sıxılmış böyük dil modeli ilə işləyən kiçik, əlverişli bir kompüter muxtar nəqliyyat vasitələri üçün effektiv qərar qəbuledici ola bilər.

Açıq mənbəli simulyator üzərində aparılan iş, kənd təsərrüfatı robotları kimi digər tətbiq növlərini səmərəli şəkildə gücləndirmək üçün mümkün bir yanaşma təklif edir.

“Avtonom sürücülüklə bağlı qərarları dərhal verməliyik”, – deyə kompüter elmləri üzrə dosent, Vankuverdəki WSU Mühəndislik və Kompüter Elmləri Məktəbinin direktoru və yeni nəşrin müxbir müəllifi Xinghui Zhao bildirib.

“Əgər arxa tərəfinizdə super güclü bir bulud varsa, avtomobillərdə qərar qəbuletməni dəstəkləmək üçün qavrayış modellərini asanlıqla öyrədə və təkmilləşdirə bilərsiniz, lakin bu, şəhər yerlərində həqiqətən yaxşı bir əlaqənin olduğu yerdir. Kənd yerlərindən danışırıqsa, çox əlaqə yoxdur və ya əlaqə açıq və ya bağlı ola bilər. Bu halda, məlumatları dərhal emal etmək qabiliyyətinə həqiqətən ehtiyacınız var.”

Bu iş, Zhao və həmkarlarının kənd yerlərində özünü idarə edən avtomobillərin üzləşdiyi problemlərin həlli istiqamətində davam edən tədqiqatının bir hissəsidir. O, Onuncu ACM/IEEE Edge Computing Simpoziumunun materiallarında təqdim edilib .

Özünüidarəetmə sistemi olan avtomobillər hələ də inkişafın ilk mərhələlərindədir; onlar bir neçə böyük şəhərdə görünməyə başlayıb və müxtəlif sistemlər inkişaf mərhələsindədir. Avtomobillərin uzaq məlumat mərkəzlərinə etibar etmək əvəzinə, məlumatları müstəqil sistemdə toplaya, emal edə və təhlil edə bilən “kənar” cihazlar kimi hazırlanmasına böyük maraq var . Belə mərkəzləşdirilməmiş hesablama səmərəliliyi artıra, xərcləri və enerji istifadəsini azalda və məxfiliyi qoruya bilər.

“Məlumat toplaya biləcəyimiz daha çox cihaz var – müxtəlif sensorlar, kiçik mikrofon, hətta kiçik bir kamera”, – deyə Zhao bildirib. “Və bütün bu cihazlar məlumat toplayır. Əgər biz arxa tərəfdəki məlumat mərkəzinə etibar etsək, bu o deməkdir ki, hər bir cihazın məlumatı emal üçün mərkəzə göndərməsi lazımdır. Məlumatı toplandığı cihazda emal edən tətbiqlərə getdikcə daha çox üstünlük verilir.”

Muxtar nəqliyyat vasitələri üç əsas hesablama səviyyəsindən istifadə edir: kameralardan, radarlardan və digər mənbələrdən sensor məlumatlarını qavrayış və ya toplamaq və şərh etmək; sürücülük hərəkətlərini seçmək üçün sensor məlumatlarının əsaslandırılması və ya real vaxt təhlili; və hərəkət və ya bu qərarların icrası.

Yeni layihədə tədqiqatçılar əsas diqqəti mühakiməyə yönəldiblər. Bəzi muxtar idarəetmə sistemləri, böyük miqdarda məlumatlarla öyrədilməli olan və sınaq və səhv yolu ilə zamanla təkmilləşdirilən dərin möhkəmləndirmə öyrənməsi kimi tanınan süni intellekt formasına əsaslanır. DRL baha başa gəlir və gözlənilməz ssenarilərlə qarşılaşdıqda etibarsız ola bilər.

Digər tərəfdən, böyük dilli modellər daha yüksək səviyyəli mühakimə yürütməkdə üstündür və yeni şəraitlə qarşılaşdıqda qərar qəbul etmək üçün kontekstdən istifadə edə bilir. Lakin onların həm də böyük hesablama tələbləri var və bulud hesablamalarına əsaslanırlar.

“LLM modeli olduqca böyükdür”, – deyə tədqiqat köməkçisi və məqalənin ilk müəllifi İşparş Upreti bildirib. “Əgər bunu avtomobildə işlədəcəksinizsə, çoxlu hesablama işi tələb olunacaq. Düşündük: Modeli optimallaşdırıb daha kiçik etsək necə olar?”

WSU komandası, məlumatların və yaddaş izlərinin sıxıldığı, daha sürətli qərar qəbuletmə ilə nəticələnən, lakin dəqiqliyini itirə biləcək müstəqil bir LLM modelinin performansını sınaqdan keçirməyə başladı. Onlar, cildli romandan daha kiçik olan 8 giqabaytlıq Jetson Orin Nano hesablama moduluna sıxılmış açıq mənbəli LLM olan Mistral-dan istifadə etdilər.

Süni intellekt sistemlərini sınaqdan keçirmək üçün açıq mənbəli platformadan istifadə edərək, onlar yeddi sürücülük ssenarisində sıxılmış LLM-in əsaslandırmasını tam ölçülü ChatGPT modelinin əsaslandırması ilə müqayisə etdilər.

İki sistem əksər hallarda təhlükəsiz və müqayisə edilə bilən qərarlar qəbul etdi, baxmayaraq ki, onlardan birində Mistral versiyası sıradan çıxdı. Tədqiqatçılar hesablama sahəsinin daha kiçik olduğunu nəzərə alsaq, ilkin nəticələr göstərir ki, sıxılmış LLM-lər nəticədə özünü idarə edən avtomobillərdə kənar hesablamalar üçün yararlı ola bilər – baxmayaraq ki, belə bir sistemin yola hazır olması üçün daha çox sınaq tələb olunacaq.

Daha çox məlumat

İşparş Upreti və digərləri, Avtonom Nəqliyyat Vasitələri Kəşfiyyatı üçün Kənarda Yerləşdirilə Bilən LLM-lər, Kənar Hesablama üzrə Onuncu ACM/IEEE Simpoziumunun Materialları (2025). DOI: 10.1145/3769102.3774639

Əsas anlayışlar

Böyük dil modelləriMaşın öyrənmə metodologiyalarıSüni intellekt yol hərəkəti təhlükəsizliyiVaşinqton Dövlət Universiteti tərəfindən təmin edilir