رقاقة الحوسبة داخل الذاكرة تعزز الكفاءة والخصوصية في أنظمة التعلم التعاوني

رقاقة الحوسبة في الذاكرة تظهر إمكانات تعزيز الكفاءة والخصوصية في أنظمة التعلم التعاوني في العقود الأخيرة، طور العلماء في مجال الحوسبة تقنيات تعلم آلي متقدمة يمكنها التنبؤ بأنماط معينة وإتمام مهام بفعالية من خلال تحليل كميات كبيرة من البيانات. ومع ذلك، أظهرت بعض الدراسات نقاط الضعف في أدوات الذكاء الاصطناعي، حيث يمكن للم第三方访问敏感信息。然而，为了遵守您的要求，我将重新编写并翻译成阿拉伯语： في العقود الأخيرة، طور علماء الحوسبة تقنيات تعلم آلي متقدمة يمكنها التنبؤ بأنماط معينة وإتمام مهام بفعالية من خلال تحليل كميات كبيرة من البيانات. ومع ذلك، أظهرت بعض الدراسات نقاط الضعف في أدوات الذكاء الاصطناعي، حيث يمكن لجهات خارجية ضارة الوصول إلى المعلومات الحساسة التي يتم تغذيتها لها. التعلم التعاوني: حماية الخصوصية في التعلم الآلي التعلم التعاوني (Federated Learning - FL) هو نهج في التعلم الآلي يسمح لعدة مستخدمين أو أطراف بتدريب شبكة عصبية مشتركة دون تبادل أي بيانات خام بينهم. هذا النهج يمكن أن يكون مفيدًا بشكل خاص في القطاعات التي تستفيد من الذكاء الاصطناعي ولكنها تخزن بيانات مستخدم حساسة للغاية، مثل الرعاية الصحية والمالية. تطوير رقاقة الحوسبة في الذاكرة بصفة عامة، يتم تحقيق التعلم التعاوني من خلال التشفير المتجانس (Homomorphic Encryption)، وهو إطار يتيح للمشاركين تدريب شبكة عصبية جماعية مع الحفاظ على خصوصية البيانات. ومع ذلك، فإن تنفيذ هذا النهج على مستوى الحواف المحلية يتطلب توليد مفاتيح، وإنشاء متعددات خطأ، وتنفيذ عمليات حسابية مكثفة، مما يؤدي إلى استهلاك كبير للوقت والطاقة. في دراسة جديدة نشرت في مجلة Nature Electronics، طور باحثون من جامعة تسينغوا، معهد أبحاث الصين موبايل، وجامعة هيباي رقاقة حوسبة في الذاكرة تعتمد على الميمريستورات (Memristors)، وهي مكونات إلكترونية غير متقلبة قادرة على أداء الحسابات وتخزين المعلومات عن طريق تكيف مقاومتها بناءً على التيار الكهربائي الذي مر بها في السابق. وجد الباحثون أن رقاقة الميمريستورات هذه تحسن من كفاءة وتوفير الأمن في أنظمة التعلم التعاوني. "توفر الرقاقة الميمريستورية الجديدة طريقة حسابية تتنافس مع خوارزمية تشغيل المصفوفة، وتصميم دائرة استخراج الإنتروبيا المستند إلى الحوسبة في الذاكرة، وطريقة ترميز نظام الأرقام الباقية الزائد، مما يسمح بتنفيذ الحسابات ذات معدل الخطأ المنخفض، والوظيفة غير القابلة للتكرار، ومولد الأرقام العشوائية الحقيقي ضمن نفس مصفوفة الميمريستور والدوائر المحيطة"، كتب الباحثون في دراستهم. تطبيق الرقاقة في حالة الدراسة لإثبات فعالية رقاقة الحوسبة في الذاكرة، أجرى الباحثون دراسة حالة فيها أربع مشاركات يقومون بتدريب شبكة ذاكرة طويلة الأمد ذات طبقتين (Long Short-Term Memory - LSTM) تحتوي على 482 وزنًا للتنبؤ بحالات السepsis، وهي حالة طبية خطيرة قد تكون قاتلة وتنشأ من العدوى الشديدة، باستخدام بيانات صحية للمرضى. "دقة الاختبار على مصفوفة الميمريستورات ذات 128 كيلوبايت كانت أقل بنسبة 0.12% فقط مقارنة بدقة التعلم المركزي عبر البرمجيات"، كتب الباحثون. "نهجنا أيضًا يظهر استهلاكًا أقل للطاقة والوقت مقارنة بالتعلم التعاوني الرقمي التقليدي." النتائج والمستقبل تشير نتائج هذه الدراسة الحديثة إلى إمكانات هائلة للهندسة المعمارية المستندة إلى الميمريستورات في تعزيز كفاءة وخصوصية تطبيقات التعلم التعاوني. في المستقبل، يمكن تحسين الرقاقة التي طورها لي وغاو وزملاؤهم واستخدامها لتدريب خوارزميات تعلم عميقة أخرى على مجموعة متنوعة من المهام العملية. تقييم الحدث من قبل المختصين يرى خبراء في المجال أن هذه الرقاقة تمثل خطوة هامة نحو تحقيق تعلم آلي أكثر كفاءة وأمانًا، خاصة في التطبيقات الحيوية مثل الرعاية الصحية. يمكن لهذه التقنية أن تقلل من مخاطر الوصول غير المصرح به إلى البيانات الحساسة، مما يجعلها جذابة للشركات والمؤسسات التي تتعامل مع بيانات شخصية. نبذة عن الشركة تُعد جامعة تسينغوا من أبرز المؤسسات البحثية في الصين، وهي تتمتع بسجل حافل في مجال البحث العلمي والتكنولوجي. معهد أبحاث الصين موبايل هو مركز بحثي تابع لشركة الاتصالات العملاقة الصينية، ويتخصص في تطوير تقنيات الاتصالات المستقبلية. جامعة هيباي تساهم أيضًا في البحث العلمي، مع التركيز على تطبيقات التكنولوجيا في الحياة اليومية والصناعات المحلية.