Met behulp van nieuwe machine learning-technieken, een onderzoeksteam van het Oak Ridge National Laboratory van het Department of Energy leert elektronische apparaten hoe ze voor zichzelf kunnen spreken.

E-mail, sms'en, het delen van afbeeldingen en posts op sociale media vinden meestal plaats via netwerken die betrouwbaar zijn. Wanneer bepaalde verbindingen verloren gaan of verstoord worden door een fysieke of cyberaanval, elektronische apparaten verliezen onmiddellijk contact, en ze zijn niet toegerust om een ​​andere manier van communiceren te vinden.

Elektronica is maar zo slim als hun ontwerp. Met de juiste training en intelligentie, apparaten kunnen worden geprogrammeerd om beschikbare media te zoeken, zoals akoestiek, optica of radiofrequenties, en erachter te komen hoe ze zelf berichten kunnen verzenden en ontvangen zonder dat ze dat van tevoren worden verteld.

Bijvoorbeeld, meerdere responsteams met behulp van portofoons, of walkietalkies, tijdens een noodgeval zijn beperkt tot een eindig aantal beschikbare frequenties. Dezelfde apparaten kunnen worden geprogrammeerd en getraind door middel van machine learning en intelligentie om alternatieve middelen te zoeken om mensen verbonden te houden, wat van cruciaal belang is in scenario's van leven en dood.

"De apparaten, vooraf uitgerust met taal en het vermogen om te communiceren, zou kunnen beginnen met het delen van gegevens van welke aard dan ook via vrijwel elk fysiek medium, " zei Adam Anderson van ORNL, die een team leidt dat gespecialiseerd is in informatica, netwerken en cyberbeveiliging. "Ze zullen in eerste instantie een stroom van vallen en opstaan ​​​​van informatie doormaken, terwijl ze hun eigen patronen ontwikkelen, totdat ze de meest efficiënte en nauwkeurige wijze van berichtoverdracht hebben bereikt."

De resulterende taal, of machinale spraak, onherkenbaar voor mensen, een fenomeen dat controverse kan oproepen - en zelfs angst - over de vraag of machines zelfstandig kunnen gaan communiceren. Maar, volgens ORNL-onderzoekers, computers met elkaar laten praten, in plaats van computers te vertellen hoe ze moeten communiceren, is wat hen de intelligentie geeft om hun vermogen om contact te onderhouden te optimaliseren.

"Met andere woorden, we trainen en programmeren apparaten om de beste manier te vinden om voor zichzelf te communiceren in plaats van overdreven voorschrijvend te zijn, ' zei Anderson.

Een van de belangrijkste problemen die ORNL-onderzoekers moesten overwinnen, was dat de apparaten samenkwamen in een afgesproken toespraak zonder enige back-channel-ondersteuning. "We vonden het 'vals spelen' als de apparaten iets van buitenaf leerden, of onrealistisch, bron; ze moesten helemaal alleen samenkomen, ' zei Anderson.

Om machinespraak te demonstreren, Anderson en zijn team hebben twee laptops aangesloten op afzonderlijke luidsprekers en microfoons die tegenover elkaar staan. De onderzoekers programmeerden de apparaten met taal die klanken bevat die bekend staan ​​als fonemen, de kleinste eenheden van menselijke spraak inclusief medeklinkers, klinkers en lettergrepen. De fonemen vervingen de digitale bits die computers doorgaans gebruiken om te communiceren.

Anderson voerde de nummers 1 tot en met 5 in op de verzendende computer en zei dat deze tegen de ontvangende computer moest "spreken". De ontvangende computer geeft de woorden "gewonnen, te, drie, voor, vijf" op het scherm. Terwijl ze babbelden, de twee machines pasten en corrigeerden hun spraak totdat de ontvangende computer de nummers correct produceerde.

"Aan ons, de taal die uit de luidsprekers komt is vervormd, zoals pulserend statisch, toch begrijpen de computers hun spraak naarmate deze verfijnder wordt door training, "Zei Anderson. "Uiteindelijk, de hier gedemonstreerde technologie kan worden gebruikt in snelle digitale communicatie tussen apparaten."

Andere fysieke media kunnen worden gebruikt om computerspraakoverdracht te demonstreren, zoals licht door glasvezel of radiogolven.

Naarmate het project vordert, het ORNL-team is van plan deze softwareradio te gebruiken, machine learning en diepe neurale netwerktechnieken om klassieke digitale modems in computers te vervangen. Deze benadering van apparaatcommunicatie is gericht op het verbeteren van de robuustheid van netwerken die zijn gekoppeld aan smart grid-technologieën tegen kwaadwillende aanvallen.