Peneliti Menggunakan AI untuk Mengatasi Kontrol Kemacetan Jaringan
Uncategorized

Peneliti Menggunakan AI untuk Mengatasi Kontrol Kemacetan Jaringan

Gal Dalal ingin memudahkan perjalanan bagi mereka yang bekerja dari rumah — atau kantor.

Ilmuwan peneliti senior di NVIDIA, yang merupakan bagian dari laboratorium 10 orang di Israel, menggunakan AI untuk mengurangi kemacetan di jaringan komputer.

Untuk joki laptop, lingkaran kematian yang berputar — atau lebih buruk lagi, kursor yang membeku — sama buruknya dengan lautan lampu merah di jalan raya. Seperti halnya jam sibuk, hal itu disebabkan oleh membanjirnya pemudik yang ingin cepat sampai ke suatu tempat, berdesakan dan terkadang bertabrakan di tengah jalan.

AI di Persimpangan

Jaringan menggunakan kontrol kemacetan untuk mengelola lalu lintas digital. Ini pada dasarnya adalah seperangkat aturan yang disematkan ke adaptor dan sakelar jaringan, tetapi seiring bertambahnya jumlah pengguna di jaringan, konflik mereka bisa menjadi terlalu rumit untuk diantisipasi.

AI berjanji untuk menjadi polisi lalu lintas yang lebih baik karena dapat melihat dan merespons pola saat mereka berkembang. Itulah sebabnya Dalal termasuk di antara banyak peneliti di seluruh dunia yang mencari cara untuk membuat jaringan lebih pintar dengan pembelajaran penguatan, sejenis AI yang memberi penghargaan kepada model ketika mereka menemukan solusi yang baik.

Tapi sampai sekarang, tidak ada yang datang dengan pendekatan praktis karena beberapa alasan.

Membalap Jam

Jaringan harus cepat dan adil sehingga tidak ada permintaan yang tertinggal. Itu adalah tindakan penyeimbangan yang sulit ketika tidak ada pengemudi di jalan digital yang dapat melihat seluruh peta yang selalu berubah dari pengemudi lain dan tujuan yang mereka tuju.

Dan itu berpacu dengan waktu. Agar efektif, jaringan perlu merespons situasi dalam waktu sekitar satu mikrodetik, yaitu sepersejuta detik.

Untuk memperlancar lalu lintas, tim NVIDIA menciptakan teknik pembelajaran penguatan baru yang terinspirasi oleh game komputer AI yang canggih dan menyesuaikannya dengan masalah jaringan.

Bagian dari terobosan mereka, yang dijelaskan dalam makalah tahun 2021, datang dengan algoritme dan fungsi hadiah yang sesuai untuk jaringan yang seimbang hanya berdasarkan informasi lokal yang tersedia untuk aliran jaringan individual. Algoritme memungkinkan tim untuk membuat, melatih, dan menjalankan model AI pada sistem NVIDIA DGX mereka.

Faktor Wow

Dalal mengingat pertemuan di mana sesama Nvidian, Chen Tessler, menunjukkan grafik pertama yang memplot hasil model pada jaringan pusat data InfiniBand yang disimulasikan.

“Kami seperti, wow, ok, ini bekerja dengan sangat baik,” kata Dalal, yang menulis gelar Ph.D. tesis tentang pembelajaran penguatan di Technion, universitas teknik bergengsi Israel.

“Yang sangat memuaskan adalah kami melatih model hanya pada 32 aliran jaringan, dan ini menggeneralisasi dengan baik apa yang dipelajari untuk mengelola lebih dari 8.000 aliran dengan segala macam situasi rumit, sehingga mesin melakukan pekerjaan yang jauh lebih baik daripada aturan yang telah ditetapkan sebelumnya,” dia menambahkan.

Peneliti Menggunakan AI untuk Mengatasi Kontrol Kemacetan Jaringan
Pembelajaran penguatan (ungu) mengungguli semua algoritma kontrol kemacetan berbasis aturan dalam pengujian NVIDIA.

Faktanya, algoritme menghasilkan setidaknya 1,5x throughput lebih baik dan latensi 4x lebih rendah daripada teknik berbasis aturan terbaik.

Sejak makalah dirilis, karya tersebut mendapat pujian sebagai aplikasi dunia nyata yang menunjukkan potensi pembelajaran penguatan.

Memproses AI di Jaringan

Langkah besar berikutnya, yang masih dalam proses, adalah merancang versi model AI yang dapat berjalan pada kecepatan mikrodetik menggunakan sumber daya komputasi dan memori yang terbatas di jaringan. Dalal menggambarkan dua jalur ke depan.

Timnya berkolaborasi dengan para insinyur yang merancang DPU NVIDIA BlueField untuk mengoptimalkan model AI untuk perangkat keras masa depan. DPU BlueField bertujuan untuk menjalankan di dalam jaringan serangkaian pekerjaan komunikasi yang berkembang, melepaskan tugas dari CPU yang terbebani.

Secara terpisah, tim Dalal menyaring esensi model AI-nya ke dalam teknik pembelajaran mesin yang disebut meningkatkan pohon, serangkaian keputusan ya/tidak yang hampir sama cerdasnya tetapi jauh lebih sederhana untuk dijalankan. Tim bertujuan untuk mempresentasikan karyanya akhir tahun ini dalam bentuk yang dapat segera diadopsi untuk memudahkan lalu lintas jaringan.

Solusi Lalu Lintas Tepat Waktu

Hingga saat ini, Dalal telah menerapkan pembelajaran penguatan untuk segala hal mulai dari kendaraan otonom hingga pendinginan pusat data dan desain chip. Ketika NVIDIA mengakuisisi Mellanox pada April 2020, peneliti NVIDIA Israel mulai berkolaborasi dengan rekan-rekan barunya di grup jaringan terdekat.

“Masuk akal untuk menerapkan algoritme AI kami ke pekerjaan tim kontrol kemacetan mereka, dan sekarang, dua tahun kemudian, penelitiannya lebih matang,” katanya.

Ini waktu yang baik. Laporan terbaru tentang peningkatan dua digit dalam lalu lintas mobil Israel sejak masa pra-pandemi dapat mendorong lebih banyak orang untuk bekerja dari rumah, meningkatkan kemacetan jaringan.

Untungnya, polisi lalu lintas AI sedang dalam perjalanan.

Namun para bettor tidak harus khawatir, tidak hingga 5 menit, tentu saja keluaran ini akan ditampikan secara live dan sanggup kalian tengok pada website togel hkg. Bagi kalian yang melewatkan live draw ini, mampu menyaksikan terhadap knowledge hk yang senantiasa di update sehabis adanya togel hongkonģ mlm ini .