La Fuerza Espacial de EE. UU. selecciona a Wallaroo para ayudar a resolver los desafíos de implementación del modelo Edge en el espacio
Los casos de uso incluyen la extensión de la vida útil del satélite, el reabastecimiento de combustible en órbita, la eliminación activa de desechos y la reutilización y recuperación de materiales.
Laboratorio Wallaroo Anunciado el martes, la compañía ha sido seleccionada por SPACEWERX, el brazo de innovación de la Fuerza Espacial de EE. UU., para abordar los desafíos de implementación de modelos de borde específicos para las misiones de servicio, ensamblaje y fabricación en órbita.
La plataforma de inteligencia artificial y aprendizaje automático de Wallaroo está diseñada para acelerar la última milla de la implementación del aprendizaje automático, la fase de implementación.
«Si piensa en el ciclo de vida de un modelo de aprendizaje automático, primero debe procesar y diseñar todos los datos para que estén listos para el análisis”, explica Vid Jain, director ejecutivo y fundador de Wallaroo. «Luego, analiza los datos para encontrar patrones. y construya un modelo que haga predicciones basadas en esos datos de entrenamiento».
Los primeros dos pasos pueden considerarse la primera milla, dijo Jain. Una vez que las empresas tienen este modelo, deben pensar en cómo implementarlo y obtener valor de él. La última milla es tomar un modelo creado por un científico de datos e implementarlo en producción. Luego, el modelo se monitorea continuamente para garantizar que siga siendo preciso a medida que cambian el entorno y los datos, dijo.
Esta primera fase totalmente financiada del proyecto está relacionada con Parque Catalizador (CCTI) Wallaroo dijo que se estudiarán los desafíos de implementación del modelo de borde para casos de uso como la extensión de la vida útil del satélite, el reabastecimiento de combustible en órbita, la eliminación activa de desechos y la reutilización y el reciclaje de materiales para sentar las bases para el ensamblaje y la fabricación en el espacio.
Mirar: Política de ética de IA (República Tecnológica Premium)
Restricciones de potencia informática en el perímetro
En términos de desafíos específicos de borde, «los entornos de desarrollo de modelos a menudo requieren que los científicos de datos activen ocasionalmente cantidades masivas de potencia informática en sus computadoras portátiles para analizar un lote de datos históricos limpios para crear modelos predictivos», dijo Jain. «Pero cuando lo despliegas en el borde, el borde tiene severas limitaciones en términos de poder de cómputo. Por lo tanto, podría ser un dron, un acorazado o un satélite, y podrías estar transmitiendo video».
Necesita un modelo que pueda analizar esta transmisión de video y hacer predicciones, pero no tiene suficiente poder de computación en la nube para ejecutar el modelo, dijo. “Aquí es donde entra en juego nuestro motor súper eficiente y especialmente diseñado para el aprendizaje automático. Permite a las organizaciones generar más inferencias con un 80 por ciento menos de cómputo, por lo que pueden ejecutar incluso una visión artificial compleja o un modelo de procesamiento de lenguaje natural donde el cómputo es limitado. «
Otros desafíos de implementación de modelos perimetrales que Wallaroo ayuda a abordar incluyen la gestión de cientos o miles de versiones, experimentación y pruebas de modelos, la observabilidad del rendimiento del modelo y la implementación en ubicaciones perimetrales con conectividad a Internet inconsistente o nula, dijo.
El Dr. Joel Mozer, Jefe de Ciencia, Tecnología e Investigación de SPACEWERX, dijo que se eligió la plataforma Wallaroo por su arquitectura moderna, interoperable e integrada.
«La misión de la Fuerza Espacial de los Estados Unidos (USSF, por sus siglas en inglés) es organizar, entrenar y equipar a los Guardianes para que lleven a cabo operaciones espaciales globales para mejorar la forma en que operan nuestras fuerzas conjuntas y coaliciones, al mismo tiempo que proporciona a los legisladores opciones militares para lograr los objetivos nacionales», dijo Mozero. en un comunicado dijo en un comunicado. «Para hacer esto de manera efectiva, debemos invertir en capacidades de IA y ML que se puedan implementar en la nube y en el perímetro».
Además de trabajar con el sector público, incluida la Fuerza Aérea de los EE. UU., Wallaroo se ha asociado con varias empresas de Fortune 500 para ayudarlas a implementar y administrar modelos de aprendizaje automático a escala, lo que resulta en un mejor rendimiento en sus programas de IA/ML. .
Jain dijo que SPACEWERX analizó varios proveedores de nube y SaaS conocidos, pero finalmente eligió a Wallaroo debido a la escala a la que podía operar la plataforma y la confiabilidad que ofrecía para sus implementaciones de misión crítica.
Más información sobre Wallaroo aquí entrada en el blog De Microsoft M12, uno de los principales inversores de Wallaroo.
