تحقیق در حوزه «یادگیری فدرال» (Federated Learning) همیشه با چالش انتخابهای جزئی اما سرنوشتساز مثل معماری مدل یا قوانین تجمیع سرور همراه بوده که انجام دستی آنها بسیار وقتگیر است.
در پژوهش جدیدی، ابزار Auto-FL-Research (AFR) معرفی شده که در واقع یک «ایجنت کدنویس» است. این ایجنت با دریافت بودجه محاسباتی و محدودیتهای خاص، بهطور خودکار دستورالعملهای یادگیری فدرال را طراحی، تست و اجرا میکند. این دستاورد به محققان کمک میکند تا بدون درگیری با پیچیدگیهای دستی، الگوریتمهای بهینهتری برای حوزههای حساسی مثل علوم پزشکی پیدا کنند.
این یعنی هوش مصنوعی حالا خودش مسئول بهبود یادگیریِ توزیعشده شده است! 🚀
منبع: arXiv AI
