Un cliente manifatturiero mi ha mostrato qualcosa di frustrante il mese scorso. I loro robot continuavano a scivolare sui pavimenti durante determinate condizioni di temperatura. Ci sono volute tre settimane di test per risolvere il problema regolando i modelli di movimento in base al feedback dei sensori.
Un'altra fabbrica dall'altra parte della città ha avuto esattamente lo stesso problema due mesi dopo. Sono partiti da zero. Hanno sprecato le stesse tre settimane per imparare ciò che la prima azienda sapeva già. Quando ho chiesto perché non condividessero le soluzioni, la risposta era ovvia: vantaggio competitivo. Nessuna azienda condivide dati operativi con i concorrenti.
Questo è il fallimento di coordinamento che si verifica ovunque operano i robot. Ogni distribuzione impara in isolamento. La conoscenza rimane bloccata in sistemi proprietari. Gli stessi problemi vengono risolti in modo ridondante migliaia di volte perché condividere significa esporre dati sensibili.
L'Apprendimento Federato Cambia l'Equazione
È qui che l'approccio di Fabric ha fatto clic. I robot condividono intelligenza senza condividere dati grezzi. Ogni robot impara localmente, tutte le registrazioni dei sensori rimangono private. Ma l'apprendimento stesso, i piccoli aggiustamenti del modello di IA, viene condiviso attraverso la rete.
I robot della Fabbrica A risolvono il problema dello scivolamento. Non inviano video o dati dei sensori, solo l'aggiustamento del modello. Quell'aggiornamento si combina con i miglioramenti provenienti da migliaia di altri robot in un modello globale più intelligente distribuito a tutti. I robot della Fabbrica B diventano più intelligenti senza mai vedere le operazioni riservate della Fabbrica A.
Il tuo robot domestico non carica filmati sensibili per imparare dall'esperienza collettiva. Solo aggiornamenti leggeri vengono trasmessi, non pesanti file video. Nel sistema di Fabric, i contributi vengono registrati su un registro pubblico per prevenire manipolazioni. I robot si sviluppano come una comunità invece di macchine isolate che riapprendono le stesse lezioni per sempre. $ROBO's value ties directly to whether this federated model works at scale across different manufacturers.