تقنية تمكّن الذكاء الاصطناعي على الأجهزة المحمولة من التعلم المستمر على مر الزمن

منصة الذكاء الاصطناعي ـ متابعات

تسمح النماذج المخصصة للتعلم العميق بإنشاء روبوتات محادثة ذكية تتكيف لفهم لهجة المستخدم أو لوحات مفاتيح ذكية تقوم بتحديث مستمر لتوقع الكلمة التالية بناءً على تاريخ الكتابة لدى المستخدم. ولتحقيق هذا التخصيص، يتطلب ضبط دقيق مستمر لنموذج التعلم الآلي باستخدام بيانات جديدة.

نظرًا لأن الهواتف الذكية وغيرها من الأجهزة المحمولة تفتقر إلى الذاكرة والقدرة الحسابية اللازمة لعملية الضبط الدقيق، فإن بيانات المستخدم عادة ما تتم رفعها إلى خوادم سحابية حيث يتم تحديث النموذج. ولكن نقل البيانات يستهلك الكثير من الطاقة، وإرسال بيانات المستخدم الحساسة إلى خادم سحابي يشكل مخاطر أمنية.

قام باحثون من معهد ماساتشوستس للتكنولوجيا (MIT)، ومختبر MIT-IBM Watson للذكاء الاصطناعي، ومناطق أخرى بتطوير تقنية تمكّن النماذج التعلم العميق من التكيف بكفاءة مع بيانات الاستشعار الجديدة مباشرةً على الجهاز المحمول.

تسمى طريقة التدريب على الجهاز، التي يُطلق عليها اسم PockEngine، بتحديد أجزاء النموذج الضخم للتعلم الآلي التي يجب تحديثها لتحسين الدقة، وتخزينها وحسابها فقط على تلك الأجزاء المحددة. تقوم معظم هذه العمليات الحسابية أثناء إعداد النموذج، قبل التشغيل، مما يقلل من العبء الحسابي ويعزز سرعة عملية الضبط الدقيق.

في المقارنة مع الأساليب الأخرى، سرعت PockEngine عملية التدريب على الجهاز، حيث أنها أجرت عملية التدريب بمعدل يصل إلى 15 مرة أسرع على بعض منصات الأجهزة. علاوة على ذلك، لم تؤدي PockEngine إلى تراجع في دقة النماذج. وقد وجد الباحثون أيضًا أن طريقة الضبط الدقيق التي طبقوها أتاحت لروبوت المحادثة مراجعة المحتوى.

هذا المحتوى تم بمعرفة وحدة الذكاء الاصطناعي