محققان با معرفی روش جدیدی به نام FedEAS، گامی بزرگ در کاهش هزینههای محاسباتی هوش مصنوعی برداشتهاند. در یادگیری فدرال، توزیع نامتوازن دادهها (Label Skew) باعث کاهش دقت مدل میشود. روش FedEAS با تخصیص بودجه تولید دادههای مصنوعی (Synthetic Data) به صورت هوشمند و بر اساس آنتروپی هر کلاینت، توانسته است ضمن حفظ دقت بالا، هزینههای محاسباتی را تا بیش از ۹۴٪ کاهش دهد! این دستاورد میتواند تحولی در اجرای مدلهای دقیقتر بر روی سیستمهای توزیعشده ایجاد کند. 📊💡
منبع: arXiv AI