Sparse Federated Learning Boosts Copper Sorting Accuracy to 94% in Three Rounds

Sparse federated learning மற்றும் தொழிற்சாலைத் தளத்தில் ரோபோக்களின் பின்னூட்டம் ஆகியவை இணைந்து, மூன்று பயிற்சிச் சுற்றுகளில் செம்பு வகைப்படுத்தும் துல்லியத்தை 60%-லிருந்து 94%-ஆக உயர்த்தின; அதே நேரத்தில் ஒவ்வொரு பங்கேற்பாளரின் தரவையும் பாதுகாப்பாக வைத்திருந்தன. இந்த முன்னேற்றம் முக்கியமானது, ஏனெனில் இது உற்பத்தியாளர்கள், மறுசுழற்சியாளர்கள் அல்லது உருக்குபவர்கள் (smelters) தங்களின் ரகசிய வடிவமைப்புகள், சென்சார் பதிவுகள் அல்லது செயல்முறை மாதிரிகளை வெளிப்படுத்த வேண்டிய அவசியம் இல்லாமல், உயர்தர மின்னணு கழிவு மறுசுழற்சிக்கு ஒரு பாதையைக் காட்டுகிறது.

ஏன் இந்தத் பிரச்சனை முக்கியமானது

மின்னணு கழிவுகளில் மதிப்புமிக்க உலோகங்கள் உள்ளன, ஆனால் அவற்றை பிரித்தெடுப்பது தரவு சார்ந்த ஒரு கடினமான பணியாகும். வடிவமைப்பாளர்கள் விரிவான வரைபடங்களைப் பாதுகாக்கிறார்கள், மறுசுழற்சியாளர்கள் பிரித்தெடுக்கும் கோடுகளிலிருந்து (disassembly lines) வரும் அதிர்வு, படம் மற்றும் உரைத் தரவுகளைக் கொண்டுள்ளனர், மேலும் உருக்குபவர்கள் ரகசியமான செயலாக்க உருவகப்படுத்துதல்களை (processing simulations) நடத்துகிறார்கள். போட்டித் தன்மையை இழக்கவோ அல்லது தனியுரிமை விதிமுறைகளை மீறவோ அஞ்சும் காரணத்தினால், இந்தத் தரவுக் குழுக்களில் எவரும் மூலத் தரவை (raw data) வழங்க விரும்புவதில்லை. இதன் விளைவாக உருவாகும் தரவுத் தனித்தனித் தொகுதிகள் (data silos) வட்டப் பொருளாதாரத்தைச் சிதைக்கின்றன: விலைமதிப்பற்ற உலோகங்கள் நழுவிவிடுகின்றன, மேலும் உற்பத்தியாளர்கள் தயாரிப்புகளின் வாழ்நாளின் இறுதிக் கையாளுதலை மேம்படுத்தும் வாய்ப்புகளை இழக்கிறார்கள்.

Sparse federated learning எவ்வாறு தொழிற்சாலை யதார்த்தத்தை எதிர்கொள்கிறது

தரவுப் பகிர்வு இன்றி பல சாதனங்கள் ஒரு பொதுவான மாதிரியைப் பயிற்றுவிக்கும் வழக்கமான federated learning முறை, தொழிற்சாலைச் சூழலில் மூன்று காரணங்களால் தடுமாறுகிறது.

• அதிகப்படியான பன்முகத்தன்மை (Extreme heterogeneity) – சென்சார்கள் வகை மற்றும் வடிவத்தில் பெரிதும் மாறுபடுகின்றன, உயர் தெளிவுத்திறன் கேமராக்கள் முதல் குறைந்த அலைவரிசை அதிர்வு மீட்டர்கள் வரை. இத்தகைய மாறுபட்ட உள்ளீடுகளை ஒருங்கிணைக்க ஒரு பொதுவான மாதிரி சிரமப்படுகிறது.
• குறைவான இணைப்பு (Sparse connectivity) – தொழிற்சாலை Wi-Fi அவ்வப்போது துண்டிக்கப்படலாம். நிலையற்ற இணைப்பின் மூலம் முழு மாதிரி புதுப்பிப்புகளை (model updates) அனுப்புவது பயிற்சியைத் தாமதப்படுத்தும்.
• லேபிள் சிக்கல் (The label problem) – இயக்குபவர்களிடம் அரிதாகவே ஒவ்வொரு பொருளுக்கும் துல்லியமான லேபிள்கள் (labels) உள்ளன. ஒரு தொகுதிப் பொருள் வெற்றிகரமாக மீட்கப்பட்டதா என்பது மட்டுமே அவர்களுக்குத் தெரியும், இது கற்றல் செயல்பாட்டை மங்கலாக்கும் ஒரு மேலோட்டமான சமிக்ஞையாகும்.

புதிய அணுகுமுறை இந்தச் சூழலை மூன்று தர்க்கரீதியான வாடிக்கையாளர் குழுக்களாகப் பிரிக்கிறது. வடிவமைப்பு சார்ந்த OEM வாடிக்கையாளர்கள் வரைபடத் தரவுகளைக் கொண்டு என்கோடர்களை (encoders) பயிற்றுவிக்கிறார்கள், அதே நேரத்தில் மறுசுழற்சியாளர் வாடிக்கையாளர்கள் தொழிற்சாலைத் தளத்தில் சேகரிக்கப்பட்ட இரைச்சல் மிகுந்த சென்சார் தரவுகளைக் கொண்டு என்கோடர்களைப் பயிற்றுவிக்கிறார்கள். கிளவுடில் (cloud) உள்ள ஒரு அக்ரிகேட்டர் (aggregator), இந்த இரண்டு என்கோடர் இடங்களையும் கீழ்நிலை வகைப்பாட்டிற்கான (downstream classification) பொதுவான பிரதிநிதித்துவமாக ஒருங்கிணைக்கிறது.

அலைவரிசையைக் கட்டுப்படுத்த, இந்த அமைப்பு top-k gradient sparsification முறையைப் பயன்படுத்துகிறது. ஒவ்வொரு வாடிக்கையாளரும் தான் மிக முக்கியமானதாகக் கருதும் 1% கிரேடியன்ட்களை (gradients) மட்டுமே அனுப்புகிறது. ஒரு error-buffer கைவிடப்பட்ட சிறிய புதுப்பிப்புகளை உள்ளூரிலேயே சேமித்து வைத்து பின்னர் மீண்டும் பயன்படுத்துகிறது, இது மாதிரி நுணுக்கமான வடிவங்களை மறக்காமல் இருப்பதை உறுதி செய்கிறது.

ரோபோக்களின் தயக்கத்தை உயர்தர லேபிள்களாக மாற்றுதல்

லேபிள்களின் பற்றாக்குறையைத் தீர்க்க federated learning மட்டும் போதுமானதல்ல. ஆராய்ச்சியாளர்கள் வகைப்படுத்துதலுக்குப் பயன்படுத்தப்படும் அதே சென்சார்களைக் கொண்ட embodied agents எனப்படும் ரோபோக்களைச் சேர்த்தனர். ஒரு உலோகத் துண்டு குறித்து ரோபோவிற்குத் தெரியவில்லை என்றால், அது ஒரு மனித இயக்குபவருக்குத் தெரியப்படுத்துகிறது. அந்த இயக்குநர் சரியான உலோக லேபிளை வழங்குகிறார், இது உள்ளூர் பயிற்சிச் சுழற்சிக்குத் திரும்ப வழங்கப்படுகிறது.

இந்த பின்னூட்டச் சுழற்சி, ஒரு நிச்சயமற்ற தருணத்தை துல்லியமான தரவுப் புள்ளியாக மாற்றுகிறது, இது பயிற்சித் தொகுப்பின் சிக்னல்-டு-நாய்ஸ் விகிதத்தை (signal-to-noise ratio) வியத்தகு முறையில் மேம்படுத்துகிறது. லேபிள் என்பது உண்மையான பொருளைப் பார்க்கும் ஒரு மனிதரிடமிருந்து வருவதால், மாதிரி இரைச்சல் மிகுந்த "மீட்கப்பட்டது vs இழக்கப்பட்டது" போன்ற தொகுதி முடிவுகளிலிருந்து கற்காமல், உண்மைத் தரவிலிருந்து (ground-truth) கற்கிறது.

முடிவுகள் மற்றும் தாக்கங்கள்

கட்டுப்பாட்டு சோதனைகளில், இந்த ஒருங்கிணைந்த அமைப்பு வெறும் மூன்று கூட்டாண்மைக் கற்றல் சுற்றுகளுக்குப் பிறகு செம்பு வகைப்படுத்தும் துல்லியத்தை 60%-லிருந்து 94%-ஆக உயர்த்தியது. உள்ளீட்டுத் தரவுகளின் அதிகப்படியான பன்முகத்தன்மை மற்றும் 1% கிரேடியன்ட் தரவுப் பரிமாற்றம் இருந்தபோதிலும் இந்த முன்னேற்றம் ஏற்பட்டது. error-buffer, ஆரம்பத்தில் தவிர்க்கப்பட்ட நுணுக்கமான புதுப்பிப்புகளை மாதிரி சரியாகப் பெறுவதை உறுதி செய்தது.

இந்த முடிவு, உயர் துல்லியமான மறுசுழற்சிக்கு ஒரு பெரிய, மையமாகப் பயிற்றுவிக்கப்பட்ட AI மாதிரி தேவையில்லை என்பதை உணர்த்துகிறது. பரவலாக்கப்பட்ட கற்றல் (Distributed learning), ஒவ்வொரு பங்குதாரரின் தரவு இறையாண்மையையும் (data sovereignty) மதிக்கும் அதே வேளையில், நிஜ உலக மாறுபாடுகளைக் கையாளும் அளவுக்கு வலுவான மாதிரியை வழங்க முடியும்.

சாத்தியமான குறைபாடுகள் மற்றும் மறுப்புரைகள்

இந்த முறை ரோபோவிற்குத் தெரியாத போதெல்லாம் மனிதத் தலையீட்டைச் சார்ந்துள்ளது.

அடுத்து கவனிக்க வேண்டியவை

இந்த அணுகுமுறை இத்தகைய அழுத்தச் சோதனைகளில் (stress tests) வெற்றி பெற்றால், அது தனியுரிமையைப் பாதுகாக்கும், தரவுத் திறன் கொண்ட மறுசுழற்சி உள்கட்டமைப்பின் முதுகெலும்பாக மாறக்கூடும்—அங்கு ஒவ்வொரு பங்கேற்பாளரும் தனது ரகசியங்களை விட்டுக்கொடுக்காமல் பகிரப்பட்ட நுண்ணறிவிலிருந்து பயனடைய முடியும்.

முக்கியக் கருத்து: ரோபோக்களால் உருவாக்கப்பட்ட மனித லேபிள்களால் மேம்படுத்தப்பட்ட Sparse federated learning, வட்ட உற்பத்தித் துறையின் சிதறிய தரவுகளை ஒரு சக்திவாய்ந்த, தனியுரிமை பாதுகாப்பான மாதிரியாக மாற்றுகிறது, இது மின்னணு கழிவு வகைப்படுத்துதலை வியத்தகு முறையில் மேம்படுத்துகிறது. பரவலாக்கப்பட்ட AI தான் பசுமையான