تجميع ذكي للأنماط التدريبية للشبكات العصبية العميقة عبر الحافة والسحابة مع مراعاة السياق

بفضل التعلم الآلي، أصبحت الأجهزة الطرفية، بما في ذلك الهواتف الذكية والأجهزة القابلة للارتداء وأجهزة إنترنت الأشياء (IoT)، أكثر ذكاءً باستمرار، مما يخلق تناقضات مع الموارد المحدودة. وتعتبر عملية تخصيص النماذج داخل الجهاز أمرًا بالغ الصعوبة، نظرًا لأن تدريب النماذج على الأجهزة الطرفية يستهلك موارد عالية جدًا. في هذه الدراسة، نقترح خط أنابيب تدريب مبتكر يمتد عبر الطرف والسحابة، مستفيدًا من القوة الحاسوبية للسحابة مع الحفاظ على البيانات محليًا على الجهاز الطرفي. تشمل أبرز ميزات التصميم التنفيذ المتوازٍ الذي يتيحه إعادة تشغيل الميزات (feature replay)، وتقليل تكاليف الاتصال من خلال ضغط ميزات الخطأ (error-feedback feature compression)، بالإضافة إلى محرك اتخاذ قرارات نشر مُدرك للسياق. تعمل هذه الخط أنابيب كنظام متكامل، حيث لا تسرع من عملية التدريب بشكل كبير فحسب، بل تُحدث أيضًا فقدانًا ضئيلًا في الدقة، أو تكاليف إضافية في الذاكرة أو الطاقة. تم اختبار نظامنا في مجموعة متنوعة من البيئات، بما في ذلك شبكات الواي فاي، و5G، وأجهزة إنترنت الأشياء المنزلية، وفي مهام تدريب مختلفة مثل تصنيف الصور والنصوص، وإنشاء الصور، لتأكيد مزاياه مقارنة بأحدث التقنيات. تُظهر النتائج التجريبية أن نظامنا لا يتكيف جيدًا مع السياقات المختلفة فحسب، بل يستفيد منها أيضًا، مما يقدّم حلًا عمليًا وفعالًا لتدريب النماذج بين السحابة والطرف.