در دنیای یادگیری ماشین، یادگیری فدرال (Federated Learning) ابزاری قدرتمند است، اما محدودیت حافظه در دستگاههای کلاینت همیشه یک چالش بزرگ بوده است. محققان به تازگی در مقالهای جدید، روشی نوآورانه برای مدیریت هوشمند دادهها در فرآیند یادگیری جریانی (Streaming) معرفی کردهاند.
این چارچوب جدید که با نام سیاست «ACDPP» معرفی شده، با مدیریت دقیقِ پذیرش داده در سمت سرور و بهینهسازی حافظه در سمت کاربر، باعث میشود مدلها بدون نیاز به منابع سختافزاری سنگین، با دقت بالا و هزینهی بهینه آموزش ببینند. این یعنی قدمی بزرگ به سوی هوش مصنوعیِ کارآمدتر و شخصیسازیشدهتر روی گوشیها و دستگاههای کوچک شما! 📱✨
منبع: arXiv Machine Learning